مدیریت داده Reference و Master یکی از عملیات مهم در حوزه مدیریت کلان داده در  یک سازمان است که می بایست در قالب یک چارچوب مدون به درستی سازماندهی و  مدیریت گردد .  در هر سازمان ، دپارتمان های مختلف ، فرآیندها و سیستم ها به داده مشابه نیاز دارند و به دفعات از آنها در قالب عملیاتی نظیر خواندن استفاده می کنند . داده یی که در فرآیندهای آغازین ایجاد می گرد ،  می بایست زمینه ایجاد داده را در  فرآیندهای بعدی فراهم کند .گروه های مختلف از داده مشابه برای اهداف گوناگون استفاده می کنند . بخش مالی ، فروش و تولید همگی در ارتباط با فروش محصول هستند ولی هر دپارتمان انتظارات مختص به  خود را  در خصوص کیفیت داده دارد. این نوع نیاز بخصوص فرآیندی ،باعث می گردد تا سازمان ها به سمت ایجاد برنامه هایی با نگرش جزیره ای حرکت کنند. پیامد این تلاش ، تولد سیستم هایی  است که علی رغم کار با  مقادیر داده مشابه ، هر یک بر اساس نیاز خود برای داده یک ساختار را تعریف می کنند .بدیهی است با این نگرش و عدم سازگاری بین قالب های داده  ، نمی توان به یک درک مشترک از کیفیت داده در یک سازمان دست یافت .

مدیریت داده مرجع (Reference ) و مستر (Master ) ، یک تلاش  مستمر در جهت تلفیق و نگهداری داده مرجع و  مستر است .

•   مدیریت داده مرجع ، کنترل  مقادیر دامنه های تعریف شده ( یا واژگان )  است و  مواردی همچون  کنترل اصطلاحات استاندارد شده ، مقادیر کدها  و سایر شناسه های منحصر بفرد ،تعاریف کسب و کار برای هر ارزش، ارتباطات کسب و کاری درون و بین لیست مقادیر دامنه ها ، سازگاری ، دقت مشترک ، به روز بودن و مرتبط بودن مقادیر داده برای تقسیم بندی و گروه بندی داده را شامل می شود.
• مدیریت داده مستر ، وظایفی نظیر  کنترل  مقادیر داده از بعد سازگاری ، به اشتراک گذاشتن ، استفاده بین سیستم ها ، صحیح بودن ، به روز بودن و نسخه ای از حقیقت (Version of truth) در ارتباط  با موجودیت های اساسی کسب و کار را  برعهده دارد.

داده مرجع و مستر  زمینه را برای داده تراکنشی فراهم می کنند . مثلا در یک تراکنش فروش  هم از داده مرجع و هم از داده مستر استفاده می شود . موجودیت های مشتری ، کارکنان ، محصول و یا سرویس  از جنس داده مستر و وضعیت تراکنش و یا کد حساب ها از جنس داده مرجع می باشند. کیفیت داده تراکنشی، وابسته است به کیفیت داده مرجع و داده مستر است . هر گونه تلاش در جهت ارتقاء سطح کیفی داده مرجع و یا مستر ، بهبود کیفیت تمامی داده را به دنبال خواهد داشت که قطعا بر روی اعتماد  کسب وکار به داده تاثیر خواهد گذاشت.

برخی از پروژه های مدیریت داده Master و Reference ممکن است در عمل با شکست مواجه شوند. شکل 1 به برخی از بایدها و نبایدها در این خصوص  اشاره می کند.

چارچوب مدیریت داده  Master و Reference
چگونه سازمان ها می توانند یک چشم انداز و استراتژی برای مدیریت داده مرجع و مستر ایجاد نمایند که در راستای چشم انداز و استراتژی کسب وکار باشد ؟در پاسخ باید گفت که سازمان ها می بایست از یک رویکرد جامع به منظور تامین نیاز ذینفعان با تمرکز بر چالش های غیرفنی نظیر حاکمیت ، ارزش های کسب وکار قابل سنجش و ... استفاده نمایند . همچنین توجه به ابعاد فنی کار نیز می بایست مورد توجه قرار گیرد.به همین منظور می بایست از یک چارچوب مدون به منظور تضمین موفقیت استفاده کرد.چارچوبی  که از بازیگران متعددی تشکیل می گردد و هر بازیگر دارای نقش و وظایف مشخص مختص به خود است .شکل 2 ، چارچوب مدیریت داده مرجع و  مستر را  نشان  می دهد .

فعالیت های مرتبط با مدیریت داده  Master و Reference
یک برنامه جامع مدیریت داده مرجع و  مستر از مجموعه فعالیت های مختلفی تشکیل می شود . هر یک از فعالیت ها ، اهداف مختص به خود  را دنبال می نمایند و ماهیت آنها می تواند از جنس برنامه ریزی ،کنترل  ، توسعه و یا عملیاتی باشد . شکل 3 ، مهمترین فعالیت های مرتبط با مدیریت داده مرجع و مستر را نشان می دهد . 
 

ضرورت مدیریت داده  Master و Reference
برای اجراء و پیاده سازی مدیریت داده اصلی و مرجع  دلایل و یا انگیزه های مختلفی وجود دارد :

•  بهبود کیفیت داده و یکپارچه سازی در بین منابع داده ، برنامه ها و فناوری ها
• ارایه یک نگرش کامل 360 درجه ای جامع درخصوص شرکای تجاری کسب و کار ، نقش ها و محصولات خصوصا برای موثرتر شدن گزارشات و  تحلیل ها .

 با این که مدیریت داده مرجع و  مستر دارای شباهت هایی در موارد متعددی نظیر اهداف ، فرآیندها و  بکارگیری روش های مشابه جهت عملیاتی کردن فرآیندها می باشند ولی دارای تفاوت هایی نیز با یکدیگر  می باشند.
در مدیریت داده مرجع ، ناظرین داده کسب و کار لیستی از مقادیر معتبر داده ( کدها و نظایر آن) و  معانی کسب وکار را نگهداری می نمایند. ناظرین داده کسب و کار ، همچنین مدیریت ارتباط بین مقادیر داده مرجع ، خصوصا از بعد ساختار سلسله مراتبی بین آنها را نیز مدیریت می کنند .
مدیریت داده مستر نیازمند شناسایی و یا ایجاد یک رکورد طلایی از حقیقت برای هر موجودیت حیاتی در یک سازمان نظیر محصول ، مکان ، اشخاص و یا سازمان است . در برخی موارد ، یک "سیستم از رکورد" ، داده قطعی در خصوص یک نمونه را ارایه می نماید . حتی ممکن است یک سیستم بطور تصادفی بیش از یک رکورد در ارتباط با یک نمونه مشابه را تولید کند .جهت تعیین صحیح ترین ، دقیق ترین و بهنگام ترین داده می بایست از روش های مختلفی استفاده گردد.

به اشتراک گذاشتن داده  Master و Reference  
پس از ایجاد مقادیر مرتبط ، بهنگام  و صحیح ، می بایست بستر مناسب جهت به اشتراک گذاشتن داده مرجع و مستر را برای سیستم های تراکنشی و محیط های هوش کسب و کار  و انبار داده بر اساس یک معماری مشخص فراهم کرد. برخی اوقات ، داده از طریق یک بانک اطلاعاتی مستر در یک و یا چندین بانک اطلاعاتی دیگر تکرار و منتشر می شود و  در  برخی موارد  ممکن است سایر برنامه ها داده مرجع و یا مستر را مستقیما از بانک اطلاعاتی مستر بخوانند.
مدیریت داده مستر و مرجع هم در سیستم های پردازش تراکنشی و هم محیط های هوش کسب و کار و انبار داده محقق می گردد.ایده آل  این است که تمامی بانک های اطلاعاتی مبتنی بر پردازش های تراکنشی از رکوردهای طلایی مشابه به همراه مقادیر مربوطه استفاده نمایند . متاسفانه ، اکثر سازمانها دارای داده مرجع و  مستر غیرسازگار در بین سیستم های تراکنشی می باشند و سیستم های انبار داده را ملزم می نمایند که علاوه بر شناسایی صحیح ترین رکوردهای سیستم ، مطمئن ترین  مقادیر داده مرجع و اصلی را نیز شناسایی  نمایند. اکثر هزینه طراحی و پیاده سازی انبارداده در ارتباط به تمیزکاری و تلفیق داده مرجع و اصلی در جداول بعدی نظیر سلسله مراتب سازمانی و محصولات است . این کار باعث می گردد در مقابل تمرکز بر روی بانک اطلاعاتی مستر و نگهداری صحیح آن ، تمامی تلاش ها و بالطبع هزینه ها به سمت فعالیت های جانبی نظیر تمیزکاری و تلفیق داده مرجع و  اصلی هدایت شود.
برای به اشتراک گذاشتن منسجم  داده مرجع و مستر بین برنامه ها ، لازم است در ابتدا به سوالات زیر پاسخ داد:

• هر یک از ذینفعان (داخلی ،خارجی )  به چه اطلاعاتی نیاز دارند؟
• با توجه به وجود  منابع داده مختلف ، چه  داده یی در دسترس است ؟
• با توجه به احتمال وجود داده مشابه در منابع داده مختلف ، تفاوت آنها چیست ؟ به کدام داده می توان اعتماد کرد  که دارای  بهترین شایستگی است: صحیح ترین ، دقیق ترین  و بهنگام ترین 
• چگونه می توان اطلاعات  متناقض ذخیره شده در منابع داده مختلف را  به سمت  صحیح  هدایت کرد؟  چگونه می توان مقادیر داده را  بطور موثر و کارآ به اشتراک گذاشت ؟

سعی خواهیم کرد در یک مطلب جداگانه،گزینه های موجود و  معماری پیشنهادی جهت به اشتراک گذاشتن داده مرجع و مستر را تشریح نماییم.

خلاصه
داده مرجع ، اطلاعاتی نظیر کد  کشور ، کد استان و شناسه جنسیت است که معمولا ثابت بوده و کمک می نمایند تا بتوان گروه بندی سایر داده ها را درون جداول کد انجام داد .تعریف و مدیریت این نوع جداول معمولا در سطح برنامه ها انجام می شود. این بدان معنی است که ممکن است کد کشور در یک سیستم با کد کشور در سیستم دیگر متفاوت باشد . ماحصل این نگرش، بی انظباطی در حوزه ساختار کدینگ اطلاعات مرجع است که می تواند باعث بروز مسائل متعددی در زمان تولید گزارشات ، یکپارچه سازی سیستم ها و یا ایجاد سیستم هایی جدیدی نظیر هوش کسب و کار و یا انبار داده سازمانی گردد .
داده مرجع می تواند نقطه شروع مناسبی برای اجرای یک پروژه مدیریت داده Master باشد .پروژه ای که هدف آن ایجاد یک انطباط و نگرش یک دست به موجودیت های اساسی کسب و کار نظیر مشتری ، مکان ،شرکای تجاری و... است .ارزیابی سطح بلوغ وضعیت مدیریت داده Master در یک سازمان به شما کمک می کند تا ضمن شناسایی وضعیت موجود، با استفاده از یک چارچوب مدون ، سطح بلوغ را ارتقاء داد .