چارچوب استراتژی داده ✍ از دیدگاه دیتابلوپرینت ✅ #دیتابلوپرینت، یک شرکت مشاوره مدیریت داده است که معتقد است #استراتژی_داده، نیازمند درک استراتژی به طور کلی است. داده به عنوان یک دارایی کسب‌وکار، در دو بعد کارایی عملیاتی و #نوآوری کسب‌وکار، ایجاد ارزش می‌کند. توسعه یک برنامه با اهداف قابل اندازه‌گیری، به سازمان کمک می‌کند تا در این دو بعد حرکت کند. این شرکت، چارچوب فوق را برای استراتژی داده پیشنهاد می‌کند. ✅ بسته به تعریفی که از #حکمرانی_داده ارائه می‌شود، تمایز آن با استراتژی داده مشخص می‌شود. برخی حکمرانی داده را جزئی از استراتژی داده می‌دانند و برخی دیگر استراتژی داده را خروجی برنامه پیاده‌سازی حکمرانی داده می‌دانند. #مدیریت_داده نیز گاهی یک جزء از حکمرانی داده محسوب شده و گاهی به عنوان یک کل در نظر گرفته شده است. در هر صورت تمامی دیدگاه‌های مؤسسات بر لزوم استخراج استراتژی داده و یا برنامه حکمرانی داده، مبتنی بر مرور #استراتژی و اهداف کسب‌وکار توافق دارند. #پایگاه_جامع_مدیریار www.modiryar.com @modiryar

✍ اجزاء مدیریت داده از دیدگاه سی‌ام‌ام‌آی ✅ با وجود سرمایه‌گذاری‌های سنگین و طولانی‌مدت در #مدیریت_داده، مسائل مربوط به داده در بسیاری از سازمان‌ها در حال رشد است. یک دلیل این امر، آن است که داده به طور سنتی تنها به عنوان یک جنبه از پروژه‌های فناوری شناخته شده و به عنوان یک دارایی سازمانی به آن نگاه نمی‌شود. ✅ بنابراین، اعتقاد بر این بوده که استفاده معمول از آن و تلاش‌ها برای ایجاد پایگاه‌های داده، برای #پاسخگویی به مسائل مرتبط با داده کافی است. سازمان‌ها بایستی استراتژی‌های داده‌ای ایجاد کنند که با واقعیت‌های دنیای امروز منطبق باشد و اطمینان حاصل کنند که تمام منابع داده‌ای به آسانی و به طور کارآمد، مورد استفاده قرار گیرند، به اشتراک گذاشته شوند و جابه‌جا گردند. ✅ یک استراتژی داده از مدیریت شدن داده‌ها و استفاده از آنها به عنوان یک #دارایی اطمینان حاصل می‌کند و اهدافی را در پروژه‌ها تعیین می‌کند که استفاده مؤثر و کارآمد از داده را تضمین می‌نماید. یک استراتژی داده، روش‌ها، اقدامات و فرآیندهای مشترکی را تعیین می‌کند که مدیریت، استفاده و به‌اشتراک‌گذاری داده در سراسر سازمان را به روشی تکرارپذیر ممکن می‌سازد. ✅ یک #استراتژی_داده، در واقع نقشه‌راهی را تعیین می‌کند تا این فعالیت‌ها را در حوزه‌های مختلف #مدیریت داده همراستا سازد؛ به نحوی که یکدیگر را کامل کرده تا به منافع بزرگتری دست یابند. #پایگاه_جامع_مدیریار www.modiryar.com @modiryar

✍ پیکره دانش مدیریت داده DMBOK ✅ چگونه می توانیم در مسیر صحیح #مدیریت_داده حرکت کنیم؟ ▪️چارچوب DMBOK یک نمونه موفق در زمینه مدیریت داده است که نسخه دوم آن سال ۲۰۱۷ توسط انجمن جهانی مدیریت داده (داما) ارائه شده است. بدنه دانش مدیریت داده داما همه حوزه های دانشی مدیریت داده را توصیف می‌کند. چارچوب DMBOK با وارد شدن به جزئیات هر حوزه دانش، تصویری کامل از محدوده کلی مدیریت داده را ترسیم می‌کند. ▪️از آنجا که حاکمیت داده جهت حفظ سازگاری، تعادل و هماهنگی بین سایر حوزه‌ها ضرورت دارد، در مرکز این چرخ و در مرکز فعالیت‌های مدیریت داده قرار گرفته است. سایر حوزه‌های دانشی مانند معماری داده، مدل‌سازی داده، کیفیت داده و غیره در اطراف این چرخ قرار گرفته‌اند. همه این اجزا برای کارکرد مناسب مدیریت داده ضرورت دارند اما می‌توانند در مراحل و زمان های مختلفی اجرا شوند. ترتیب و زمان بندی اجرا بر اساس نیازمندی‌های شرکت مشخص می‌شود. ✅ داما و DMBOK جریان DMBOK بعنوان مرجع معتبر مدیریت داده قصد دارد از ماموریت داما در موارد زیر پشتیبانی کند: ▪️ایجاد یک چارچوب کاربردی برای اجرای مدیریت داده در شرکت‌ها شامل مجموعه‌ای از اصول راهنما، تجربیات موردقبول عموم، متدها، تکنیک ها، وظایف، نقش ها، سنجه ها و تحویل دادنی‌ها ▪️ایجاد ادبیات مشترک برای مفاهیم مدیریت داده برای متخصصین مدیریت داده ▪️ایجاد مرجع آزمون‌ها تعیین صلاحیت متخصصین مدیریت داده ✅ حوزه های دانشی DMBOK2 حوزه های دانشی DMBOK2 بر اساس ۱۱ حوزه دانشی نمودار شکل گرفته است. #مدل_مفهومی #مدل_مدیریت #پایگاه_جامع_مدیریار www.modiryar.com @modiryar

✍ فازبندی مدیریت داده #مدیریت_داده #مدل_مفهومی #مدل_مدیریت #مشاوره_مدیریت #پایگاه_جامع_مدیریار #دکتر_مهدی_یاراحمدی_خراسانی www.modiryar.com @modiryar

✍ فازبندی مدیریت داده ✅ از کجا شروع کنیم؟ ▪️دانستن اینکه از کجا شروع کنیم تا بتوانیم در #مدیریت_داده موفق شویم خودش یک چالش بزرگ در ابتدای کار است. بهتر است قبل از شروع از یک مدل ارزیابی برای شناسایی موقعیت فعلی خود در مدیریت داده استفاده کنید و در ادامه با اولویت بندی مهم‌ترین مشکلات، به حوزه دانشی موردنیاز ورود کنید. از طرفی ممکن است شما قبلا مشکل شرکت خود را شناسایی کرده باشید مثلا معماری داده. ▪️#تصمیم بگیرید مدیریت داده را از حوزه دانشی معماری داده شروع کنید. علاوه بر این موارد می‌توانید از هرم پیتر آیکن نیز استفاده کنید. این هرم مشخص می‌کند که چه مراحلی باید انجام شود تا بتوان به نقطه مطلوب دست پیدا کرد و به راس هرم رسید. اگر چه DMBOK به طور مشخص ترتیب و توالی خاصی بین حوزه‌های دانشی مختلف مدیریت داده قائل نیست، اما عموماً سازمان‌ها ترتیب خاصی را بین این حوزه ها رعایت می‌کنند. ✅ پیکره دانش مدیریت داده ✅ تفاوت داده با سایر دارایی های سازمان همانند سایر #فرایندهای_مدیریت، تلفیقی از نیازهای استراتژیک و عملیاتی در مدیریت داده مطرح است. اگر چه داده یکی از داراییی های شرکت به شمار می آید اما تفاوت های با دارایی های متعارف دارد: ▪️داده یک دارایی با ویژگی های منحصربه فرد است. ▪️ارزش داده می تواند و باید در قالب ارزش اقتصادی بیان شود. ▪️مدیریت داده به معنی مدیریت کیفیت داده است. ▪️برای مدیریت داده به متادیتا نیاز است. ▪️برای مدیریت داده نیاز به برنامه ریزی وجود دارد. ▪️مدیریت داده فعالیتی فرابخشی است و به تنوعی از مهارت ها و تخصص ها نیاز دارد. ▪️مدیریت داده نیازمند یک نگرش سازمانی است. ▪️مدیریت داده، مدیریت چرخه حیات داده است. ▪️نیازمندی های مدیریت داده برای داده های مختلف متفاوت است. ▪️مدیریت داده شامل مدیریت ریسک های مرتبط با داده نیز می شود. ▪️نیازمندی های مدیریت داده باید بر تصمیمات فناوری اطلاعات اثر بگذارد. ▪️مدیریت داده موثر نیازمند تعهد و حمایت مدیریت ارشد است. #مدل_مفهومی #مدل_مدیریت #مشاوره_مدیریت #پایگاه_جامع_مدیریار #دکتر_مهدی_یاراحمدی_خراسانی www.modiryar.com @modiryar