اگر قرار است داده را به عنوان یک دارایی سازمانی مدیریت کنیم ، اگر قرار است زمینه اشتراک داده در بخش ها ، فرآیندها و سیستم های مختلف یک سازمان را فراهم کنیم و اگر قرار است امکان دسترسی ساده به داده ها را در سراسر یک سازمان مهیا کنیم ،  می بایست نیازهای داده در یک سازمان را از بالاترین ارتفاع ممکن بررسی کرد. کسب و کاری که دارای چندین تصویر متفاوت از موجودیت های اساسی کسب و کار نظیر مشتری در بخش های مختلف  است ، نمی تواند  یک درک جامع از مشتریان خود را داشته باشد  چراکه هر واحد بر اساس فرضیات خود تصویری از مشتری را ترسیم می نماید . بدیهی است در این چنین سازمان هایی سخن گفتن از مشتری به دلیل عدم وجود یک نگرش مشترک در خصوص مشتری همواره چالش برانگیز خواهد بود و منابع متعددی صرف کاهش طیف وسیعی از اصطکاک ها می گردد . ایجاد یک نگرش واحد یا SCV ( برگرفته شده از  Single Customer View )  نسبت به موجودیت مشتری یکی از الزامات اولیه و مهم تجزیه و تحلیل مشتری در بعدهای مختلف است . در شکل 1 ، ایجاد یک نگرش واحد از موجودیت مشتری و به اشتراک گذاری آن بین سیستم های پایین دستی متعددی نشان داده شده است .


در بخش اول  ، نگاهی داشتیم  به  گذشته  و این که ما در سازمان های خود چگونه با داده های master  برخورد کرده ایم و در عمل با چه شیوه ای به نیاز اشتراک داده بین واحدهای مختلف ، فرآیندها و سیستم ها پاسخ داده ایم .   در این بخش  به سراغ چارچوب DMBOK خواهیم رفت و از پشت لنز چارچوب فوق مدیریت داده های Master را مرور می کنیم .

چرایی اجرای یک برنامه مدیریت داده های  master
مدیریت داده های Master یکی از نواحی کاری یازده گانه نسخه دوم DMBOK است . اجرای یک برنامه مدیریت داده های  Master از دیدگاه کسب و کار می تواند دلایل متعددی داشته باشد :

•  تامین نیازهای داده سازمانی : بخش های مختلف درون یک سازمان لازم است به مجموعه داده های مشابهی که کامل ، به روز و سازگار باشند ، دستیابی داشته باشند . قطعا داده های master در این مجموعه قرار می گیرند . به عنوان نمونه ، این که تحلیل یک سازمان از تمامی مشتریان منطبق با واقعیت های موجود است به این موضوع مهم بستگی خواهد داشت که دارای یک تعریف ثابت ، سیستماتیک و پذیرفته شده در خصوص مشتری باشیم .
• مدیریت کیفیت داده : ناسازگاری داده ها ، مسایل کیفیت داده و فاصله بین وضعیت موجود و مطلوب ، می تواند یک سازمان را به سمت تصمیم گیری های نادرست و از دست دادن فرصت های بیشماری هدایت نماید . مدیریت داده های master  با ارایه موجودیت های کلیدی کسب و کار سازگار ، کاهش ریسک را به دنبال خواهد داشت . 
• مدیریت هزینه های یکپارچگی داده : در فقدان یک برنامه جامع مدیریت داده های master  ، هزینه یکپارچه سازی منابع داده جدید درون یک محیط پیچیده بسیار بالا خواهد بود . مدیریت داده های master  ، ضمن شناسایی موجودیت های کلیدی ، کاهش تعریف گونه های متنوع و متغیر از  موجودیت های حیاتی در یک سازمان را به دنبال خواهد داشت .
•  کاهش ریسک : با مدیریت داده های master  ، می توان با یک رویکرد مناسب و در عین حال ساده معماری اشتراک گذاری داده ها را با هدف کاهش هزینه ها و ریسک های مرتبط با یک محیط پیچیده به سرانجام مطلوب رساند .

با این که طرح ها و برنامه های سازمانی داده محور بر روی داده های تراکنشی تاکید دارند ( افزایش فروش یا سهم بازار ، کاهش هزینه ها ، رعایت قوانین و انطباق ) ، توانایی استفاده از داده های تراکنشی به دسترس پذیری و کیفیت داده های مرجع و master بستگی دارد . بهبود قابلیت دسترسی و کیفیت داده های مرجع و master تاثیر چشمگیری بر کیفیت کلی داده ها خواهد داشت که در نهایت باعث اعتماد کسب و کار به داده ها می گردد . ساده سازی چشم انداز فناوری اطلاعات ، بهبود کارآیی و بهره وری و همچنین بهبود تجربه مشتری از دیگر دستاوردهای مهم مدیریت داده های master در یک سازمان می باشد .
در شکل 2 ، به اهداف و مهمترین دلایل توجه به این حوزه داده اشاره شده است .

اهداف و اصول 
در  اجرای یک برنامه مدیریت داده های master ، اهداف زیر دنبال می شود  : 

• اطمینان از این موضوع که سازمان دارای داده های master  کامل ، سازگار ، به روز و معتبر بین فرآیندهای سازمانی است .
• امکان به اشتراک گذاشتن داده های master  بین برنامه ها و واحدهای مختلف سازمان
• کاهش هزینه ها و پیچیدگی استفاده از داده و یکپارچه سازی از طریق استانداردها ، مدل های داده مشترک و الگوهای یکپارچه سازی مرجع

 اجرای یک برنامه مدیریت داده های master از اصول زیر تبعیت می کند :

• داده های به اشتراک گذاشته شده : ضرورت مدیریت داده های master  به دلیل نیاز به اشتراک گذاشتن آنها در سراسر سازمان
•  مالکیت : داده های  master  متعلق به سازمان و نه یک برنامه و یا دپارتمان بخصوص می باشند . به همین دلیل نگهداری آنها می بایست در کانون توجه یک سازمان قرار بگیرد .
•  کیفیت: مدیریت داده های master  مستلزم پایش مستمر کیفیت و حاکمیت می باشد .
•  نگهداری : مباشرین داده کسب و کار برای کنترل و اطمینان از کیفیت داده مرجع پاسخگو می باشند .
•  تغییرات کنترل شده : مقادیر داده های master می بایست در هر مقطع زمانی ، بیانگر بهترین شناخت سازمانی از واقعیت داده های موجود باشد ( صحیح و به روز بودن ) .

وظایف یک برنامه مدیریت داده های master
صرفنظر از این که  یک برنامه مدیریت داده های master  بر روی یک موجودیت ( single doamin ) و یا چندین موجودیت ( multi domain ) عملیاتی می گردد ، این چنین برنامه هایی می بایست دارای امکانات و توانمندی های متعددی باشند . در شکل 3 ، به طور خلاصه به مهمترین این توانمندی ها اشاره شده است .


دامنه کاربرد
از یک سیستم مدیریت داده های master  می توان در سه حالت متفاوت عملیاتی ، تعاملی و تحلیلی  استفاده بعمل آورد . در شکل 4 ، تفاوت بین سه نوع کاربرد عمده مدیریت داده های master   نشان داده شده است .

خلاصه
به جرات می توان ادعا کرد که داده های master  یکی از مهمترین دارایی های ارزشمند و ناملموس یک بنگاه کسب و کار در عصر حاضر می باشند که شناسایی و شیوه مدیریت آنها در یک سازمان می تواند دستاوردهای متعددی را به دنبال داشته باشد . اگر یک سازمان ، قرار است به یک سازمان داده محور تبدیل شود ، اگر به دنبال تصمیم گیری داده محور در یک سازمان می باشیم ، اگر نوآوری داده محور را دستور کار خود قرار داده ایم و اگر به دنبال یک کسب و کار داده محور می باشیم ، می بایست به داده و مدیریت آن توجه خاصی داشت . بدیهی است ، نقطه تمرکز مدیریت داده ، توجه به داده های حیاتی و از جمله داده های master می باشد . داده هایی که اگر به درستی شناسایی و در سراسر سازمان به درستی استفاده گردند می تواند مزایای متعددی را برای یک سازمان به دنبال داشته باشد .
در این بخش به چرایی اجرای یک برنامه مدیریت داده های master ، اصول و اهداف و همچنین وظایف و دامنه کاربرد یک برنامه مدیریت داده های master اشاره گردید . در بخش سوم به سراغ نوع های مختلف داده در یک سازمان خواهیم رفت و به جایگاه داده های master  و تفاوت آن با سایر داده ها و همچنین ، معماری های مختلف پیاده سازی و استقرار یک برنامه مدیریت داده های master  اشاره خواهیم کرد . 
 

منابع  :