Veri yönetişimi nedir?
Veri yönetişimi, iş girişimlerini ve operasyonlarını desteklemek için verilerin uygun durumda olmasını sağlayan bir metodolojidir. Veri yönetişimini iş girişimleriyle uyumlu tutmanın birçok avantajı vardır.
- Veri yönetişimi programının finansmanını gerekçelendirin
- İş dünyası topluluklarının katılımını motive edin
- Veri yönetişimi faaliyetlerinin önceliğini yönlendirin
- Katılımcı iş alanlarında gereken veri entegrasyonu düzeyini yükseltin
- Doğru işletim modelini, özellikle de gerekli merkezileşme ve merkeziyetsizleştirme düzeyini belirlemeye yardımcı olun.
Veri yönetişimi neden önemlidir?
Gartner'a göre 2025 yılına kadar, dijital işi ölçeklendirmek isteyen kuruluşların %80'i, veri ve analiz yönetişimine modern bir yaklaşım benimsemedikleri için başarısız olacak. Baş Veri Sorumlularının (CDO) veri yönetişimini veri girişimlerinde en önemli öncelik olarak tanımlamaları boşuna değil. 2023'te 350 CDO ve CDO'ya eşdeğer rollerle yapılan bir ankette MIT CDOIQ, Baş Veri Sorumlularının %45'inin veri yönetişimini birinci öncelik olarak belirlediğini buldu. Bu veri liderleri, verileri bir yandan uygun kontrollerle güvenli ve emniyetli tutarken bir yandan da ihtiyaç duymaları halinde doğru kişilere ve uygulamalara sunmalarını sağlayan bir yönetişim modelini uygulamaya koymaya önem veriyorlar.
Tarih boyunca yönetişim, sızmasını veya kötüye kullanımını önlemek amacıyla verilerin silolarda kilitlenmesi için kullanılmıştır. Ancak veri silolarının sonucu, meşru kullanıcıların ihtiyaç duyduklarında verilere erişmek için engelleri aşmaları gerektiğidir. Veriye dayalı yeniliğin gelişimi, kasıtsız olarak engellenir.
Yönetişimi yeniliğin sağlayıcısı haline getirmek için iki aracınız vardır: erişim ve kontrol. Başarının anahtarı, erişim ve kontrol arasında doğru dengeyi bulmaktır – ve bu denge noktası her kuruluş için farklıdır. Çok fazla kontrol uyguladığınızda veriler, silolarda kilitlenir ve kullanıcılar ihtiyaç duyduklarında verilere erişemezler. Bu, sadece yaratıcılığı bastırmakla kalmaz aynı zamanda verileri güncel ve güvenli olmayacak bir halde bırakan gölge BT sistemlerinin oluşturulmasına da yol açar. Öte yandan, çok fazla erişim sağladığınızda veriler, kendilerini veri sızıntısı riskini artıran uygulamalarda ve veri depolarında bulur.
Erişim ve kontrolü dengeleyen doğru yönetişimin kurulması, verilerin uygun şekilde keşfedilmesini, düzenlenmesini, korunmasını ve paylaşılmasını teşvik ederek insanların verilere güven duymasını sağlar. Bu, verileri korurken yeniliği destekler.
Analiz yönetişimi nedir?
Analiz yönetişimi, hem analitik uygulamalarda kullanılacak verilerin hem de analiz sistemlerinin kullanımının yönetilmesidir. Analiz yönetişimi ekibiniz, analiz raporu sürüm oluşturması ve belgelemesi gibi yönetişim mekanizmaları oluşturabilir. Her zaman olduğu gibi düzenleme gereksinimlerini takip edin, şirket politikası oluşturun ve kuruluş geneline bütünlük korumaları sağlayın.
Makine öğrenimi (ML) yönetişimi nedir?
ML yönetişimi, aynı veri yönetişimi uygulamalarının çoğunu ML için uygular. Veri kalitesi ve veri entegrasyonu, model eğitimi ve üretim dağıtımı için gerekli verileri sağlamalıdır (özellik depoları bunun önemli bir yönüdür). Sorumlu yapay zeka (AI), model oluşturmak için hassas verilerin kullanılmasına özel olarak dikkat ediyor. Ek ML yönetişimi özellikleri arasında insanların model oluşturma, dağıtım ve izlemeye katılmalarını sağlamak; model eğitiminin, sürüm oluşturmanın, desteklenen kullanım durumlarının ve rehber etik model kullanımının belgelenmesi ve doğruluk, sürüklenme, aşırı uyum ve yetersiz uyum için üretimdeki modelin izlenmesi yer alır.
Üretici Yapay Zeka, eğitim ve çıkarım için temel modellerin uyarlanmasını desteklemek üzere verilerin kalitesi ve bütünlüğü, Üretici Yapay Zeka toksikliği ve yanlılığının yönetişimi ve altyapı modeli (FM) işlemleri (FMOp'ler) gibi ek veri yönetişimi özellikleri gerektirir.
AI/ML'yi aynı veri yönetişimi programı ile destekleyebilirsiniz. Verileri AI/ML modellerinin eğitim ve üretim çıkarımı için kullanabileceği bir biçime dönüştürmek üzere veri hazırlama gereklidir ancak en etkili veri hazırlama, yapmanız gerekmeyendir. Veri bilimcileri, her kullanım durumu için veri hazırlamaya çok fazla zaman harcıyor; veri yönetişimi ekibiniz, bu tekdüze ağır işleri hafifletmenize yardımcı olabilir. Ek olarak veri yönetişimi, AI ve ML kullanım örneklerinde kullanılacak biçimli özellik depolarının oluşturulmasını yönetebilir.
Son olarak, ekibinizin temel modelleri eğitmek üzere hassas verilerin kullanım risklerini azaltabilmesi için hassas verilerin uygun şekilde korunması gerekir.
Genel olarak analizde olduğu gibi oluşturduğunuz veya özelleştirdiğiniz AI/ML modellerinin kullanımını yönetmeniz gerekir. İdeal olarak bu, analiz yönetişimi ile yakından ilişkili olmalıdır çünkü bu işlev, çeşitli iş alanlarını nasıl destekleyeceğini bilir.
Veri yönetişiminin temel zorlukları nelerdir?
Veri yönetişimi için en yaygın stratejik zorluk, veri yönetişiminin değerini doğrudan önermek yerine programınızı iş girişimleriyle uyumlu hale getirmektir. Örneğin, son kullanıcıların aradıkları verileri bulmalarını kolaylaştırmanın veya veri kalitesi sorunlarını çözmenin değerini önerebilirsiniz. Ancak bunlar, bir problem arayışındaki çözümlerdir. Bu yolu seçerseniz desteklemeniz gereken iş girişimleriyle finansman ve sponsorluk için rekabet edersiniz. Bunun yerine, veri yönetişimini iş girişimlerini desteklemek üzere konumlandırın. Her büyük iş girişimi, veri gerektirir. İş girişiminin başarısını desteklemek için veri yönetişimi, verilerin uygun durumda olmasını sağlamalıdır. Veri yönetişiminin bu girişimleri nasıl desteklediğine ilişkin raporlama ve denetim uygulamalarını gözden kaçırmayın.
Veri yönetişimi için bir diğer yaygın stratejik zorluk, veri yönetişimini çok dar bir şekilde uygulamaktan kaçınmaktır. Fazla dar bir tanım, iş alanlarına daha geniş olarak bakmadan programı bireysel iş alanlarıyla veya kullanım durumlarıyla uyumlu hale getiriyor olabilir. Dar bir tanım, veri yönetişiminin yalnızca bir veya iki veri yönetişimi özelliği ile tanımlanması anlamına da gelebilir. Örneğin, veri kataloğuna sahip olmak bir veri yönetişimi programı oluşturmaz.
Veri yönetişimi stilleri nelerdir?
Veri yönetişimi programınız, merkezileşme ve merkeziyetsizleştirmeyi dengelemelidir (self servis dahil). Kuruluşunuz genelinde, iş gereksinimlerine bağlı olarak merkezi, federe ve merkeziyetsiz yönetişimin bir karışımına sahip olacaksınız. Etki alanları arasında tutarlılığı korurken (verileri birbirine bağlama becerisi gibi) etki alanı ekiplerini mümkün olduğunca yetkilendirmelisiniz.
- Merkezi veri yönetişimi: Merkezi kuruluşlar nihai olarak görev beyanlarından, politikalardan, araç tercihlerinden ve daha fazlasından sorumludur. Günlük eylemler birçok kez iş alanlarına (LOB) sürüklenir.
- Federe veri yönetişimi: Federe veri yönetişimi, bireysel iş birimlerini veya iş girişimlerini ihtiyaçlarına en uygun şekilde çalışmaları için yetkilendirir. Federe veri yönetişiminde çalışmalarını, örneğin kurumsal çapta veri kalite araçları da dahil olmak üzere en sık tekrarlanan sorunları çözmeye odaklayan daha küçük bir merkezi ekip vardır.
- Self servis veya merkeziyetsiz veri yönetişimi: Her LOB, kendi belirli projesi için gerekeni yapar. Her bir proje, diğer projelerdeki kullanılmaya uygun her araç veya süreci kullanır. Veri ağı (merkeziyetsiz) gibi konuların popülaritesi arttıkça self servis veri yönetişimininki de artmaktadır.
Veri yönetişimini kim oluşturur?
İş merkezli bir veri yönetişimi programı oluşturmak, birçok iş işlevi gerektirir.
- Yönetici sponsorlar, kurumsal yol haritasındaki birçok iş girişimini anlar ve veri yönetişimi desteği için önceliklerin belirlenmesine yardımcı olabilir.
- Veri sorumluları işletmedendir ve projelerin günlük ayrıntılarıyla uğraşırlar. Hedeflenen iş girişimlerinde zorluklara neden olabilecek veri sorunlarını anlamaya yardımcı olurlar.
- Veri sahipleri; verilere kimlerin hangi koşullar altında erişmesi gerektiği, düzenlemelerin nasıl yorumlanacağı ve uygulanacağı ve anahtar terim tanımları dahil olmak üzere veriler hakkında politikalar hazırlar
- Veri mühendisleri BT'dendir (genellikle) ve verilerin güvenliğini sağlamaya, veri kalitesini yönetmeye, çeşitli kaynaklardan gelen verileri entegre etmeye ve doğru verileri bulmaya yardımcı araçlar sağlar.
Veri yönetişimi nasıl çalışır?
Çeşitli özellikler için veri yönetişimi; insan, süreç ve teknoloji çözümleri gerektirir.
Veri yayılımını sınırlamak için verileri uygun ölçekte düzenleyin. Verilerinizi uygun ölçekte düzenlemek, kritik veri varlıklarının çoğalmasını ve dönüşümünü sınırlayabilmeniz için veritabanları, veri gölleri ve veri ambarları dahil olmak üzere en değerli veri kaynaklarınızı tanımlamak ve yönetmek demektir. Verilerin düzenlenmesi aynı zamanda kullanıcıların veriye dayalı kararlara ve veri besleme uygulamalarına güvenebilmesi için doğru verilerin doğru, taze ve hassas bilgilerden arınmış olmasını sağlamak demektir.
Özellikler: Veri kalitesi yönetimi, veri entegrasyonu ve ana veri yönetimi
Veriye dayalı kararları hızlandırmak üzere verilerinizi bağlam içinde keşfedin ve kavrayın. Verilerinizi bağlam içinde anlamak, iş değerini artırmak için verileri güvenle kullanabilmek üzere tüm kullanıcıların verilerinin anlamını keşfedebilmeleri ve anlayabilmeleri anlamına gelir. Merkezi bir veri kataloğu ile veriler kolayca bulunabilir, erişim talep edilebilir ve iş kararları almak için veriler kullanılabilir.
Özellikler: veri profili oluşturma, veri kökeni ve veri katalogları
Verilerinizi kontrol ve güvenle koruyun ve güvenli bir şekilde paylaşın. Verilerinizi korumak; veri gizliliği, güvenliği ve erişimi arasında doğru dengeyi sağlayabilmek demektir. Hem işletme hem de mühendislik kullanıcıları için sezgisel araçlarla veri erişimini kurumsal sınırların ötesinde yönetebilmek çok önemlidir.
Özellikler: Veri yaşam döngüsü, veri uyumluluğu ve veri güvenliği
İş riskini azaltın ve mevzuata uygunluğu iyileştirin. Riski azaltmak, bu verilerin nasıl ve kimin tarafından kullanıldığını anlamak demektir. AWS hizmetleri, veri güvenliğini ve mevzuata uygunluğu sağlamaya yardımcı olmak için ML modelleri üzerinden erişim dahil olmak üzere veri erişimini izlemenize ve denetlemenize yardımcı olur. Makine öğrenimi ayrıca sorumlu kullanımı ve basitleştirilmiş raporlamayı sağlamak için denetim şeffaflığı gerektirir.
Özellikler: veriler ve ML için kullanım denetimi
Veri yönetişimi ekiplerinizi nasıl daha iyi hale getirebilirsiniz?
Etkili bir veri yönetişimi programının anahtarı, onu halihazırda finanse edilmiş iş girişimlerine eklemektir. Ekibinizin bu girişimleri desteklemek için hangi veri etki alanlarının, kaynakların ve öğelerin gerekli olduğunu anladığından emin olun.
- Hedeflenen iş girişimlerine destek gösteren bir veri yönetişimi yol haritası oluşturun. Ardından, seçilen iş girişimleri arasındaki veri örtüşmesini belirlemeye başlayın.
- Tazelik ve gizlilik gereksinimleri dahil olmak üzere verilerin desteklemesi ve beslemesi gereken uygulamaları ve iş zekası kullanım durumlarını belirleyin.
- Seçilen her iş girişimi için amaca uygun verilerin nasıl göründüğünü kavrayın.
- Veri planlama ve uygulamanın, kuruluşun işleyişinin doğal bir parçası haline gelmesi için veri yönetişimi programını kurumsal işletim modeline yerleştirerek sürdürün ve genişletin.
- Analiz topluluğunu self servis ve tutarlılık için düzenleyin.
- Veri yönetişimi ve ML yönetişimi ile yapay zekayı (AI) ve makine öğrenimini (ML) destekleyin. Aynı veri yönetişimi programını kullanın ancak kapsamına özellik depoları ve ML modellerini dahil edin.
Veri yönetişimine ilişkin AWS teklifleri nelerdir?
AWS'deki uçtan uca veri yönetişimi sayesinde kuruluşlar, verilerinin nerede yer alacağı, bunlara kimlerin erişebileceği ve veri iş akışının her adımında bunlarla neler yapılabileceği üzerinde etkiye sahiptir. AWS ile veri yönetişimi, doğru kişilerin ve uygulamaların ihtiyaç duyduklarında doğru verilere emin ve güvenli bir şekilde ulaşmasını, erişmesini ve bunları paylaşmasını kolaylaştırarak kuruluşların veriye dayalı kararları hızlandırmasına yardımcı olur. Verilerin çoğalmasını sınırlamak için veri entegrasyonunu ve veri kalitesini otomatikleştirerek verileri düzenleyebilirsiniz. Veri okur yazarlığını artıran merkezi kataloglarla verilerinizi keşfedebilir ve kavrayabilirsiniz. Verilerinizi, güvenle paylaşmanıza olanak sağlayan kesin izinlerle koruyabilirsiniz. Veri erişimini izleyerek ve denetleyerek riski azaltabilir ve mevzuata uygunluğu artırabilirsiniz.
- Amazon DataZone – entegre yönetişim ile kuruluş genelinde verilerin kilidini açın
- AWS Glue – herhangi bir ölçekte tüm verilerinizi keşfedin, hazırlayın ve entegre edin
- AWS Lake Formation: Analiz ve makine öğrenimi için verileri merkezi olarak yönetin, güvenli hale getirin ve küresel olarak paylaşın
- Amazon QuickSight çok büyük ölçekte birleşik iş zekası
- Amazon SageMaker – Tam olarak yönetilen altyapı, araçlar ve iş akışlarıyla kullanım örnekleri için makine öğrenimi modelleri oluşturun, eğitin ve dağıtın
- ML yönetişimi web sayfası
- Amazon Bedrock – altyapı modelleriyle (FM'ler) üretici yapay zeka uygulamaları oluşturun ve ölçeklendirin
- Amazon Macie - hassas verileri uygun ölçekte keşfedin ve koruyun
- Amazon Basit Depolama Hizmeti (Amazon S3) erişim noktaları — her yerden herhangi miktarda veri almak için oluşturulmuş nesne depolama
- AWS Veri Değişimi – bulutta üçüncü taraf verilerine kolayca ulaşın, abone olun ve bunları kullanın
- AWS Clean Rooms - ham verileri paylaşmadan ortaklarınızla iş birliği yapmak için dakikalar içinde temiz odalar oluşturun
- AWS Uzman Sınıfı ile Veri Yönetişimi: Veri yönetimi iş girişimlerinizi nasıl hızlandırabilir? Veri yönetişimi yol haritanızı ve finansmanınızı oluşturmak için mevcut kurumsal özellikleri nasıl kullanabilirsiniz? Bu isteğe bağlı uzman sınıfında, başarılı ve finanse edilen bir veri yönetişimi programının nasıl oluşturulacağını öğrenin. AWS uzman sınıfı ile Veri Yönetişimi videolarına uygulamalı alıştırmalar içeren bir çalışma kitabı eşlik eder.
Hemen ücretsiz bir hesap oluşturarak AWS'de Veri Yönetişimini kullanmaya başlayın.
