MindMap Gallery DAMA-CDGA Data Governance Engineer-16. Data Management Organization and Role Expectations
As the data landscape evolves rapidly, organizations need to improve the way they manage and govern data. Data management and data governance organizations need to be flexible enough to work effectively in the evolving environment. Therefore, they need to clarify the concepts around ownership, collaboration, and responsibilities. and fundamental issues in decision-making.
Edited at 2024-03-05 20:34:33Mappa mentale per l’analisi del controllo della gestione del portata di progetto. Tre sezioni principali: 1. WBS Scope Breakdown – scomposizione gerarchica del lavoro con dettaglio dello Scopo del progetto. 2. Scope Boundary / Exclusions – definizione chiara dei confini del progetto e di ciò che è escluso per evitare scope creep. Strumento ideale per project manager e team di controllo per mantenere allineamento e ridurre rischi.
Questo template, ideato con EdrawMind, è un modello completo per il miglioramento continuo del sistema di gestione della qualità, con una descrizione di circa 500 parole. È strutturato come un diagramma a lisca di pesce, strumento efficace per analizzare le cause principali dei problemi di qualità e definire le leve di controllo necessarie per risolverli. Il processo è organizzato in quattro fasi chiave: la prima è lo standard e la pianificazione, dove si definiscono gli obiettivi di qualità, i criteri di accettazione, i requisiti di prova e le porte di qualità (Quality Gate). La seconda fase analizza i processi e le porte di controllo, per garantire che ogni passaggio del lavoro segua i standard stabiliti. La terza fase riguarda l’esecuzione QA/QC, con la definizione di metodi di prova e ispezione, nonché regole per la gestione dei difetti e delle non conformità. L’ultima fase è il miglioramento e le azioni correttive e preventive (CAPA), insieme a una catena di audit per monitorare l’efficacia delle misure adottate. In basso, una tabella "Quality Gate" permette di tracciare ogni punto di controllo, con criteri specifici, metodi di prova, proprietario e stato di avanzamento. Grazie alla visualizzazione chiara e intuitiva di EdrawMind, questo strumento aiuta il team a identificare le cause root dei problemi di qualità, implementare azioni efficaci e mantenere un ciclo di miglioramento continuo, garantendo la qualità finale del prodotto o servizio.
Questo template, creato con EdrawMind, è un modello di piano di comunicazione ottimizzato, con una descrizione di circa 500 parole. È uno strumento chiave per evitare incomprensioni tra stakeholder, garantire la trasparenza e mantenere il team allineato agli obiettivi del progetto. Il modello è composto da tre elementi fondamentali e interconnessi: la matrice di comunicazione, la cadenza timeline e le regole di comunicazione/SLA. La matrice di comunicazione è una tabella dettagliata dove per ogni pubblico o stakeholder, si definisce il tipo di informazioni da condividere, lo scopo della comunicazione, il canale da utilizzare (email, riunioni, piattaforme di progetto), la frequenza, il proprietario responsabile, il formato e il percorso di escalazione in caso di problemi. La cadenza timeline è una linea temporale che definisce le scadenze delle comunicazioni chiave, garantendo che le informazioni siano condivise in momento opportuno e non si verifichino ritardi o omissioni. Le regole di comunicazione e gli accordi sul livello di servizio (SLA) definiscono le norme formali della comunicazione, come i tempi di risposta, il tono da adottare e le responsabilità di ciascun membro del team. Grazie alla struttura visuale di EdrawMind, questo template permette di pianificare la comunicazione in modo strategico, trasparente e efficiente, riducendo i rischi di cattiva informazione, migliorando la collaborazione e garantendo che tutti gli stakeholder siano informati e coinvolti nel progetto.
Mappa mentale per l’analisi del controllo della gestione del portata di progetto. Tre sezioni principali: 1. WBS Scope Breakdown – scomposizione gerarchica del lavoro con dettaglio dello Scopo del progetto. 2. Scope Boundary / Exclusions – definizione chiara dei confini del progetto e di ciò che è escluso per evitare scope creep. Strumento ideale per project manager e team di controllo per mantenere allineamento e ridurre rischi.
Questo template, ideato con EdrawMind, è un modello completo per il miglioramento continuo del sistema di gestione della qualità, con una descrizione di circa 500 parole. È strutturato come un diagramma a lisca di pesce, strumento efficace per analizzare le cause principali dei problemi di qualità e definire le leve di controllo necessarie per risolverli. Il processo è organizzato in quattro fasi chiave: la prima è lo standard e la pianificazione, dove si definiscono gli obiettivi di qualità, i criteri di accettazione, i requisiti di prova e le porte di qualità (Quality Gate). La seconda fase analizza i processi e le porte di controllo, per garantire che ogni passaggio del lavoro segua i standard stabiliti. La terza fase riguarda l’esecuzione QA/QC, con la definizione di metodi di prova e ispezione, nonché regole per la gestione dei difetti e delle non conformità. L’ultima fase è il miglioramento e le azioni correttive e preventive (CAPA), insieme a una catena di audit per monitorare l’efficacia delle misure adottate. In basso, una tabella "Quality Gate" permette di tracciare ogni punto di controllo, con criteri specifici, metodi di prova, proprietario e stato di avanzamento. Grazie alla visualizzazione chiara e intuitiva di EdrawMind, questo strumento aiuta il team a identificare le cause root dei problemi di qualità, implementare azioni efficaci e mantenere un ciclo di miglioramento continuo, garantendo la qualità finale del prodotto o servizio.
Questo template, creato con EdrawMind, è un modello di piano di comunicazione ottimizzato, con una descrizione di circa 500 parole. È uno strumento chiave per evitare incomprensioni tra stakeholder, garantire la trasparenza e mantenere il team allineato agli obiettivi del progetto. Il modello è composto da tre elementi fondamentali e interconnessi: la matrice di comunicazione, la cadenza timeline e le regole di comunicazione/SLA. La matrice di comunicazione è una tabella dettagliata dove per ogni pubblico o stakeholder, si definisce il tipo di informazioni da condividere, lo scopo della comunicazione, il canale da utilizzare (email, riunioni, piattaforme di progetto), la frequenza, il proprietario responsabile, il formato e il percorso di escalazione in caso di problemi. La cadenza timeline è una linea temporale che definisce le scadenze delle comunicazioni chiave, garantendo che le informazioni siano condivise in momento opportuno e non si verifichino ritardi o omissioni. Le regole di comunicazione e gli accordi sul livello di servizio (SLA) definiscono le norme formali della comunicazione, come i tempi di risposta, il tono da adottare e le responsabilità di ciascun membro del team. Grazie alla struttura visuale di EdrawMind, questo template permette di pianificare la comunicazione in modo strategico, trasparente e efficiente, riducendo i rischi di cattiva informazione, migliorando la collaborazione e garantendo che tutti gli stakeholder siano informati e coinvolti nel progetto.
16. Data management organization and role expectations
introduction
As the data landscape rapidly evolves, organizations need to improve how they manage and govern data
Data management and data governance organizations need to be flexible enough to work effectively in an evolving environment
Therefore, they need to clarify fundamental questions about ownership, collaboration, responsibility and decision-making
Understand existing organizational and cultural norms
Awareness, ownership and accountability are key to motivating and engaging people in data management initiatives, policies and processes
After developing a current status description, assess satisfaction with the current status to gain insights into the organization's data management needs and priorities
The data management organization should be consistent with the company’s organizational hierarchy and resources
The goal should be to engage different business stakeholders across functions
The structure of a data management organization
A critical step in data management organizational design is determining the organization’s best operating model
An operating model is a framework that clarifies roles, responsibilities, and decision-making processes. It describes how people work with each other.
A reliable operating model helps an organization establish accountability, ensures that the right functions within the organization are represented, facilitates communication, and provides a process for resolving issues.
The operating model forms the basis of the organization's structure, but it is not an organizational chart, where people's names are simply placed in boxes. It describes the relationships between the various components of the organization.
Decentralized operating model
In a decentralized operating model, data management functions are distributed among different business units and IT departments
advantage
The organizational structure is relatively flat, and the data management organization is consistent with the business line or IT department.
shortcoming
Involve too many people in governance and decision-making. Implementing collaborative decision-making is often more difficult than centrally issuing orders.
Decentralized models are generally less formal and may be difficult to maintain over the long term
Defining data ownership using a decentralized model is also often difficult
Network operating model
Through the RACI (who is responsible/who approves Accountable/who consults/who informs Incoened) responsibility matrix, a series of documented connections and responsibility systems are used to make decentralized informal organizations more formal, called a network model
advantage
Flat structure, consistent concepts, and rapid establishment
Adopting RACI helps establish accountability without impacting organizational structure
shortcoming
Expectations related to RACI need to be maintained and enforced
Centralized operating model
The most formal and mature data operation model
advantage
It establishes a formal management position for data management or data governance with a final decision-maker
Decision making is easier because responsibilities are clear
Within the organization, data can be managed separately according to different business types or business topics.
shortcoming
Implementing a centralized model often requires significant organizational changes
Formal separation of the role of data management from core business processes risks the gradual loss of business knowledge
Hybrid operating model
In a hybrid model, a centralized data management center of excellence works with decentralized business unit teams, often through an executive steering committee representing key business units and a series of technical working groups focused on specific issues.
advantage
It can have appropriate direction from the top of the organization, with an executive responsible for data management or data governance
They benefit from the support of this dedicated data management center of excellence, helping to focus on specific challenges
shortcoming
Typically this model requires additional staffing of the center of excellence
Business teams may have different priorities that need to be managed from the business's own perspective
In addition, there are sometimes conflicts between the priorities of the central organization and those of the decentralized organizations
federal
advantage
Provides a centralized strategy with decentralized execution
Therefore, for large enterprises, it may be the only feasible model
shortcoming
More complex to manage
There are too many layers and a balance needs to be struck between the autonomy of the business lines and the needs of the enterprise, and this balance affects the priorities of the enterprise
Determine your organization’s best practices
The operating model is the starting point for improving data management and data governance practices
Because the operating model will help with the definition, approval, and enforcement of policies and procedures, it is critical to determine which operating model is best for the organization
DMO alternatives and design considerations
Most organizations operate in a decentralized model before moving to a formal data management organization
As an organization sees the impact of data quality improvements, it may have begun developing accountability systems through the data management RACI matrix and evolved into a network model
Over time, as collaboration among distributed roles becomes more evident, economies of scale will establish, pulling some roles and people into organized groups, eventually evolving into a hybrid or federated model.
Whatever the model, remember simplicity, usability are critical for acceptance and sustainability
critical success factors
Executive support
clear vision
Active change management
consensus among leaders
constant communication
Stakeholder engagement
Guidance and training
Adopt a measurement strategy
adhere to guiding principles
evolution rather than revolution
Establish a data management organization
Identify current data management participants
Identify committee participants
Identify and analyze stakeholders
Involve stakeholders
Data management organizations and others Communication between data-related agencies
data management organization
Chief Data Officer Organization
data governance organization
Data Quality Team
Enterprise Architecture Team
chief data officer
Establish an organizational data strategy
Align data-centric needs with available IT and business resources
Establish data governance standards, policies and procedures
Provide advice to the business to achieve data mobilization, such as data technologies for business analytics, big data, data quality
Communicate the importance of good information management principles to internal and external stakeholders within the business
Oversee the use of data in business analytics and business intelligence
data governance
data governance
do the right thing
Data management
do things right
Data quality
Data quality management is a critical capability for data management practices and organizations
enterprise architecture
The enterprise architecture team is responsible for designing and documenting the organization's overall blueprint, articulating how to achieve its strategic goals and optimize them
business structure
Technology Architecture
data architecture
Application architecture
Managing a global organization
Global organizations require special attention
comply with standards
Synchronization process
Clear responsibility system
training and exchange
Monitor and measure effectively
Develop economies of scale
Reduce repetitive work
Data management role
organizational role
personal role
executive role
CDO
business role
Data Management Specialist
IT role
data architect
data modeler
Data model manager
database administrator
Data Security Manager
Data Integration Architect
Data Integration Expert
Analytics/Reporting Developer
application architect
Technical Architect
Technical Engineer
desktop administrator
IT auditor
mixed role
data quality analyst
Metadata Expert
BI architect
BI Analyst/Administrator
BI project manager