Podaci su tačni. Odluka je i dalje pogrešna.

Ponekad su podaci potpuno tačni.

Dashboard radi.

Definicije KPI-jeva su jasne.

Data Lineage je poznat.

Kontrole postoje.

A biznis ipak donese pogrešnu odluku.

To ne znači automatski da je Data Governance zakazao.

Ta razlika je važna zato što organizacije često očekuju od Data Governance-a više nego što bi on zapravo trebalo da radi.

Cilj Data Governance-a nije da garantuje da će svaka poslovna odluka biti uspešna.

Njegov cilj je da obezbedi da se odluke donose na osnovu podataka koji su tačni, kontrolisani, razumljivi i jasno definisani.

Budućnost je i dalje neizvesna.

Kompanija može da analizira prave brojeve, koristi ispravne KPI-jeve i ipak otvori prodavnicu koja će poslovati loše.

Forecast može da bude napravljen na kvalitetnim podacima i opet da bude pogrešan.

Tržišni uslovi mogu da se promene.

Ponašanje kupaca može da se promeni.

Konkurent može da uđe na tržište.

Može da se dogodi nešto što niko nije mogao da predvidi.

Ništa od toga automatski ne predstavlja Data Governance problem.

Odgovornost Data Governance-a prestaje tamo gde počinje poslovno tumačenje.

Ta granica mora da bude jasna.

Data Governance treba da obezbedi da svaki važan KPI ima preciznu definiciju.

Treba da održava Business Glossary.

Treba da razume Data Lineage.

Treba da obezbedi kontrole kritičnih podataka i pravovremeno otkrivanje problema sa njihovim kvalitetom.

Ali Data Governance ne mora da bude ekspert za svaki poslovni sektor.

Osoba koja radi u Data Governance-u ne mora bolje od komercijale da razume komercijalnu strategiju.

Ne treba ona da određuje koji vremenski period treba koristiti za sales forecast.

Ne treba ona da određuje koje pretpostavke treba da uđu u finansijski model.

Za to su odgovorni ljudi koji donose te poslovne odluke.

Ako komercijala odluči da forecast treba da koristi poslednjih šest meseci, to je odluka komercijale.

Ako BI napravi model u skladu sa tim zahtevima, odgovornost za analitičku logiku pripada relevantnim analitičkim i poslovnim timovima.

Data Governance treba da obezbedi da su podaci na kojima se model zasniva pouzdani.

To je potpuno druga vrsta odgovornosti.

Isto važi i za tumačenje KPI-jeva.

Ako KPI nije dobro definisan ili njegovo značenje nije jasno, Data Governance može da ima problem.

Ali ako je definicija ispravna, dokumentovana i dostupna, a korisnici jednostavno ne razumeju kako treba da je koriste, to više nije isključivo Data Governance problem.

Poslovni sektori i njihovi menadžeri odgovorni su za to da njihovi timovi razumeju alate i informacije koje koriste.

Možda je potreban trening.

Možda je potrebna dodatna edukacija.

Ali Data Governance ne može da zameni linijski menadžment.

Upravo zato je Data Governance-u potrebna jaka podrška top managementa.

Policies, glossary-ji i kontrole imaju malu vrednost ako poslovni sektori mogu jednostavno da ih ignorišu.

Governance framework funkcioniše samo kada organizacija očekuje da se on zaista koristi.

Ipak, postoji jedna situacija u kojoj Data Governance mora odmah da reaguje.

Kada se zna da su sami podaci pogrešni.

Zamislimo da dnevna Data Quality kontrola otkrije kritičan problem na podatku koji ulazi u važan management report.

Sastanak na kojem će taj report biti korišćen počinje za dva sata.

U tom trenutku pitanje ne bi trebalo da bude da li je management spreman da prihvati rizik.

Report treba zaustaviti.

Kritični podatak prvo mora da se ispravi.

Kod nekritičnih problema pristup može da bude drugačiji.

Manja greška koja ne utiče na odluku može da se ispravi dok proces nastavlja da funkcioniše.

Ne treba svaki Data Quality problem da zaustavi biznis.

Ali kritični podaci su druga stvar.

Ako organizacija zna da je kritičan broj pogrešan, ne bi trebalo da postoji izuzetak samo zato što je odluka hitna.

Čekanje dva sata nije ozbiljan problem.

Čak i čekanje dva dana može biti potpuno opravdano.

Jedna velika odluka doneta na pogrešnim podacima može da košta mnogo više.

Zato Data Quality kontrola ne treba da postoji samo pred važan forecast, investicionu odluku ili management sastanak.

Ona mora da postoji svakog dana.

Dobar Data Governance treba da napravi okruženje u kojem organizacija u svakom trenutku zna trenutni kvalitet svojih kritičnih podataka.

Ne treba svaki put raditi posebnu „fit for purpose“ proveru čim neko želi da donese važnu odluku.

Kvalitet podataka treba da bude kontinuirano stanje, a ne hitna provera pred sastanak.

To istovremeno pravi jasnu podelu odgovornosti.

Data Governance je odgovoran za definicije, lineage, kontrole i kvalitet podataka.

BI i Analytics su odgovorni za implementaciju analitičkih modela i kalkulacija.

Biznis je odgovoran za pretpostavke, tumačenje rezultata i konačnu odluku.

Te odgovornosti ne treba mešati.

Jer ako Data Governance počne da odlučuje koje su komercijalne pretpostavke ispravne, on više ne upravlja podacima.

Pokušava da upravlja biznisom.

A ako biznis očekuje od Data Governance-a da garantuje da će svaka odluka biti dobra, očekuje nešto što podaci nikada ne mogu da obezbede.

Dobri podaci povećavaju kvalitet odluke.

Ne uklanjaju neizvesnost.

Podaci mogu da budu tačni.

Odluka i dalje može da bude pogrešna.

I ponekad to jednostavno znači da je organizacija donela poslovnu odluku u svetu u kojem nije moguće predvideti sve.

To nije neuspeh Data Governance-a.

Data Governance počinje da bude odgovoran tek kada organizacija donese odluku koristeći podatke za koje već zna da nisu pouzdani.