Co je správa dat?

Správa dat je postup shromažďování, uchovávání a používání dat bezpečně, efektivně a úsporně. Cílem správy dat je pomoci lidem, organizacím a připojeným věcem optimalizovat využívání dat v mezích zásad a regulace tak, aby mohli přijímat rozhodnutí a činit kroky, které maximalizují přínos pro organizaci. Robustní strategie správy dat se stává důležitější než kdy předtím, protože organizace se stále více spoléhají na nehmotný majetek při vytváření hodnot.

Správa digitálních dat v organizaci zahrnuje širokou škálu úkolů, zásad, procesů a postupů. Práce správy dat má širokou působnost, která zahrnuje faktory, jakými jsou například

• Vytváření, přístup a aktualizace dat napříč různorodou vrstvou dat
• Ukládání dat napříč vícero cloudy a místními úložišti
• Poskytování vysoké dostupnosti a zotavení po havárii
• Použití dat v rostoucí škále aplikací, analýz a algoritmů
• Zajištění zabezpečení a ochrany dat
• Archivace a likvidace dat v souladu s plány udržování a požadavky na shodu s předpisy

Formální strategie správy dat se zabývá činností uživatelů a správců, možnostmi technologií pro správu dat, požadavky zákonných předpisů a potřebami organizace získávat hodnoty ze svých dat.

Dnešní systémy pro správu dat

Dnešní organizace potřebují řešení správy dat, které poskytuje efektivní způsob správy dat napříč různorodou, ale jednotnou datovou vrstvou. Systémy správy dat jsou postaveny na platformách pro správu dat a mohou zahrnovat databáze, datová jezera a sklady, systémy pro správu objemných dat, analýzu dat a další.

Všechny tyto komponenty pracují společně jako a “datový nástroj” pro poskytování funkcí správy dat, které organizace potřebuje pro své aplikace, a analýz a algoritmů, které využívají data pocházející z těchto aplikací. Ačkoli současné nástroje pomáhají správcům databází (DBA) automatizovat mnoho tradičních úkolů správy, je z důvodu velikosti a složitosti většiny databázových nasazení často vyžadován manuální zásah. Pokud je nutný manuální zásah, zvyšuje se šance na chyby. Snížení nutnosti manuální správy dat je klíčovým cílem nové technologie pro správu dat - autonomní databáze.

Systémy pro správu objemných dat

V některých ohledech může pojem objemná data evokovat obrovské množství dat. Velká data však přicházejí také v širší škále forem než tradiční data a jsou shromažďována vysokou rychlostí. Představte si všechna data, která přicházejí každý den, nebo každou minutu, ze zdroje sociálních sítí, jako je například Facebook. Množství, rozmanitost a rychlost těchto dat je to, co je pro podniky tak cenné. Ale zároveň je to velmi obtížné pro správu.

Vzhledem k tomu, že se stále více dat shromažďuje z různorodých zdrojů, jako jsou videokamery, sociální sítě, zvukové nahrávky a zařízení Internet of Things (IoT), objevily se systémy správy objemných dat. Tyto systémy se specializují na tři obecné oblasti.

• Integrace objemných dat přináší různé typy dat (od dávkových po streaming) a transformuje je tak, aby mohla být využita.
• Správa objemných dat ukládá a zpracovává data v datovém jezeře nebo datovém skladu efektivně, bezpečně a spolehlivě, často pomocí úložiště objektů.
• Analýza objemných dat odhaluje nové pohledy díky analytice a využívá vizualizaci strojového učení a umělé inteligence pro tvorbu modelů.

Společnosti používají objemná data k vylepšení a urychlení vývoje produktů, prediktivní údržby, zkušeností zákazníků, bezpečnosti, provozní efektivity a mnoha dalších aspektů. Tím, jak se zvětšují data, zvětšují se i příležitosti.

Výzvy při správě dat

Většina výzev v oblasti správy dat dnes pramení z rychlejšího tempa podnikání a rostoucího množství dat. Stále se rozšiřující rozmanitost, rychlost a objem dat, které mají organizace k dispozici, je nutí hledat účinnější nástroje správy, aby držely krok s dobou. Mezi hlavní výzvy, kterým organizace čelí, patří:

• Neví, jaká data mají. Shromažďují a ukládají data z rostoucího počtu různých zdrojů, jako jsou senzory, inteligentní zařízení, sociální sítě a videokamery. Ale žádná z těchto dat nejsou užitečná, pokud organizace neví, jaká data má, kde se nalézají a jak je používat.
• Při rozšiřování vrstvy dat musí udržovat úroveň výkonu. Organizace neustále pořizují, ukládají a používají více dat. Pro udržení špičkové doby odezvy v této rozšiřující se vrstvě musí organizace průběžně sledovat typ otázek, na které databáze zodpovídá, a měnit indexy podle změn dotazů bez ovlivnění výkonu.
• Musí splňovat neustále se měnící požadavky na dodržování předpisů. Dodržování předpisů je složité a multi-jurisdikční a neustále se mění. Organizace musí být schopny snadno revidovat svá data a identifikovat vše, co spadá pod nové nebo upravené požadavky. Zejména musí být zjištěny a sledovány osobně identifikovatelné informace (PII), aby byly dodržovány stále přísnější globální předpisy o ochraně osobních údajů.
• Nejsou si jisté, jak převést data na nová použití. Sběr a identifikace samotných dat neposkytuje žádnou hodnotu - organizace je musí zpracovat. Pokud převod dat na to, co je třeba pro analýzu, vyžaduje hodně času a úsilí, k této analýze nedojde. Výsledkem je ztráta potenciální hodnoty těchto dat.
• Musí držet krok se změnami v úložišti dat. V novém světě správy dat ukládají organizace data ve více systémech, včetně datových skladů a nestrukturovaných datových jezer, které ukládají data v libovolném formátu v jediném úložišti. Informatici v organizacích musí mít způsob, jak rychle a snadno transformovat data z jejich původního formátu do tvaru, formátu nebo modelu, které potřebují, aby se dostali k širokému spektru analýz.

Osvědčené postupy pro správu dat

Řešení problémů správy dat vyžaduje komplexní a promyšlenou sadu osvědčených postupů. Ačkoli se konkrétní osvědčené postupy liší v závislosti na typu dat a odvětví, následující osvědčené postupy se zabývají hlavními problémy správy dat, s nimiž se organizace dnes potýkají:

• Vytvořte vrstvu zjišťování, abyste identifikovali svá data. Vrstva zjišťování na vrcholu datové vrstvy vaší organizace umožňuje analytikům a datovým vědcům vyhledávat a procházet datové sady, aby byla vaše data použitelná.
• Vyvíjejte prostředí pro datovou vědu, abyste efektivně použili svá data ke konkrétním účelům. Prostředí pro datovou vědu automatizuje co nejvíce práce na datové transformaci a zjednodušuje vytváření a vyhodnocování datových modelů. Sada nástrojů, která eliminuje potřebu manuální transformace dat, může urychlit vytváření hypotéz a testování nových modelů.
• Použijte autonomní technologii k udržení úrovně výkonu napříč rozšiřující se vrstvou dat. Možnosti autonomních dat využívají umělou inteligenci a strojové učení k nepřetržitému sledování databázových dotazů a optimalizaci indexů při změně dotazů. To umožňuje databázi udržet rychlé odezvy a zbavuje správce databází a datové vědce časově náročných manuálních úkolů.
• Použijte zjišťování, abyste zůstali v popředí při dodržování předpisů. Nové nástroje využívají zjišťování dat ke kontrole dat a identifikaci řetězců spojení, které je třeba detekovat, sledovat a monitorovat z hlediska multi-jurisdikční shody s předpisy. Vzhledem k tomu, že požadavky na dodržování předpisů celosvětově narůstají, bude tato možnost stále důležitější pro pracovníky v oblasti rizik a bezpečnosti.
• Použijte společnou vrstvu dotazů ke správě vícero různých forem ukládání dat. Nové technologie umožňují úložištím pro správu dat navzájem spolupracovat a rozdíly mezi nimi zmizí. Společná vrstva dotazů, která pokrývá mnoho druhů ukládání dat, umožňuje datovým vědcům, analytikům a aplikacím přístup k datům, aniž by museli vědět, kde jsou uloženy a aniž by je museli ručně transformovat do použitelného formátu.

Správa dat se vyvíjí

S novou rolí dat jako obchodního kapitálu organizace objevují, co již začínající digitální startupy a inovátoři znají: Data jsou cenným majetkem pro identifikaci trendů, rozhodování a přijímání opatření dříve, než je učiní konkurence. Nové postavení dat v hodnotovém řetězci vede organizace k tomu, aby aktivně hledaly lepší způsoby, jak z tohoto nového kapitálu získat hodnotu.

V rámci společností se rovněž vyvíjejí zodpovědnosti správců databáze při správě, což snižuje počet rutinních úkolů, aby se správci dat mohli soustředit na strategičtější problémy a poskytovat kritickou podporu správy dat v prostředí cloudu při současném vývoji klíčových iniciativ, jako je modelování dat a bezpečnost dat.