1
Téma 2
Kvalita dat, projekty Data governance
1. Kvalita dat..........................................................................................................................................2
1.1 Hledisko mikroúrovně.................................................................................................................2
1.2 Hledisko makroúrovně ...............................................................................................................2
1.3 Hledisko uživatelské úrovně ......................................................................................................2
2. Řízení kvality dat (procesy QA/QC) ..................................................................................................3
3. Funkce kontrolující kvalitu dat...........................................................................................................5
3.1 Kontroly prostorových i popisných dat .......................................................................................5
3.2 Příklad kontrol popisných dat.....................................................................................................5
3.3 Příklady funkcí kontrolujících kvalitu prostorových dat ..............................................................5
4. Příčiny nekvalitních dat a možná řešení ........................................................................................ 12
5. Principy Data Governance ............................................................................................................. 13
5.1 Co je Data Governance?......................................................................................................... 13
5.2 Data Governance a IT Governance ........................................................................................ 13
5.3 Co lze pomocí Data Governance dosáhnout?........................................................................ 14
5.4 Typické oblasti pro Data Governance..................................................................................... 14
5.4.1 Data Governance se zaměřením na politiku, standardy a strategii................................. 14
5.4.2 Data Governance se zaměřením na kvalitu dat .............................................................. 14
5.4.3 Data Governance se zaměřením na Privacy/Compliance/Security................................. 15
5.4.4 Data Governance se zaměřením na Architekturu/Integraci ............................................ 15
5.4.5 Data Governance se zaměřením datové sklady a business intelligence ........................ 15
5.4.6 Data Governance se zaměřením podporu managementu (management alignment) ..... 16
5.4.7 Přehled aktivit v jednotlivých oblastech ........................................................................... 16
5.4.8 Zaměření vašeho programu Data Governance ............................................................... 17
5.5 Životní cyklus Data Governance ............................................................................................. 18
5.6 Komponenty frameworku DGI Data Governance ................................................................... 18
5.6.1 Komponenta 1: Mise (poslání) a vize .............................................................................. 19
5.6.2 Komponenta 2: Cíle, metriky, míry úspěchu, strategie financování ................................ 19
5.6.3 Komponenta 3: Definice dat a pravidel............................................................................ 20
5.6.4 Komponenta 4: Rozhodovací práva ................................................................................ 20
5.6.5 Komponenta 5: Zodpovědnosti........................................................................................ 20
5.6.6 Komponenta 6: Řízení, regulace a kontroly .................................................................... 21
5.6.7 Komponenta 7: Data stakeholders .................................................................................. 21
5.6.8 Komponenta 8: Data Governance Office......................................................................... 21
5.6.9 Komponenta 9: Data Stewards........................................................................................ 22
5.6.10 Komponenta 10: Procesy Data Governance ................................................................... 22
5.7 Výzvy....................................................................................................................................... 22
6. Další zdroje informací..................................................................................................................... 23
2
1. Kvalita dat
Kvalitu dat lze posuzovat z několika hledisek.
1.1 Hledisko mikroúrovně
Kvalitu dat lze posoudit lokálně – analýzou jednoho objektu a jeho okolí. Příklady kritérií kvality této
úrovně:
 Přesnost
o Polohová a výšková – přesnost určení souřadnic (očekávaná odchylka souřadnic od
skutečné polohy)
o Časová přesnost – aktuálnost
o Tematická přesnost - přesnost určení atributů (hodnota atributu odpovídá číselníku nebo
se nachází v zadaném intervalu, atributy splňují jiné požadované vlastnosti)
 Konzistence a integrita (jednoznačné relace mezi daty)
 Měřítko - rozlišení dat (nejmenší reprezentovatelná jednotka, nejmenší objekt zobrazený na
mapě)
1.2 Hledisko makroúrovně
Kvalitu dat lze posoudit pouze analýzou celé datové sady. Příklady kritérií kvality této úrovně:
 Úplnost
o úplnost pokrytí území
o úplnost klasifikace (jak kvalitně zvolená klasifikace reprezentuje data)
o úplnost verifikace dat
 Definice dat (existence a kvalita metadat), rodokmen dat (historie dat - zdroje a postup zpracování
dat)
 Jazyková kvalita
 Projekce - kartografické zobrazení
1.3 Hledisko uživatelské úrovně
Kvalita dat z pohledu uživatele. Příklady kritérií:
 přístupnost dat
o privátní data, veřejné databáze, ochrana údajů
o interoperabilita dat
 přímá cena dat
 nepřímá cena dat (nepřímá cena dat způsobený vynuceným přepracováním nekvalitních dat může
být vyšší než cena kvalitních dat)
3
2. Řízení kvality dat (procesy QA/QC)
QA - Quality assurance (zabezpečení kvality) je proces, kterým je měřena kvalita dat a ve kterém jsou
implementovány prostředky pro zajištění kvality dat
QC - Quality control (řízení kvality) je proces, který zabezpečuje kvalitu dat v uživatelem očekávané
úrovni
Pro zajištění procesu QA/QC disponují systémy kontrolními funkcemi pro kontrolu prostorových
a popisných dat. Systémy umožňují provádění těchto kontrol
 při pořízení dat (speciálním případem jsou dynamické kontroly dat ala kontrola pravopisu a
podtrhávání chyb v textových editorech
 při ukončení transakce
 dávkově v pravidelných intervalech nebo na vyžádání uživatele
Průběh kontrolních funkcí je řízen parametrickými předpisy, výsledky kontrolních funkcí jsou
vizualizovány (vytváří se datové množiny obsahující chybové objekty nebo značky definující polohu
chyby). Kontrolní funkce zásadně nemodifikují žádná data. Funkce, které upravují chybná data, se
spouštějí v samostatných transakcích. Před zplatněním transakcí opět proběhnou kontroly dat.
Základní pracovní postup provádění kontrol obsahuje kroky:
 výběr dat, na která se mají aplikovat kontroly
 výběr typů kontrol, které se mají provést a případné nastavení parametrů
 výběr kontextových dat pro některé typy kontrol
 vyhodnocení výsledků kontrol
 případná oprava dat určených kontrolním nástrojem jako chybová data
4
Typický proces aktualizace dat, jehož součástí jsou kontroly dat
class aktualizace dat
«datastore»
vstupní data vstupní kontroly dat a
metadat
protokol o vstupních
kontrolách
protokol o převzetí dat
rozhodnutí o
zahájení
zpracování dat
předání zdroji dat k
opravě
zahájení změnového
řízení
«datastore»
úložiště GIS
aktualizace dat
kontroly dat
ukončení změnového
řízení
zplatnění dat
protokol o změnovém
řízení
data v pořádku
chyby v datech
chyby v datech
5
3. Funkce kontrolující kvalitu dat
3.1 Kontroly prostorových i popisných dat
 Kontroly primárních klíčů (constraint primary key)
 Kontroly unikátních klíčů (constraint unique key)
 Kontroly not NULL položek (constraint not null)
 Kontroly existence cíle pro cizí klíč (constraint foreign key)
 Kontroly hodnot jednotlivých atributů – datové typy
 Kontroly vztahu atributů v rámci jednoho záznamu (např. vztah mezi krajními body časových
intervalů platnosti)
 Kontroly vztahu atributů v rámci několika záznamů jedné entity (např. po dvojicích disjunktní
časové intervaly platnosti záznamů o jednom objektu)
 Kontroly vztahu atributů v rámci různých entit (vztahy mezi entitami neřešené constraintem)
Je vhodné mít k dispozici i kontroly, které kontrolují vlastnosti dat zabezpečené datovým modelem
(datové typy, constrainty PK, UK, FK, NOT NULL, apod.). Důvody:
 constrainty mohou být z nějakého důvodu v databázovém schématu znepřístupněny
 při dávkovém vstupu dat (prvotní plnění, dávková aktualizace) je vhodné v pracovním
schématu constrainty nepoužívat a kontrolovat vlastnosti celé dávky aplikačně – můžeme tak
získat v jednom běhu úplný seznam chyb v datech
3.2 Příklad kontrol popisných dat
Příklad na datovém modelu entit Pojistenec – Zamestnani – Zamestnavatel (Zamestnani tvoří asociaci
mezi entitami Pojistenec a Zamestnavatel).
 V tabulce Pojistenec nejsou různé instance se stejnou hodnotou Pojistenec.rodneCislo
 V tabulce Pojistenec nejsou různé instance se stejnou hodnotou
Pojistenec.evidencniCisloPojistence
 Pokud Pojistenec.rodneCislo = NULL, pak Pojistenec.evidencniCisloPojistence není NULL.
Pokud Pojistenec.rodneCislo není NULL, pak Pojistenec.evidencniCisloPojistence = NULL
 V tabulce Pojistenec neexistují dvě instance a,b takové, že Pojistenec(a).rodneCislo =
Pojistenec(b).evidencniCisloPojistence
 V tabulce Zamestnavatel existuje pro skupinu instancí se shodnou hodnotou
Zamestnavatel.identifikacniCisloOrganizace nanejvýš jedna instance s hodnotou
Zamestnavatel.platnostDo = NULL
 Pro všechny instance v tabulce Zamestnani plati Zamestnani.zacatekVztahu <=
Zamestnani.konecVztahu nebo Zamestnani.konecVztahu = NULL
 Cizí klíč Datovachranka.PojistenecId je uspokojen
 Ve skupinách definovaných stejnou hodnotou Zamestnavatel.zdrojZamID, je na největší
hodnotu Zamestnavatel.platnostDo (NULL je největší) navázána DS, pokud pro tuto největší
hodnotu neexistuje záznam v DobaZam
3.3 Příklady funkcí kontrolujících kvalitu prostorových dat
Příklady kontrolních funkcí jsou převzaty z dokumentace ZABAGED.
Kontrola nadbytečného rozdělení liniových objektů
Význam kontroly:
Vyhledává liniové objekty stejného feature typu, které jsou rozděleny na více napojujících se linií, aniž
je důvod k jejich rozdělení podle definovaných pravidel (v místech, kde dochází ke změně hodnoty
atributu nebo v místě, kde se v lomovém bodě stýkají více jak 2 liniové objekty - "T napojení prvků").
Kontrolované objekty:
Kontrolují se specifikované liniové objekty. Předpokládá se, že se budou kontrolovat všechny feature
typy, které mají geometrický typ definovaný jako "LINE".
Bude možné pustit kontroly pro jednotlivě definované skupiny feature typů.
Parametrizace:
6
 Vzdálenost pro prostorové ztotožnění 2 bodů.
 Výčet kontrolovaných feature typů.
Ke každému kontrolovanému feature typu pak lze dále definovat:
 Množinu atributů jejich sémantické tabulky, jejichž hodnoty musí být shodné proto, aby se
rozdělení linií vyhodnotilo jako nadbytečné.
 Množinu feature typů liniových objektů, které se mohou napojovat ve styčném bodě
kontrolovaných linií, aniž by to znamenalo důvod k rozdělení kontrolovaných linií. Bude možno
uvést i negaci seznamu.
 Množinu feature typů bodových objektů, které mohou ležet ve styčném bodě kontrolovaných linií,
aniž by to znamenalo důvod k rozdělení kontrolovaných linií. Bude možno uvést i negaci
seznamu.
Výsledek kontroly:
Kontrola umístí do chybové množiny značku chyby umístěnou v místě napojení nadbytečně
rozdělených linií.
Kontrola nutného rozdělení liniových objektů
Význam kontroly:
Vyhledává liniové objekty, které v jejich průběhu kdekoliv kříží (i bez společného vrcholu) jiný liniový
objekt daný množinou feature typů, případně ve vnitřním vrcholu leží nějaký bodový objekt, což je
důvodem k rozdělení kontrolované linie v daném vnitřním vrcholu. Jsou definovány vztahy mezi
jednotlivými feature typy, které určují pravidla pro vyhodnocení nutnosti "rozdělení".
Kontrolované objekty:
Kontrolují se specifikované liniové objekty. Bude možné pustit kontroly pro jednotlivě definované
skupiny feature typů.
Parametrizace:
 Vzdálenost pro prostorové ztotožnění 2 bodů.
 Výčet kontrolovaných feature typů.
Ke každému kontrolovanému feature typu pak lze dále definovat:
 Množinu atributů jejich sémantické tabulky, jejichž hodnoty musí být shodné proto, aby se
rozdělení linií vyhodnotilo jako nadbytečné.
 Množinu feature typů liniových objektů, které se mohou napojovat ve styčném bodě
kontrolovaných linií, aniž by to znamenalo důvod k rozdělení kontrolovaných linií (bude možné
Uvést i "negaci" seznamu).
 Parametr určující, zda důvodem k rozdělení kontrolované linie je napojení jiné linie vnitřními
vrcholy nebo jen napojení jiné linie počátečním resp. koncovým vrcholem.
 Množinu feature typů bodových objektů, které mohou ležet ve styčném bodě kontrolovaných linií,
aniž by to znamenalo důvod k rozdělení kontrolovaných linií (bude možné uvést i "negaci"
seznamu).
Výsledek kontroly:
Kontrola umístí do chybové množiny značku chyby umístěnou v místě, kde má být provedeno
rozdělení linie.
Kontrola volných konců liniových objektů
Význam kontroly:
Vyhledává liniové objekty, na jejichž počáteční nebo koncový vrchol není napojen jiný povolený liniový
objekt, případně povolený bodový objekt.
Za napojení lze ve specifikovaných případech považovat i napojení do vnitřního vrcholu jiné linie.
Kontrolované objekty:
7
Kontrolují se specifikované liniové objekty. Bude možné pustit kontroly i pro jednotlivě definované
skupiny feature typů.
Parametrizace:
 Vzdálenost pro prostorové ztotožnění dvou bodů.
 Výčet kontrolovaných feature typů.
 Výčet feature typů, které definují objekt "použitelné" pro napojení kontrolovaného prvku.
 Příznak určující, zda kontrolovaná linie může/nemůže končit ve vnitřním vrcholu jiné linie.
 V případě možnosti ukončení ve vnitřním vrcholu, pak výčet liniových feature typů, ve kterých se
může kontrolovaný objekt napojovat do vnitřního vrcholu.
Výsledek kontroly:
Kontrola umístí do chybové množiny liniový objekt a značku chyby v místě volného konce.
Kontrola prostorových vztahů mezi objekty
Význam kontroly:
Kontroluje prostorový vztah (prostorovou souvztažnost) objektů oproti předepsaným pravidlům.
Především se jedná o kontrolu prostorových vztahů bodových nebo liniových objektů vůči liniovým
objektům. Pokud daný typ bodového nebo liniového objektu neleží na specifikovaném výčtu typů
liniových objektů, pak je vyhodnocen jako chybový. Typ požadovaného prostorového vztahu je určen
parametrickým předpisem. V rámci vyhodnocování chyb se zohledňuje definované okolí grafických
prvků. Součástí této kontroly může být také kontrola shodnosti hodnot určených atributů pro objekty v
definovaném prostorovém vztahu.
Kontrolované objekty:
Kontrolují se specifikované bodové nebo liniové objekty. Bude možné pustit kontroly i pro jednotlivě
definované skupiny feature typů.
Parametrizace:
 Vzdálenost pro prostorové ztotožnění 2 bodů.
 Výčet kontrolovaných feature typů.
Pro každý kontrolovaný feature typ lze dále určit:
 Výčet feature typů liniových objektů, na kterém může být umístěn (v případě, že se kontroluje
liniový objekt pak musí být umístěn všemi jeho vrcholy a počet vrcholů v souběhu musí souhlasit).
 Výčet dalších feature typů liniových objektů, na kterých musí mít umístěný alespoň 1 vrchol (v
případě, že se kontroluje liniový objekt).
 Příznak určující, zda kontrolovaný objekt může/nemůže ležet na vnitřním vrcholech nebo jen
koncových vrcholech liniových prvků.
 Pokud se má kontrolovat hodnota popisného atributu, pak se určuje název atributu
kontrolovaného feature typu a název atributu feature typu, který vytváří daný prostorový vztah.
Výsledek kontroly:
Kontrola umístí do chybové množiny bodové nebo liniové objekty, které nesplňují požadovaný
prostorový vztah k liniovému objektu.
Kontrola chybného překrývání malých plošných objektů
Význam kontroly:
Vyhledává prvky mající charakter menších plošných objektů a které se svojí obvodovou hranicí
vzájemně překrývají. Charakter kontrolovaných prvků je dán také jejich geometrickým vyjádřením
prvků, a to uzavřeným polygonem (který je pořízen jako 1 grafický prvek).
Kontrola také vyhledává umístění jednoho plošného útvaru v druhém plošném útvaru ("budova v
budově").
Kontrolované objekty:
Kontrolují se specifikované plošné prvky, které mají charakter menších plošných objektů.
8
Parametrizace:
 Výčet kontrolovaných feature typů.
 Pro každý kontrolovaný feature typ lze určit výčet jiných feature typů plošných prvků, které buď
překrývají / jsou uvnitř kontrolovaného prvku a přesto se tato situace nebude považovat za
chybovou (např. uvnitř budovy může být obvod vnitrobloku).
Výsledek kontroly:
Kontrola umístí do chybové množiny takové prvky, které vykazují chybu.
Kontrola uzavřenosti plochy a jednoznačného přiřazení centroidu
Význam kontroly:
Vyhledává liniové objekty reprezentující hranice definovaných ploch, které netvoří uzavřené polygony.
Vyhledává také liniové objekty, které se kříží s jinými liniovými objekty za předpokladu, že tyto liniové
objekty reprezentující hranice definovaných ploch. Následně kontroluje počet centroidů v uzavřených
polygonech seskládaných z jednotlivých liniové objektů. V případě, že se kontrola provádí v rámci
změnového řízení a během aktualizace dat byly modifikovány objekty reprezentující hranice ploch
nebo centroidy, pak dojde nejdříve k aktualizaci (přegenerování) ploch a aktualizaci příslušných
topologických struktur. Výsledné přegenerované plochy bude možné zobrazit pomocí standardních
funkcí klientského prostředí, což umožní i případnou vizuální kontrolu ploch.
Kontrolované objekty:
Kontrolované feature typy budou ty, které reprezentují všechny objekty reprezentující hranice ploch
nebo centroidy ploch.
Parametrizace:
Příznak určující jaké podtypy kontrol se budou provádět:
 Vyhledání liniových objektů, které netvoří uzavřené polygony.
 Vyhledání ploch bez centroidu.
 Vyhledání ploch s více centroidy.
Výsledek kontroly:
Kontrola umístí do chybové množiny liniové objekty, které netvoří uzavřené polygony. Do chybové
množiny se budou také ukládat plochy, které nemají jednoznačně přiřazený centroid.
Kontrola vyhledání sousedních ploch stejného typu (významu)
Význam kontroly:
Vyhledává sousedící plochy stejného feature typu resp. plochy stejného významu daného určeným
atributem. Kontrola se de facto provádí nad liniovými objekty, které tvoří hranice ploch.
Kontrolované objekty:
Kontrolují se specifikované plošné objekty, jejichž hranice jsou "seskládány" z jednotlivých liniových
objektů.
Předpokládá se, že se budou kontrolovat všechny feature typy, které budou tvořit plošnou topologii.
Bude možné pustit kontroly i pro jednotlivě definované skupiny feature typů.
Parametrizace:
 Výčet kontrolovaných feature typů.
 Pro každý kontrolovaný feature typ lze určit atributy popisných dat, jejichž hodnota představuje
význam plochy.
 Výčet feature typů objektů reprezentujících hranice ploch, které mohou dělit plochy stejného typu
a přesto tato situace nebude považována za chybovou.
Výsledek kontroly:
Kontrola umístí do chybové množiny značku liniové objekty, které tvoří hranice sousedních ploch
stejného významu.
9
Kontrola nepovolených prostorových kombinací objektů
Význam kontroly:
Vyhledává nepovolené kombinace prostorového umístění bodových, liniových nebo "malých" plošných
objektů uvnitř daných ploch. Plochy zde budou reprezentovány plochami generovanými z jednotlivých
liniových hranic.
Kontrolované objekty:
Kontrolují se specifikované plochy. Bude možné pustit kontroly i pro jednotlivě definované skupiny
feature typů.
Parametrizace:
 Výčet kontrolovaných feature typů reprezentující plochu.
 Pro každý kontrolovaný feature typ bude možné určit výčet feature typů bodových, liniových nebo
"malých" plošných objektů, které nesmí ležet uvnitř kontrolované plochy a pro každý takový
feature typ bude také určeno, zda je za chybu považováno to, že leží uvnitř plochy celý nebo je za
chybu považováno to, když leží uvnitř plochy jen jeho část.
Výsledek kontroly:
Kontrola umístí do chybové množiny bodové, liniové nebo "malé" plošné objekty vyhodnocené jako
chybové.
Kontrola návaznosti liniových objektů včetně jejich atributů
Význam kontroly:
Vyhledává liniové objekty, které jsou stejného typu a jsou vzájemně napojeny, ale u kterých se liší
hodnota specifikovaného popisného atributu. Současně se může kontrolovat i fakt, zda navazující linie
se stejnými hodnotami atributů tvoří uzavřený útvar (např. pro hranici chráněného území).
Kontrolované objekty:
Kontrolují se specifikované liniové objekty. Bude možné pustit kontroly i pro jednotlivě definované
skupiny feature typů.
Parametrizace:
 Vzdálenost pro prostorové ztotožnění 2 bodů.
 Výčet kontrolovaných feature typů.
 Pro každý kontrolovaný feature typ bude možné určit množinu atributů popisných dat, jejichž
hodnoty mají být v rámci návaznosti linií stejné.
 Příznak určující, zda kontrolované linie mají tvořit uzavřený útvar.
Výsledek kontroly:
Kontrola umístí do chybové množiny liniové objekty, které vykazují chybu. Pravidla pro změnu hodnoty
popisného atributu nelze vždy přesně algoritmicky predikovat, proto mnohdy půjde jen o "potenciální"
chybu.
Kontrola prostorově vzájemně souvisejících objektů
Význam kontroly:
Kontrola vyhledává liniové objekty, které mohou prostorově souviset s jinými typy liniových objektů.
Prostorovou souvislostí je zde myšlen přesný souběh linií nebo částí linií.
Kontrolované objekty:
Kontrolují se specifikované liniové objekty.
Parametrizace:
 Vzdálenost pro prostorové ztotožnění 2 bodů.
 Výčet kontrolovaných feature typů.
 Výčet feature typů, které reprezentují potenciálně prostorově souvisejícím liniové objekty.
 Vzdálenost, ve které se vyhledávají prostorově související objekty.
10
Výsledek kontroly:
Kontrola umístí do chybové množiny liniové objekty, které jsou vyhodnoceny jako chybové.
Kontrola duplicity liniových objektů
Význam kontroly:
Vyhledává liniové objekty, které jsou prostorově totožné (leží na sobě), případně jejichž některá část je
prostorově totožná s částí jiného liniového objektu.
Kontrolované objekty:
Kontrolují se specifikované liniové objekty.
Předpokládá se, že se budou kontrolovat všechny feature typy, které mají geometrický typ definovaný
jako "LINE". Bude možné pustit kontroly i pro jednotlivě definované skupiny feature typů.
Parametrizace:
 Vzdálenost pro prostorové ztotožnění 2 bodů.
 Výčet kontrolovaných feature typů.
 Příznak určující, zda “duplicitní pár” musí tvořit objekty se stejným feature typem nebo zda jej
mohou tvořit i objekty s různým feature typem (ve druhém případě se jako další parametr přidává
výčet takových feature typů).
 Příznak určující, zda prostorově duplicitní linie musí/nemusí mít shodnou orientaci.
 Parametr určující u každého kontrolovaného liniového feature typu, jakým způsobem se
vyhodnocuje prostorová duplicita:
 Celek - duplicita je vyhodnocena jen v případě, že celý průběh liniových objektů je totožný.
 Více segmentů - duplicita je vyhodnocena v případě, že 2 a více segmentů (úseček) liniových
objektů jsou totožné.
 1 Segment - duplicita je vyhodnocena již v případě, že 1 segment (úsečka) liniových objektů je
totožný.
Výsledek kontroly:
Kontrola umístí do chybové množiny duplicitní liniové objekty a značku chyby umístěnou v místě těch
vrcholů linií, které jsou prostorově totožné u obou linií.
Kontrola duplicity bodových objektů
Význam kontroly:
Vyhledává bodové objekty, které jsou prostorově totožné (leží na sobě).
Kontrolované objekty:
Kontrolují se specifikované bodové objekty. Předpokládá se, že se budou kontrolovat všechny feature
typy, které mají geometrický typ definovaný jako "POINT". Bude možné pustit kontroly i pro jednotlivě
definované skupiny feature typů.
Parametrizace:
 Vzdálenost pro prostorové ztotožnění 2 bodů.
 Výčet kontrolovaných feature typů.
 Příznak určující, zda “duplicitní pár” musí tvořit objekty se stejným feature typem nebo zda jej
mohou tvořit i objekty s různým feature typem.
Výsledek kontroly:
Kontrola umístí do chybové množiny značku chyby v místě vztažného bodu bodového objektu.
Kontrola minimální povolené velikosti objektů
Význam kontroly:
11
Vyhledává liniové a plošné objekty, jejichž velikost (délkový rozměr nebo plocha) je menší než
povolená hodnota. U liniových objektů a plošných objektů, jejichž hranice jsou tvořeny liniovými
objekty lze kontrolovat i minimální povolenou velikost jednotlivých segmentů (úseček).
Kontrolované objekty:
Kontrolují se specifikované liniové a plošné objekty. Bude možné pustit kontroly i pro jednotlivě
definované skupiny feature typů.
Parametrizace:
 Výčet kontrolovaných feature typů.
 Parametr určující, zda se kontroluje plocha, celková délka linie nebo délka jednotlivých úseček,
případně povolený poměrový vztah plocha vs. minimální velikost hranice plochy.
 Parametr obsahující minimální povolenou hodnotu velikosti (poměru).
Výsledek kontroly:
Kontrola umístí do chybové množiny takové objekty, které vykazují chybu.
Kontrola hodnot popisných atributů
Význam kontroly:
Kontrola je zaměřená na vyhledání objektů, jejichž hodnoty jsou mimo definovaný rozsah hodnot nebo
jejichž hodnoty nejsou vyplněné.
U některých popisných atributů bude zadání hodnoty v rámci povoleného rozsahu případně zadání
povinného atribut řízeno přímo definicí metamodelu projektu nebo na úrovni definice struktury
databázových objektů.
Kontrolované objekty:
Kontrolují se specifikované atributy s popisnými daty u daných feature typů.
Parametrizace:
Programově budou kontroly zřejmě rozděleny na dva základní typy, kterým bude poskytnut jiný výčet
parametrů.
Pro kontrolu na vyhledání atributů, jejichž hodnoty nejsou vyplněné:
 Výčet kontrolovaných feature typů a jejich atributů, které nesmí být prázdné (musí být vyplněné).
Pro kontrolu na vyhledání atributů, jejichž hodnoty jsou mimo povolený rozsah:
 Výčet kontrolovaných feature typů a jejich atributů, které se mají kontrolovat.
 Příznak určující, zda prázdná hodnota je pro hodnotu atributu akceptovatelná.
 Parametr určující typ operátoru pro vyhodnocení hodnot (=, >, <, !=, IN, BETWEEN, LIKE).
 Hodnoty (hodnoty) určující výčet nebo rozsah povolených hodnot.
Výsledek kontroly:
Datový výběr obsahující prostorová a popisná data pro objekty vyhodnocené jako chybové.
12
4. Příčiny nekvalitních dat a možná řešení
Příčina Příklady Řešení
Nevhodný datový model a
databáze
Aplikačně realizované
constrainty
Vytvořit vhodný DM a použít
robustní databázi
Datový model je příliš obecný,
takže neumožňuje využít
constrainty
Nevhodný prostředek pro
ukládání dat (soubory,
nevhodná databáze)
Chybné aplikace
Nedostatečné kontroly dat při
jejich změnách
Důkladné testování aplikací
Špatné postupy při prvotním
plnění dat
Chyby ve vstupních datech
Kvalitní podpora procesů
prvotního plnění dat
Chyby v procesech prvotního
plnění
Nedostatečné kontroly
Záměr dodavatele skrýt
informace o chybných datech
Záměr uživatele skrýt informace
o chybných datech
Špatné postupy při aktualizaci
dat
Chyby ve vstupních datech
Kvalitní podpora procesů
aktualizace dat
Chyby v procesech aktualizace
Nedostatečné kontroly
Kvalitní data pomohou zajistit projekty data governance.
13
5. Principy Data Governance
5.1 Co je Data Governance?
Krátká definice: Data Governance (DG) je autorita, která je pověřena výkonem rozhodování
v oblastech souvisejících s daty.
Trochu delší definice: Data Governance je systém rozhodovacích práv a zodpovědností v procesech,
které souvisejí s daty a informacemi a které jsou prováděny podle dohodnutých modelů. Tyto modely
popisují:
 KDO: Kdo může pracovat s informacemi
 CO: Jaké akce může s informacemi provádět
 S ČÍM: S jakými informacemi může tyto akce provádět
 KDY: Kdy může tyto akce provádět
 KDY: Za jakých okolností může tyto akce provádět
 JAK: Jakými metodami může tyto akce provádět
Data Governance se vztahuje na organizační složky, pravidla, rozhodovací práva a odpovědnosti lidí a
informačních systémů, které vykonávají procesy vztahující se k informacím.
Data Governance samozřejmě nikdy nenahradí řízení. Jen je doplňuje. Governance přichází do hry,
když jednotliví manažeři zjišťují, že nemohou - nebo by neměli - provádět nezávislá rozhodnutí.
Governance sdružuje mezioborové týmy, které vytvářejí vzájemně propojená pravidla, řeší problémy
a poskytují služby stranám zainteresovaným na datech (data stakeholders
1
).
Členové těchto mezioborových týmů - datoví správci (Data Stewards) a/nebo datoví guvernéři (Data
Governors) - obecně pocházejí z business oblasti organizace. Nastavují politiku, podle které IT
skupiny a datové skupiny pracují: stanovují architekturu, implementují vlastní osvědčené postupy
a adresují požadavky. Za governance může být považován celkový proces provádění této práce.
5.2 Data Governance a IT Governance
Pokud chceme vědět, jaký je rozdíl mezi Data Governance a IT Governance, zkusmě odpovědět na
jinou otázku: jaký je rozdíl mezi pojmem data nebo informace a pojmem informační technologie? Pro
odpověď zvolme analogii s rozvodem vody: informační technologie hraje roli systému potrubí,
čerpadel, ventilů, šoupat, zásobníků, data mají roli vody, která teče těmito zařízeními.
Informační technologie a data
KVALITA DAT
Rozvod vody a voda
KVALITA VODY
1
http://www.businessvize.cz/strategie/kdo-jsou-to-vlastne-stakeholders-a-proc-a-jak-se-o-ne-zajimat
14
Obáváte se, že voda, která vaším potrubím teče, je otrávena nebo znečištěna? Zavoláte instalatéra?
Samozřejmě, že ne! Instalatéři jsou specialisté na potrubí, čerpadla a zásobníky, a ne na to, co jimi
teče. Zavoláte si odborníky, kteří vědí, jak testovat kvalitu vody - specialisty, kteří poznají rozdíl mezi
pitnou vodou a dalšími typy čirých kapalin.
Velké organizace musejí dělat mnoho rozhodnutí o svých informačních systémech a datech, která
obsahují a která jimi proudí. Mnoho z těchto rozhodnutí je přijímáno ve skupině IT zaměřené na IT
problémy, jako je rozhodování, kdy je na čase nasadit novou aplikaci se všemi novými trubkami,
čerpadly a nádržemi. Nicméně některé zájmy, obavy, starosti si do takové skupiny nikdy nenajdou
cestu. Otázky týkající se toho, co „protéká trubkami" vyžadují mezioborovou skupinu, která přináší
odborné znalosti potřebné k rozhodnutím týkajících se dat.
5.3 Co lze pomocí Data Governance dosáhnout?
Implementací konkrétního programu Data Governance můžete očekávat dosažení následujících
univerzálních cílů.
1. Umožnit lepší rozhodování
2. Snížit neshody a konflikty mezi lidmi
3. Chránit potřeby stran zainteresovaných na datech (data stakeholders)
4. Proškolit vedení a zaměstnance, aby akceptovali společné přístupy k problematice dat
5. Vybudovat standardní, opakovatelné procesy a zajistit transparentnost těchto procesů
6. Snížit náklady a zvýšit efektivitu práce týkající se dat
Čeho lze ještě dosáhnout? Nejběžnějším cílem programů Data Governance je standardizace definic
dat v celé organizaci nebo alespoň v její části: v rámci nějaké aktivity nebo projektu. Další cíle závisí
na zaměření konkrétních programů.
5.4 Typické oblasti pro Data Governance
5.4.1 Data Governance se zaměřením na politiku, standardy a strategii
Tento typ programu je vhodný, pokud některé skupiny v rámci organizace potřebují podporu pro
vedení mezioborových týmů. Například společnosti přecházející od vývoje typu „silo“ na vývoj
enterprise systémů mohou mít vývojové týmy, které se vzpírají vedení datových architektů a modelářů.
Formální politiky Data Governance podporované mezioborovými Stewardy mohou dodat váhu pozicím
architektů.
Ze zaměření programu Data Governance na politiku, standardy a strategii mohou těžit také další
enterprise iniciativy, jako je Enterprise Data Management (EDM), Business Process Reengineering
(BPR), standardizace platforem a získávání (akvizice) datových sad a systémů. Často tyto typy
programů začínají tím, že se soustředí na soubory master dat a/nebo metadat.
Charta
2
tohoto typu programu vede účastníky Data Governance k odpovědnosti vůči:
 hodnocení, schvalování, sledování politiky
 sběru, výběru, přezkoumání, schvalování, sledování norem
 konsolidaci sady politik a standardů
 příspěvkům k business pravidlům
 příspěvkům k datovým strategiím
 identifikaci data stakeholderů, nastavení rozhodovacích práv a zpřesnění odpovědností
5.4.2 Data Governance se zaměřením na kvalitu dat
Tento typ programu je používaný v případě problémů spojených s kvalitou, integritou a použitelností
dat. Může být sponzorován skupinou Data Quality nebo business týmem, který potřebuje data lepší
kvality. Často je úsilí o kvalitu dat v počátku nasměrováno na master (kmenová) data. Tyto typy
programů téměř vždy zahrnují Data Quality software. Mohou začít se zaměřením na celý podnik,
jedno oddělení nebo projekt.
Charta tohoto typu programu vede účastníky Data Governance k odpovědnosti vůči:
2
Základní dokument projektu, Ustavující listina projektu.
15
 nastavení směrování na kvalitu dat
 sledování kvality dat
 reportování stavu iniciativ zaměřených na kvalitu
 identifikaci data stakeholderů, nastavení rozhodovacích práv a zpřesnění odpovědností
5.4.3 Data Governance se zaměřením na Privacy/Compliance/Security
Tento typ programu je typicky používaný, pokud existují obavy o Data Privacy, Access
Management/Permissions, řízení informační bezpečnosti, dodržování regulačních, smluvních nebo
interních požadavků. Program může být sponzorován business odděleními, IT, nebo být přímým
důsledkem programu Governance Risk, and Compliance (GRC) (Řízení rizik a shody). Pro tento typ
programu často poskytuje mandát vrcholové vedení.
Tyto programy obvykle začínají v rozsahu celého podniku, ale často jsou omezeny na konkrétní typy
dat. Téměř vždy zahrnují technologie pro vyhledávání citlivých dat, k ochraně dat a/nebo ke správě
politik nebo kontrol.
Charta tohoto typu programu vede účastníky Data Governance k odpovědnosti vůči:
 zajištění ochrany citlivých dat prostřednictvím Access Managementu a bezpečnostních
požadavků
 konsolidace frameworků a iniciativ
 pomoci zhodnotit rizika a určit kontroly pro řízení rizik
 pomoci vynutit dodržování požadavků z pohledu právního, smluvního, architektonického
 identifikaci data stakeholderů, nastavení rozhodovacích práv a zpřesnění odpovědností
5.4.4 Data Governance se zaměřením na Architekturu/Integraci
Tento typ programu je typicky vhodný ve spojení s pořízením, vývojem nebo aktualizací hlavního
systému, který vyžaduje nové úrovně mezioborového rozhodování a odpovědnosti. Jiný driver
takového programu je přechod na Service Oriented Architecture (SOA), s jeho potřebou dobře
spravovaných dat, nebo nové zaměření na metadata, Master Data Management (MDM) nebo
Enterprise Data Management (EDM).
Charta tohoto typu programu vede účastníky Data Governance k odpovědnosti vůči:
 zabezpečení konzistentních definic dat
 podpoře architektonických zásad a norem
 podpoře programů Metadata, SOA, Master Data Management, Enterprise Data Management
 integračním výzvám z mezioborového pohledu
 identifikaci data stakeholderů, nastavení rozhodovacích práv a zpřesnění odpovědností
5.4.5 Data Governance se zaměřením datové sklady a business intelligence
Tento typ programu je typicky vhodný ve spojení s konkrétním datovým skladem, datovým tržištěm
(data mart) nebo BI nástrojem. Tyto snahy vyžadují závažná rozhodnutí o datech a organizace často
implementuje governance, aby pomohla počátečním rozhodnutím, která mají podpořit rozhodnutí
následná a prosazení standardů a pravidel, až se nový systém stane funkčním.
Rozsah může být zpočátku omezen na pravidla, role a odpovědnosti za nový systém, ale někdy tento
typ programu slouží jako prototyp pro celopodnikový program Data Governance.
Charta tohoto typu programu vede účastníky Data Governance k odpovědnosti vůči:
 stanovení pravidel pro užívání dat a pro definice dat
 identifikaci data stakeholderů, nastavení rozhodovacích práv a zpřesnění odpovědností
 identifikaci kroků DG v systems development life cycle (SDLC)
 vyjasnit hodnoty datových aktiv a projektů, které souvisejí s daty
16
5.4.6 Data Governance se zaměřením podporu managementu (management
alignment)
Tento typ programu je vhodný, pokud manažeři jen obtížně dělají "běžná" rozhodnutí vztažená
k datům, protože tato rozhodnutí mají velký potenciální dopad na chod podniku nebo dodržování
předpisů v podniku. Manažeři si uvědomují, že se potřebují sejít, aby rozhodnutí udělali společně, ale
buď neznají všechny zainteresované strany, které do rozhodování musí zahrnout, nebo existuje
nějaká překážka k jejich sezvání. V takových případech formální program Data Governance může dát
manažerům větší jistotu při rozhodování.
Někdy se tyto programy skládají především z rad (councils), které se scházejí k analýze vzájemných
závislostí, k rozhodování a k vydávání politik. Jindy má program DG několik oblastí, jako je podpora
řízení a zabezpečení dodržování předpisů.
Charta tohoto typu programu vede účastníky Data Governance k odpovědnosti vůči:
 měření hodnoty dat a s daty souvisejících prací
 konsolidace frameworků a iniciativ
 identifikaci data stakeholderů, nastavení rozhodovacích práv a zpřesnění odpovědností
 identifikaci kroků DG v systems development life cycle (SDLC)
 sledování a vykazování projektů souvisejících s daty
 podpoře vydávání zpráv a stanovisek souvisejících s daty
5.4.7 Přehled aktivit v jednotlivých oblastech
Aktivita
Oblast
Politika,
standardy,strategie
Kvalitadat
Privacy,Compliance,
Security
Architektura,
integrace
DatovéskladyaBI
Podpora
managementu
Hodnocení, schvalování a sledování politiky +
Sběr, výběr, přezkoumání, schvalování a sledování norem +
Konsolidace politik a standardů +
Příspěvky business pravidlům +
Příspěvky k datovým strategiím +
Identifikace data stakeholderů, nastavení rozhodovacích práv
a zodpovědností + + + + + +
Nastavení směru pro kvalitu dat +
Sledování kvality dat +
Reportování stavu iniciativ zaměřených na kvalitu +
Zajištění ochrany citlivých dat prostřednictvím Access
Managementu a bezpečnostních požadavků +
17
Aktivita
Oblast
Politika,
standardy,strategie
Kvalitadat
Privacy,Compliance,
Security
Architektura,
integrace
DatovéskladyaBI
Podpora
managementu
Konsolidace frameworků a iniciativ +
Pomoc při zhodnocení rizik a určení kontrol pro řízení rizik +
Pomoc při vynucení dodržování požadavků z pohledu
právního, smluvního, architektonického +
Zabezpečení konzistentních definic dat +
Podpora architektonických zásad a norem +
Podpora programů Metadata, SOA, Master Data
Management, Enterprise Data Management (EDM) +
Cross-functional pozornost k integračním výzvám +
Stanovení pravidel pro užívání dat a definice dat +
Identifikace kroků Data Governance v systems development
life cycle (SDLC) + +
Vybjasnění hodnot datových aktiv a s daty souvisejících
projektů + +
Konsolidace frameworků a iniciativ +
Sledování a vykazování projektů souvisejících s daty +
Podpora vydávání zpráv a stanovisek souvisejících s daty +
5.4.8 Zaměření vašeho programu Data Governance
Na co bude váš Data Governance program zaměřen? Rozhodnutí bude vyplývat z toho, jaké zájmy a
potřeby mají účastnící vašeho programu Data Governance. To bude ovlivňovat složení data
stakeholderů zapojených do vašich akcí a rozhodování a množství práce vyžadované vašimi
stakeholdery.
Kdo je data stakeholder? Je to každý jednotlivec nebo skupina, která by mohla ovlivňovat nebo být
ovlivněna diskutovanými daty. Někteří stakeholdeři jsou zřejmí - obchodní skupiny, IT týmy, datoví
architekti a databázoví administrátoři. Ostatní stakeholdeři nemusí být pro rozhodování v konkrétní
situaci tak zřejmí Vědět, které stakeholdery přivést ke stolu k jednání a kdy to udělat, je odpovědností
týmu Data Governance.
18
5.5 Životní cyklus Data Governance
Všechny programy mají životní cyklus. Životní cyklus Data Governance má následujících sedm fází.
Všimněte si, že Data Governance nezačíná návrhem programu.
 Než začnete rozhodování o tom, kdo bude v jakém výboru, měli byste mít jasno o hodnotách,
které váš program přinese.
 Měli byste vytvořit roadmapu odsouhlasenou a sdílenou se stakeholdery.
 Než se rozhodnou pro podporu vašeho programu, budou chtít tyto subjekty znát odpovědi na
otázky: KDO/CO/KDY/KDE/PROČ/JAK. Musíte předvídat jejich otázky. Budete potřebovat
znát předběžné odpovědi, i když do doby, než uděláte aktuální návrh programu, to budou jen
předpoklady.
Realizace prvních tří fází životního cyklu Data Governance je obtížná. Všichni jsme slyšeli říkat, že je
těžké vidět les pro stromy. Co když jste jedním ze stromů?
Při provádění činností potřebných k získání podpory a financování, nezapomeňte, že váš program
může plánovat řešení více zájmových oblastí. Každý nový program nebo programová oblast by měla
být zavedena pomocí sedmi kroků životního cyklu.
Poznámka k závěrečné fázi životního cyklu Data Governance: pokaždé, když uvažujete o novém
souboru činností, předvídejte očekávání stakeholderů týkající se průběžného sledování prací, měření
úspěšnosti, a reportování stavu. Vaše schopnost dodávat standardní metriky, které splňují očekávání
stakeholderů, může způsobit právě ten rozdíl, který rozděluje programy na chronicky lopotné a
neúspěšné a programy, které se staly rutinou.
5.6 Komponenty frameworku DGI Data Governance
Framework DGI Data Governance se skládá z deseti komponent.
Pravidla a povinnosti (Rules of Engagement)
1. Poslání a vize
2. Cíle, metriky governance a míry úspěchu, strategie financování
3. Datová pravidla a definice
4. Rozhodovací práva
5. Zodpovědnosti
6. Řízení a kontroly
Lidé a organizační složky
7. Data stakeholders
8. Data Governance office
9. Data Stewards
Procesy
10. Proaktivní, reaktivní a průběžné procesy Data Governance
Vyjádření
hodnoty
Vytvoření
roadmapy
Plán a
financování
Návrh
programu
Nasazení
programu
Ovládání
dat
Monitoring
a reporting
19
5.6.1 Komponenta 1: Mise (poslání) a vize
Na nejvyšší úrovni má obvykle mise Data Governance tři části:
1) Aktivně definovat a/nebo sladit pravidla.
2) Zajistit trvalou ochranu dat a služeb pro stakeholdery, která překlenuje hrance mezi organizačními
jednotkami.
3) Reagovat a řešit otázky vyplývající z nedodržování pravidel.
Je to podobné jako s funkcemi, které poskytují tři složky politické správy. Jedna složka vlády - moc
zákonodárná - stanoví pravidla ve formě zákonů. Další složka - výkonná složka - spustí tato pravidla
a zároveň poskytuje služby. Třetí složka - soudní – se zabývá porušováním pravidel, a pokud je to
nutné, interpretuje zákony a řeší rozpory mezi různými soubory pravidel a předpisů.
Není to o tom, že váš program Data Governance potřebuje tři větve, tři části. Struktury vašeho
businessu a řízení IT již fungují v "exekutivní složce". Často stejná skupina Data Stewardů, která
stanoví pravidla, bude také řešit konflikty.
Nicméně, jak budete budovat skupinu pro Data Governance, definovat role a odpovědnosti, je vhodné
si uvědomit, že senátoři a soudci požadují podpůrný personál. Chcete-li být úspěšný při stanovení a
vymáhání politiky, standardů a dalších typů pravidel, váš program Data Governance bude muset
poskytnout tento typ podpory.
Ujistěte se, že jste vytvořili jasnou vizi. Jak by vaše organizace měla vypadat s vyspělou Data
Governance? Jak asi bez ní?
Poznámka: Sdělení o poslání mohou být suchá. Na druhé straně, jazyk, kterým sdělujete své vize, by
měl být bohatý, evokující, přesvědčivý. Vaše vize by měla mít možnost inspirovat zúčastněné strany,
pomoci jim představit možnosti, podpořit cíle související s daty.
5.6.2 Komponenta 2: Cíle, metriky, míry úspěchu, strategie financování
Některé z cílů vašeho programu mohou vyústit do "soft" výsledků, které jsou neoficiální nebo které lze
těžko měřit. Další by měly být SMART: Specific, Measurable, Achievable, Relevant and Timely
(konkrétní, měřitelné, dosažitelné, relevantní a aktuální). Jak se rozhodnout, kterým cílům byste se
20
měli věnovat? Začněte tím, že budete předvídat účinek governance na "4P": programy, projekty,
profesní obory, people (lidi jako jednotlivci). Ptejte se, jak by vaše úsilí by mohlo pomoci
v podnikových programech (nebo high-profil projektech):
 zvýšit příjmy a hodnotu
 spravovat náklady a složitost
 zaručit přežití
Ptejte se, jak by váš program mohl podpořit práci architektů, kvalitu, vývoj aplikací nebo jiné profesní
disciplíny. Ptejte se sami sebe, co si přejí nebo co bolí klíčové pracovníky a co by mohl splnit silný
program Data Governance.
A nezapomeňte se podívat na data samotná. Jak můžete ovlivnit množství, kvalitu nebo ochranu dat
a metadat? Ptejte se, jak lze měřit takový účinek.
Metriky - stejně jako cíle - by měly být SMART. Každý, kdo je zapojen do Data Governance, by měl
vědět, jak vypadá úspěch a jak se měří. Zvažte vytvoření hodnoty podle vzorce:
Jestliže uděláme A, měli bychom očekávat B s výsledkem C. V opačném případě bychom měli
očekávat D s výsledkem E.
Tak zřejmé vymezení hodnoty pomáhá nalézt možnosti financování pro váš program. S vašimi
klíčovými stakeholdery vyjasněte:
 jak byste mohli financovat Data Governance Office (nebo její ekvivalent)
 jak byste mohli financovat čas datových analytiků a architektů potřebný k pomoci definovat
pravidla, definovat data, a výzkumné problémy, které musí být vyřešeny
 jak byste mohli financovat aktivity Stewardship
 jaké protokoly je třeba stanovit pro business a IT pracovníky, kteří
o pomohou při definici dat
o budou analyzovat datové problémy
o pomohou při řešení datových problémů
5.6.3 Komponenta 3: Definice dat a pravidel
Tato komponenta se týká politik, norem, compliance požadavků, obchodních pravidel souvisejících
s daty a datových definic. V závislosti na oblastech zaměření může váš program pracovat na:
 vytvoření nových pravidel/definic
 shromáždění stávajících pravidel/definic
 vymezit mezery a přesahy
 konsolidace a stanovení priorit konfliktních pravidel definic
 vytvoření nebo formalizace pravidel pro situaci, kdy jsou aplikovány určité definice
5.6.4 Komponenta 4: Rozhodovací práva
Před tím, než je vytvořeno pravidlo nebo uděláno rozhodnutí související s daty, je třeba řešit a priori
to, kdo bude dělat rozhodnutí a jakým procesem. Toto je odpovědností programu Data Governance.
Cílem je usnadnit shromažďování rozhodovacích práv (a někdy také jejich dokumentaci a
uchovávání). Rozhodovací práva jsou vlastně metadata o rozhodnutích souvisejících s daty.
Rozhodovací práva pro programy compliance-based lze často jednoduše definovat. Například: mělo
by být rozhodnutí o tom, zda je rozhodnutí v souladu se zákonem, ponecháno na hlasování těch, kteří
budou muset akceptovat s rozhodnutí? Samozřejmě že ne, rozhodnutí musí být provedeno správní
radou (představenstvem) organizace na základě vstupu z právního oddělení.
U ostatních typů programů může stanovení rozhodovacích práv vyžadovat více jednání. Například:
kdo by měl rozhodnout o délce datového pole v novém systému? Možná by rozhodnutí mělo být
provedeno datovým architektem. Ale možná to vyžaduje vstup z mnoha zúčastněných stran. Možná,
že jedna z nich přijde s omezením, kterému je třeba podřídit rozhodnutí.
5.6.5 Komponenta 5: Zodpovědnosti
Jakmile je vytvořeno pravidlo nebo je uděláno rozhodnutí související s daty, organizace musí být
připravena jednat podle tohoto rozhodnutí. Kdo by měl jednat a kdy? U činností, které nejsou úhledně
21
mapovány na povinnosti jednotlivých oddělení, můžeme očekávat, že program DG definuje
zodpovědnosti, které mohou být zahrnuty do každodenních procesů v organizaci.
To platí zejména pro programy se zaměřením na compliance (dodržování předpisů). Organizace
někdy bojuje s přiřazením odpovědností pro compliance aktivity. Proč? Zaprvé proto, že compliance jako
governance - je obecně iniciativa, která překračuje hranice organizačních útvarů a která vyžaduje
konsolidaci mezioborových aktivit. Za druhé, mnoho manažerů, kteří jsou zběhlí v plánování pro řízení
jejich specifické oblasti, má méně zkušeností s požadavky, které přicházejí s Post-Compliance
paradigmatem. Toto nové paradigma říká, že práce na compliance požadavku nekončí tím, že to
uděláš. Končí, až pokud to uděláš, zkontroluješ, zdokumentuješ a prokážeš shodu.
Jednotliví manažeři často nejsou připraveni identifikovat všechny úkoly a integrační body pro
navrhování a provádění kontroly, dokumentace a auditovatelné důkazy shody. Opravdu, v dodržování
životního prostředí (compliance environment), jednotliví manažeři nesmí interpretovat požadavky
samostatně. Místo toho firmy často přecházejí k modelu, kdy centralizovaná skupina tyto požadavky
rozvíjí a rozšiřuje je stakeholderům. Někdy je Data Governance požádána o pomoc s požadavky a
odpovědnostmi souvisejícími s daty.
Poznámka: Ať už pracujete s požadavky na životní prostředí nebo s jinými předpisy, většina aktivit
musí být dělána mezioborovými týmy. Vaši koordinátoři v oblasti Data Governance budou muset
pochopit aktivity a řídit se protokoly platnými ve vaší organizaci.
5.6.6 Komponenta 6: Řízení, regulace a kontroly
Je dobře známo, že data jsou neustále v ohrožení. Narušení citlivých dat má důsledky pro ty, kterým
byla tato data svěřena data. Je tedy zřejmé že data mohou představují riziko. Jak si poradíme s tímto
rizikem? Budeme je kontrolovat, nejlépe budeme předcházet události, u kterých nechceme, aby se
objevily. U těch událostí, u kterých si nejsme jisti, že jim dokážeme předejít, musíme alespoň zajistit
odstranění problémů, pokud už události nastanou. Strategie řízení rizik v organizaci je prováděna
pomocí prostřednictvím regulačních opatření.
Často je program DG požádán o doporučení, jaká regulační opatření k podpoře cílů Data Governance
by měla být aplikována. To se týká více úrovní: sítě, operačních systémů, databází, aplikací,
uživatelských postupů.
Data Governance může být také požádána o doporučení, jakým způsobem stávající obecná opatření
(řízení změn, politiky, školení, modely životního cyklu a projektové řízení, a další) by měla být
upravena pro podporu cílů Data Governance a podnikových cílů.
5.6.7 Komponenta 7: Data stakeholders
Data stakeholdeři pocházejí z celé organizace. Patří do skupin, které vytvářejí data, které používají
data a které vytvářejí pravidla a požadavky na data. Protože data stakeholdeři mají jednak vliv na
rozhodování a jednak jsou ovlivněni rozhodnutími vztaženými k datům, budou očekávat, že musí být
zahrnuti do programu Data Governance.
Někteří z nich budou očekávat, že mají být zahrnuti do některých typů rozhodnutí souvisejících s daty.
Někteří z nich budou očekávat, že budou přizváni ke konzultacím před tím, než budou rozhodnutí
formalizována a další budou spokojeni s tím, že jsou informováni o rozhodnutích poté, co jsou
udělána.
Často podmnožina výkonných stakeholderů tvoří Data Governance Board, aby měli dohled nad
programem, nad politikami a nad řešením problémů. Jindy je dohled nad Data Governance zajišťován
stávajícími organizačními složkami, jako je Řídící výbor IT a Výkonný výbor IT.
5.6.8 Komponenta 8: Data Governance Office
Dříve jsme poznamenali, že vláda, senát a soudci musí mít podpůrný personál. Stejně tak potřebují
podpůrný personál lidé ve vaší organizaci, kteří dělají rozhodnutí související s daty, kteří definují data,
monitorují soulad s pravidly a řeší problémy.
Data Governance Office (DGO) usnadňuje a podporuje tyto governance aktivity. DGO sbírá hodnoty
metrik pro měření úspěchu a reportuje o nich data stakeholderům. DGO poskytuje průběžnou péči
stakeholderům v podobě komunikace, přístupu k informacím, vedení evidence, vzdělávání a poskytuje
data stakeholderům i další podporu.
22
5.6.9 Komponenta 9: Data Stewards
Rada (výbor) pro Data Stewardship (nebo Governance) se skládá ze souboru Data Stakeholderů, kteří
se setkávají, aby dělali rozhodnutí související s daty. Mohou stanovit politiku a stanovit standardy´
nebo mohou vytvořit doporučení, kterými se řídí vyšší úroveň vedení skupin Data Governance.
Někdy - zejména pro velké organizace – je jediná úroveň stewardů nedostatečná. V tomto případě
může existovat hierarchie stewardů. Ve větších či menších organizacích mohou členové Rady pro
Data Stewardship vytvořit týmy nebo pracovní skupiny, které řeší specifické problémy dat nebo
rozhodnutí.
Data Governance programy s důrazem na kvalitu dat mohou zahrnovat i Data Quality Stewardy. Tyto
role (s odvozenou působností v Data Governance) typicky reportují týmu pro business funkce nebo
týmu pro kvalitu dat. Stewardi zkoumají množiny dat podle kritérií na úplnost, správnost a integritu.
Jiné typy stewardů mohou mít jiné konkrétní odpovědnosti související s daty.
5.6.10 Komponenta 10: Procesy Data Governance
Komponenty 1 – 6 z DGI Freamworku Data Governance se zabývají pravidly. Snaží popsat „pravidla
angažovanosti" (povinnosti, rules of engagement), která využívají komponenty 7 – 9 (lidé a
organizační jednotky) během geovernance. Tato poslední složka - procesy – popisuje metody, kterými
budou spravována (govern) data. Jedná se proaktivní, reaktivní a „ongoing“ procesy.
V ideálním případě by tyto procesy měly být standardizované, dokumentované a opakovatelné. Měly
by být vytvářeny tak, aby podporovaly regulační požadavky a compliance požadavky na správu dat,
privátnost, bezpečnost a správu přístupu.
Každá organizace bude rozhodovat, jak strukturovaný a formální bude proces vládnutí daty. Data
Governance Institute (DGI) doporučuje (a běžně implementuje) formální, dokumentované,
opakovatelné postupy pro:
1. Vyrovnávání (aligning) politik, požadavků a řízení
2. Zřízení rozhodovacích práv
3. Zřízení zodpovědností
4. Vykonávání Stewardship
5. Řízení změn
6. Definování dat
7. Řešení otázek a problémů
8. Specifikaci požadavků na kvalitu dat
9. Vestavění governance do technologie
10. Péči o stakeholdery
11. Komunikacei
12. Měření a vykazování hodnoty
5.7 Výzvy
Na první průmyslové Data Governance konferenci v Orlando, Florida USA v prosinci roku 2006,
představitelé úspěšných programů Data Governance prohlásili, že podle jejich zkušenosti, Data
Governance je mezi 80% a 95% o komunikaci! Všichni vyjádřili údiv nad množstvím písemné a ústní
komunikace, která je nezbytná k úspěšnému vytvoření sdružení stakeholderů, aby dosáhli svých cílů.
Není komunikace vaše silná stránka? To je v pořádku. Plány komunikace a podpůrné prostředky lze
vyvinout osobami s odbornými znalostmi a poté je administrovat zaměstnanci vašeho programu.
Například většinu pracovníků DGO zaměstnává segmentace zákazníků, aby porozuměli informačním
potřebám stakeholderů, preferované terminologii, a speciálním zájmům. Rozvíjejí komunikaci
v různých oblastech
- elevator speech (krátká, rychlá a jednoduchá definice služby, produktu, …),
- value statements (prohlášení o hodnotě),
- impact statements (prohlášení o dopadech),
- prezentace a jiná dokumentace
- šablony pro e-mail a šablony pro prezentace a zprávy
23
takže jsou schopni doručit správné verze governance zpráv správným lidem se správnou úrovní
detailu. Vytvářejí matici participace stakeholderů, aby se ujistili, že stakeholdeři nejsou přehlíženi, a že
správní lidé dostávají zprávy ve správném pořadí.
6. Další zdroje informací
 International Association for Information and Data Quality (http://www.iaidq.org/)
 Data Governance Institute (http://www.datagovernance.com/)
 Kvalita dat a INSPIRE
http://inspire.jrc.ec.europa.eu/documents/INSPIRE_/JRC83209_Online_Data_quality_in_INSP
IRE.pdf
Připomínky a dotazy k obsahu dokumentu posílej, prosím, na adresu:
Rudolf Richter, richter@fi.muni.cz