Fra kaos til klarhed: Skab effektiv digitalisering med datastandarder

05. august 2024

De fleste virksomheder er udfordret i at navigere i et stadigt mere komplekst datalandskab, om det så gælder om at innovere, strømline processer, få kundeoverblik eller understøtte deres ESG-mål og rapportering.

Datahåndteringen er ineffektiv, med tabte vækstmuligheder og øget regulatoriske risici. Datastandarder tilbyder en vej ud af dette kaos.

Af: Peter Bo Aarslev

I både store og små virksomheder er datastandarder et vigtigt værktøj for at sikre, at data er konsistent og pålidelige. Ved at definere klare regler for, hvordan data håndteres, opbevares og deles, understøtter disse standarder virksomhedens datastrategi og omdanner data til værdifuld indsigt, der driver forretningsbeslutninger.

I digital transformation, hvor mange initiativer sættes i gang på én gang, opstår behovet for afklaringer på både forretnings- og dataniveau. Her spiller datastandarder en afgørende rolle ved at give nye initiativer en solid base for at forstå centrale data.

Datastandarder sikrer nøjagtighed og reducerer risikoen for fejl og reducerer behovet for at bruge ressourcer på at etablere denne forståelse fra bunden.

Dette hjælper med at minimere risikoen for forkerte beslutninger, som kan opstå på grund af inkonsistens i data og minimerer risikoen for unødvendig gentagelse og uønsket variation i begreber og definitioner.

Samtidig sparer man tid ved at kunne genbruge eksisterende forståelse og datadefinitioner. Tiden kan i stedet bruges på at skabe værdi gennem forretnings- og it-udvikling.

Hvad er en datastandard?

Datastandarderne sikrer et fælles datagrundlag, herunder en fælles forståelse af væsentlige datadomæner og kritiske dataentiteter.

En datastandard kan være et let tilgængeligt dokument i organisationen eller indholdet kan være transparent og demokratiseret gennem organisationens datakatalog.

Kvalitet og præcision

Datastandarder sikrer kvalitet, nøjagtighed og reducerer risikoen for fejl og forkerte beslutninger

Reduktion af overflødige data

Når nye initiativer trækker på eksisterende datastandarder, undgår de at skabe nye definitioner og regler. Man undgår dataduplikering og minimerer unødvendig kompleksitet i dataarkitekturen

Skalerbarhed

Datastandarder er skalerbare og kan tilpasses nye initiativers behov. Standarderne kan tilpasses til specifikke krav uden at miste grundlæggende konsistens

Samarbejde mellem forretning og it

Brugen af datastandarder fremmer samarbejdet mellem forretningen og it, da begge parter arbejder med de samme referencerammer. Dette minimerer misforståelser og sikrer, at it-udviklingen understøtter forretningsmålene

Datastandarder er afgørende

Derfor bør man implementere datastandarder som praksis i sin datahåndtering. De godkendte datastandarder er frit tilgængelige for alle medarbejdere, og er dermed et vigtigt værktøj, for at sikre at al viden ikke skal være forankret i hovedet på de enkelte medarbejder, men i stedet opbygges i fællesskab.

Endelig er det vigtigt at datastandarderne forbliver relevante i en konstant udviklende kontekst, og løbende opdateres for fortsat at være et værdifuldt aktiv i den digitale transformation. Tillige er det også væsentligt at undgå unødvendige detaljer.

Hos forsyningsselskabet EWII har datastandarder som værktøj gjort det muligt at komme hurtigere i gang med nye projekter, idet de kan genbruge eksisterende definitioner og forståelser. Når nye projekter starter op - det kan være opstart af et nyt forretningsområde - er det ofte nødvendigt at forstå og definere de dataelementer, der skal bruges.

Med eksisterende datastandarder på plads behøver projekterne ikke bruge værdifuld tid på at gentage denne proces.

Det giver mulighed for at bruge mere tid på forretnings- og it-udvikling - det som skaber reel værdi for organisationen. På den måde øger man dermed muligheden for at skabe hurtigere resultater.

Elementer i en datastandard

Definition og standardisering af forretningsområde, forretningstermer og taksonomi.
Definition af dataelementer, relationer og de forretningskritiske dataattributter
Logisk modellering af dataentiteter inden for området
Compliance og sikkerhed - Kategorisering og klassificering af data for sikker adgang og lovlig anvendelse
Definitioner af snitflader til omkringliggende forretningsområder
Identificer roller og ansvar – dateejer og f.eks. data steward
Fastlæg livscyklus for data og den autoritative kilde - hvorfra skal organisationen opdatere og hente dette data og hvad er den unikke nøgle til data for at kunne dele data og sikre interoperabilitet?
Definere datakvalitetsmål- og krav – som der implementeres kontroller af til styring af kvaliteten og forretningspåvirkningen.

Før modellerede vi entiteter forskelligt fra opgave til opgave. Genbrugeligheden var lav og vi brugte meget tid på at kortlægge eksisterende modeller i opstarten af nye opgaver og projekter.

I dag arbejder vi med datastandarder, og når en datastandard er dokumenteret og godkendt, sparer vi tid og misforståelser.

Jamilla Tindhof Skytte Data Manager, EWII

Sådan skaber datastandarder værdi

Datastandarder bliver udviklet gennem tæt samarbejde mellem forskellige forretningsområder og Data Governance-teamet, som sikrer, at alle vigtige interessenter fra forskellige afdelinger deltager, og at deres input vægtes.

Ved at involvere vigtige interessenter og facilitere input gennem datareferencegrupper, sikrer man en fælles forståelse og ejerskab af datastandarderne, hvilket er afgørende for at undgå misforståelser, inkonsistens og sikre genbrugeligheden.

Datastandarder lever i krydsfeltet som et lag mellem forretningsprocesser og it-systemer. Datastandarderne fokuserer på at afklare og dokumentere vigtige forretningsmæssige begreber, der forbliver sande uanset ændringer i forretningsprocesser eller it-systemer. De fungerer dermed som en pålidelig og opdateret reference for begreber og logiske relationer, hvilket hjælper udviklere, projektledere og andre med at arbejde effektivt og ensartet.

Det er væsentligt, at datastandarden ikke er bundet til et specifikt system eller dokumentation. Dette er især vigtigt i et miljø, hvor der konstant sker ændringer, både i it-landskabet og i processer.

Vi bruger standarderne som rettesnor i vores daglige arbejde og især når nye projekter begynder. Når nye projekter starter orienterer de sig i datastandarderne og genbruger de elementer der vedrører deres fagområder, samt bliver bekendt med de begreber vi arbejder med.

Jamilla Tindhof Skytte Data Manager, EWII

Om Peter Bo Aarslev

Peter Bo Aarslev er manager i Immeo. Han spiller en central rolle i rådgivning og sparring med EWIIs Data Governance-team om blandt andet best practice for datastandarder og governance.

Med en kandidatgrad i økonomi fra Københavns Universitet og omfattende erfaring inden for dataarbejde, har han udviklet kritiske IT-løsninger for virksomheder og organisationer i både den private og offentlige sektor.

Peter Bo har arbejdet inden for finanssektoren med fokus på compliance, GDPR og IFRS17, og brænder for at skabe holdbare IT-implementeringer, der ændrer status quo.

M: paa@immeo.dk | T: +45 2064 8358

Andre læser også

Hvad er en datastandard?

Elementer i en datastandard

Digital transformation: 6 grunde til at du ikke kommer videre

Fremtidens energi og forsyningsbehov skal løses ved at tænke digitalt

EWII vil engagere kunderne i deres energiforbrug med ny løsning

Kontakt