Close-up view of two business people viewing a graph on a digital tablet

Data Management

Vad det är och därför är det viktigt

Så här fungerar Data Management

Lika länge som företag har samlat in data har de varit tvungna att hantera utmaningen med "skräp in, skräp ut". I takt med att datavolymer, datatyper och datakällor ökar, så ökar också behovet av att bearbeta data i realtid. Vikten av att hantera data väl fortsätter att vara en prioriterad fråga. I alla fall om användandet av data ska leda till framgångar. Ta del av några av de viktigaste teknikerna för datahantering.

Datatillgång

Datatillgång är möjligheten att komma åt (eller inhämta) information från vilken källa som helst, var den än lagras. Vissa tekniker, till exempel drivrutiner och konverterare för databaser, hjälper till att göra det enklare och effektivare att få åtkomst till data.

Varför är det viktigt?
Viktig data kan finnas på många ställen – i textfiler, databaser, e-post, datasjöar, webbsidor och i sociala medieflöden. Med bra åtkomstteknik kan du extrahera användbara data från alla typer av lagringsformer, lagringsplatser eller format som finns tillgängliga. Det ger dig mer tid att använda data - inte bara försöka hitta den.

Dataintegrering

Dataintegrering (DI) är en process som kombinerar olika typer av data för att visa enhetliga resultat. Med dataintegreringsverktyg kan du utforma och automatisera steg för att göra arbetet enklare. ETL (extract, transform and load) och ELT (extract, load and transform) är exempel på DI-verktyg.

Varför är det viktigt?
Dataintegrering kombinerar olika data, vilket kan vara användbart för beslutsfattande. Genom att kombinera element från flera enskilda datauppsättningar kan integrerad data ge nya insikter och hjälpa dig att svara på olika frågor.

Datakvalitet

Datakvalitet handlar om praxis för att säkerställa att data är korrekt och användbar för sitt avsedda ändamål. Processen börjar i samma ögonblick som data hämtas och fortsätter genom olika integrationspunkter med annan data – inklusive det som sker precis innan data publiceras eller används.

Varför är det viktigt?
Dålig datakvalitet kan leda till kostsamma misstag. Data som är föråldrad, otillförlitlig, ofullständig eller inte lämplig för det avsedda ändamålet kommer inte att gå att lita på. Det kan orsaka problem för en hel organisation. En datakvalitetslösning som kan standardisera, tolka och verifiera data på ett automatiserat och konsekvent sätt minimerar riskerna.

Datastyrning

Datastyrning är ett ramverk som inkluderar personer, principer, processer och tekniker som definierar hur organisationens data ska hanteras. Med programvara för datastyrning kan du definiera vilka regler som ska styra policy. Det underlättar för att samordna data- och affärsstrategier.

Varför är det viktigt?
Regelverk behövs för att kunna följa regler som CECL eller GDPR. Genom att etablera principer som styr regler kan du definiera vilka data användare kan komma åt, vem som kan ändra (eller bara visa) data och hur du hanterar undantag. Datastyrningsverktyg hjälper dig att styra och hantera regler, spåra hur de används och generera rapporter för att granska att reglerna följs.

Benämningar, besläktad data och metadata

Etablera en lista med begrepp på företaget för att ange definitioner och ägare av data, integrera arbetsflöden och flagga problem samt visualisera besläktad eller relaterad data. Datahärstamning handlar om att spåra data från ursprungskällan till dess nuvarande plats. Här inkluderas viktig information för teknik och affär samt metadata (data om data).

Varför är det viktigt?
Genom att arbeta tillsammans bidrar dessa verktyg till att främja samarbete och prioriteringar mellan affären och IT. När potentiella problem identifieras kan de åtgärdas tidigt, innan de orsakar större problem. Datarelationer och konsekvensanalyser kan också genomföras med dessa verktyg.

Datapreparering

Datapreparering handlar om att förbereda data för analys genom att kombinera data från olika källor, sedan rensa och omvandla den. Om det görs via ett självbetjäningsgränssnitt kan användare få tillgång till och arbeta med den data de behöver med lite eller ingen utbildning – och utan att behöva fråga IIT om hjälp.

Varför är det viktigt?
Bra modeller är beroende av bra datapreparering. Men det är en tidskrävande uppgift. Bra verktyg för datapreparering ger dig ren och användbar data och ger mervärde – så att dataproffs snabbt kan komma åt, rensa, omvandla och strukturera data för sina analyser.. Resultatet blir högre produktivitet, bättre beslut och ökad smidighet

Augmented Data Management

Den här metoden använder artificiell intelligens och maskininlärning för processer som rör datakvalitet, hantering av metadata, självlärande system för konfigurering samt dataintegration. SAS kan till exempel:

Skapa en lista med förslag på hur du kan förbättra datakvaliteten. Åtgärder som vidtas över tid kommer att löpande förbättra resultaten.

Profilera data och automatiskt hitta förekomst av personlig information, som kan flaggas så den kan hanteras rätt – till exempel att bara tillåta vissa användare att komma åt personuppgifter i en tabell.

Använda maskininlärning för att föreslå omvandling av data och göra förbättringar över tid. Detta görs via en identifieringsmotor som analyserar data och metadata.

Ge rekommendationer till användare och föreslå åtgärder under dataförberedelseprocessen.

Mer om hur Data Management fungerar idag

Data management för artificiell intelligens (AI) och maskininlärning (ML). Många affärsprocesser förlitar sig på AI, inlärningssystem som kan utföra uppgifter genom lärande och automatisering. Till exempel används AI- och ML-tekniker ofta för att fatta låne- och kreditbeslut, medicinska diagnoser och detaljhandelserbjudanden. Med AI och ML är det viktigare än någonsin att ha data som du förstår och litar på – för om dåliga data matar algoritmer som anpassar sig baserat på vad de lär sig kan misstagen multipliceras snabbt.
Data managment för Sakernas Internet (IoT). Data som löpande hämtas från sensorer, som är inbäddade i IoT-enheter, kallas ofta för strömmande data. Dataströmning, eller händelseströmsbehandling, innebär att realtidsdata behandlas i farten. Detta görs genom att tillämpa logik på data, känna igen mönster i data och filtrera den efter olika användningsområden allt eftersom den flödar in till organisation. Upptäcka bedrägerier. övervaka nätverk, e-handel och riskhantering är populära tillämpningar för dessa tekniker.
Dubbelriktad metadatahantering. Dubbelriktad metadatahantering är när metadata delas eller länkas mellan olika system. SAS är en del av communityt för öppen metadata och engagerar sig i projektet OPDi Egeria – som arbetar för metadatastandarder som kan främja ansvarsfullt datautbyte mellan olika teknikmiljöer.
Datastruktur och semantiska lager. Termen datastruktur beskriver en organisations varierade datalandskap – där stora mängder av olika typer av data hanteras, bearbetas, lagras och analyseras med hjälp av en mängd olika metoder. Det semantiska lagret spelar en viktig roll i datastrukturen. Det semantiska lagret är ett sätt att länka data till vanliga affärstermer som används inom organisationen.
Data management och open source. Med open source avses ett datorprogram eller en datorinfrastruktur där källkoden är allmänt tillgänglig för användning och ändring av en användargrupp. Att använda öppen källkod kan påskynda utvecklingsarbetet och minska kostnaderna. Datavetare trivs ofta med att kunna arbeta i det programmeringsspråk och den miljö de själva väljer.
Datafederering/virtualisering. Datafederering är en typ av virtuell data integrering som gör det möjligt att se kombinerad data från flera källor utan att behöva flytta och lagra den kombinerade vyn på en ny plats. Detta för att man snabbt ska kunna komma åt kombinerad data när den behövs. Till skillnad från ETL- och ELT-verktyg som visar en ögonblicksbild vid en viss tidpunkt genererar datafederering resultat baserat på hur datakällorna ser ut vid tidpunkten för begäran. Detta ger en snabbare och potentiellt mer exakt bild av informationen.

Nästa steg

Upptäck hur en analysplattform som balanserar valfrihet och kontroll hjälper dig att få ut mesta möjliga av dina investeringar i data, kompetens och analysteknik.

SAS plattform

Lösningar för datahantering

Pålitlig data ger tillförlitliga analyser och är därför viktigt för att företag ska lyckas. Pålitlig data bygger på en solid datahanteringsstrategi som stöds av beprövad datahanteringsteknik. SAS Data Management innehåller alla funktioner du behöver för att samla in, integrera, rensa, styra och förbereda din data för analys – inklusive avancerade analys som artificiell intelligens och maskininlärning. Allt är en del av SAS-plattformen. Läs om hur du omvandlar ditt analysarbete till möjligheter.

Lär dig mer om SAS Data Management

Data Management

Vad det är och därför är det viktigt

Data Management: Historia

Starkt fokus på data ledde till framgångar för både universitetet och studenter

Data Management idag

Datakvalitet: Det här behöver du veta

SAS ramverk för datahantering

Skapa en strategi för data och analys

Alla kan förbereda data för analys

Vilka arbetar med data management?

Detaljhandel

Tillverkning

Bank

Sjukvård

Myndigheter

Små och medelstora företag

Läs om fler branscher som använder metoden

Data Management: Vägen till framgångsrik analys