Управљање подацима обухвата све дисциплине везане за руковање подацима као вредним ресурсом. Tо је пракса управљања подацима организације како би се они могли анализирати ради доношења одлука.

Појам Концепт управљања подацима појавио се упоредо са еволуцијом рачунарске технологије. Педесетих година 20. века, како су рачунари постајали све распрострањенији, организације су почеле да се боре са изазовом ефикасног организовања и складиштења података. Ране методе су се ослањале на бушене картице и ручно сортирање, што је било радно интензивно и склоно грешкама. Увођење система за управљање базама података седамдесетих година 20. века означило је значајну прекретницу, омогућавајући структурирано складиштење и преузимање података.

До осамдесетих година 20. века, модели релационих база података револуционисали су управљање подацима, наглашавајући важност података као имовине и негујући начин размишљања усмерен на податке у пословању. Ова ера је такође донела пораст пракси управљања подацима, које су дале приоритет организацији и регулацији података како би се осигурао квалитет и усклађеност. Временом, напредак у технологији, као што су рачунарство у облаку и аналитика великих података, додатно је усавршио управљање подацима, чинећи га темељцем модерних пословних операција.

Управљање подацима обухвата широк спектар пракси, од складиштења и безбедности података до аналитике и доношења одлука, што одражава његову кључну улогу у покретању иновација и ефикасности у свим индустријама.

Теме у управљању подацима Збирка знања за управљање подацима, DMBoK, коју је развило Удружење за управљање подацима, DAMA, описује кључна подручја знања која служе као основа за модерне праксе управљања подацима, предлажући оквир за организације за управљање подацима као стратешком имовином.

Управљање подацима Управљање подацима односи се на политике, процедуре и стандарде који осигуравају да се подацима управља доследно и одговорно у целој организацији. У пословним контекстима, управљање подразумева усклађивање заинтересованих страна између пословних јединица, дефинисање власништва над подацима и квантификацију користи од побољшаног квалитета података. Ефикасни оквири управљања често укључују улоге управљања подацима, протоколе ескалације и међуфункционалне надзорне одборе како би се одржало поверење и одговорност у коришћењу података.

Архитектура података Архитектура података се састоји од модела, политика, правила и стандарда који регулишу који се подаци прикупљају и како се чувају, организују, интегришу и користе у системима података и у организацијама. Подаци су обично један од неколико домена архитектуре који чине стубове архитектуре предузећа или архитектуре решења.

Архитектура података се фокусира на пројектовање целокупне структуре система података. Она обезбеђује да су токови података ефикасни и да су системи скалабилни, прилагодљиви и усклађени са пословним потребама.

Моделирање и дизајн података Ова област се фокусира на креирање модела који логички представљају односе између података. То је неопходно како за дизајнирање база података, тако и за осигуравање да су подаци структурирани на начин који олакшава анализу и извештавање.

Складиштење података и операције Бави се физичким складиштењем података и њиховим свакодневним управљањем. То укључује све, од традиционалних центара података до решења за складиштење података у облаку и обезбеђивање ефикасне обраде података.

Интеграција података и интероперабилност Обезбеђује да се подаци из различитих извора могу без проблема делити и комбиновати кроз више система, што је кључно за свеобухватну аналитику и доношење одлука.

Управљање документима и садржајем Фокусира се на управљање неструктурираним подацима као што су документи, мултимедија и други садржаји, обезбеђујући да се они чувају, категоришу и лако проналазе.

Складиштење података, пословна интелигенција и аналитика података Подразумева консолидацију података у репозиторијуме који подржавају аналитику, извештавање и пословне увиде.

Складиштење података У рачунарству, складиште података (DW или DWH), познато и као корпоративно складиште података (EDW), јесте систем који се користи за извештавање и анализу података и представља кључну компоненту пословне интелигенције. Складишта података су централни репозиторијуми података интегрисаних из различитих извора. Они чувају текуће и историјске податке, организоване на начин који је оптимизован за анализу података, генерисање извештаја и развијање увида на основу интегрисаних података.

Пословна интелигенција Пословна интелигенција (BI) обухвата стратегије, методологије и технологије које предузећа користе за анализу података и управљање пословним информацијама ради обликовања пословних стратегија и пословних операција. Уобичајене функције BI технологија укључују извештавање, онлајн аналитичку обраду (OLAP), аналитику, развој контролних табли (дашборда), рударење података, рударење процеса, обраду сложених догађаја, управљање пословним перформансама, бенчмаркинг, рударење текста, предиктивну аналитику и прескриптивну аналитику.

Дата март Дата март је структура/образац приступа специфичан за окружења складишта података. Дата март је подскуп складишта података који се фокусира на одређену пословну линију, одељење, тематску област или тим. Док складишта података имају дубину на нивоу целог предузећа, информације у дата мартовима односе се на једно одељење. У неким имплементацијама, свако одељење или пословна јединица сматра се власником свог дата марта, укључујући сав хардвер, софтвер и податке. То омогућава да свако одељење изолује употребу, управљање и развој својих података. У другим имплементацијама, где се користе усклађене димензије (conformed dimensions), овакав модел власништва не важи за заједничке димензије као што су купац, производ итд.

Рударење података Рударење података је процес издвајања и проналажења образаца у огромним скуповима података, применом метода на пресеку машинског учења, статистике и система база података. Рударење података је интердисциплинарна подобласт рачунарства и статистике чији је општи циљ извлачење информација (интелигентним методама) из скупа података и претварање тих информација у разумљиву структуру за даљу употребу. Поред самог аналитичког корака, укључује и аспекте база података и управљања подацима, претпроцесирање, питања моделирања и закључивања, метрике интересантности, разматрања сложености, пост-обраду откривених структура, визуелизацију и онлајн ажурирање.

Управљање метаподацима Управља „подацима о подацима“, укључујући дефиниције, порекло и начин коришћења, како би се побољшало разумевање и употребљивост организационих ресурса података.

Управљање квалитетом података Квалитет података није само техничко питање, већ стратешки омогућивач поверења, усклађености (комплајанса) и доношења одлука. Висококвалитетни подаци подржавају доследно извештавање, поштовање регулативе и поверење клијената. Програми управљања подацима на нивоу предузећа често дефинишу метрике квалитета као што су прецизност, грануларност и благовременост, и повезују их са пословним исходима.

Управљање референтним и мастер подацима Референтни подаци обухватају стандардизоване шифре и вредности ради доследног тумачења кроз системе. Управљање мастер подацима (MDM) управља и централизује критичне податке организације, обезбеђујући јединствен, поуздан извор информација који подржава ефикасно доношење одлука и оперативну ефикасност.

Безбедност података Безбедност података односи се на свеобухватан скуп пракси и технологија осмишљених да заштите дигиталне информације и системе од неовлашћеног приступа, коришћења, откривања, измене или уништавања. Обухвата шифровање, контролу приступа, надзор и процене ризика ради очувања интегритета, поверљивости и доступности података.

Приватност података Приватност података подразумева заштиту личних података појединаца тако што се обезбеђује да њихово прикупљање, складиштење и употреба буду у складу са пристанком, законским стандардима и принципима поверљивости. Нагласак је на заштити осетљивих података од злоупотребе или неовлашћеног приступа, уз поштовање права корисника.

Управљање подацима као основа управљања информацијама Разлика између података и изведене вредности илустрована је „информационом лествицом“ или DIKAR моделом. Модел „DIKAR“ је скраћеница од Подаци, Информације, Знање, Акција и Резултат. То је оквир који се користи за премошћавање јаза између сирових података и применљивих исхода. Модел наглашава трансформацију података у информације, које се затим интерпретирају да би се створило знање. Ово знање води акције које воде до мерљивих резултата. DIKAR се широко примењује у организационим стратегијама, помажући предузећима да ускладе своје процесе управљања подацима са циљевима доношења одлука и учинка. Фокусирајући се на сваку фазу, модел осигурава да се подаци ефикасно користе за доношење информисаних одлука и постизање жељених исхода. Посебно је вредан у технолошки вођеним окружењима. „Информациона лествица“ илуструје прелазак од података (сирових чињеница) до информација (обрађених података), знања (интерпретираних информација) и на крају мудрости (примењеног знања). Сваки корак додаје вредност и контекст, омогућавајући боље доношење одлука. Наглашава трансформацију неструктурираних улаза у значајне увиде за практичну употребу.

Управљање подацима у истраживању У истраживању, управљање подацима се односи на систематски процес руковања подацима током њиховог животног циклуса. Ово укључује активности као што су прикупљање, организовање, складиштење, анализа и дељење података како би се осигурала њихова тачност, доступност и безбедност.

Ефикасно управљање подацима такође подразумева креирање плана управљања подацима, DMP, решавање питања као што су етичка разматрања, усклађеност са регулаторним стандардима и дугорочно чување. Правилно управљање побољшава транспарентност истраживања, репродуктивност и ефикасно коришћење ресурса, што у крајњој линији доприноси кредибилитету и утицају истраживачких налаза. Кључна је пракса у свим дисциплинама осигурати интегритет и употребљивост података и током и након истраживачког пројекта.

Велики подаци Велики подаци се односе на прикупљање и анализу огромних скупова података. Иако су велики подаци скорији феномен, потреба за подацима као помоћи у доношењу одлука датира још из раних 1970-их са појавом система за подршку одлучивању (DSS).

Финансијски и економски резултати Студије показују да трансакције купаца чине повећање од 40% у подацима који се прикупљају годишње, што значи да финансијски подаци имају значајан утицај на пословне одлуке. Стога, модерне организације користе аналитику великих података како би идентификовале 5 до 10 нових извора података који им могу помоћи у прикупљању и анализи података ради побољшаног доношења одлука. Јонсен (2013) објашњава да организације које користе просечне аналитичке технологије имају 20% веће шансе да остваре већи принос у поређењу са својим конкурентима који нису увели никакве аналитичке могућности у своје пословање. Такође, IRI је известио да би малопродајна индустрија могла да доживи повећање од преко 10 милијарди долара сваке године као резултат имплементације модерних аналитичких технологија. Стога се може предложити следећа хипотеза: Економски и финансијски исходи могу утицати на то како организације користе алате за анализу података.

Ришо Дас Рој се сматра пиониром DM-а (Управљање подацима). Његов допринос овој области је бесмислен.

Референце

Категорија:Подаци