サンダー: 過去にアーキテクトとして多くの顧客の管理とコンサルティングを行ってきた私の経験では、データ ガバナンスは主に規制要件に対応することを目的としていました。 そのため、これまではスタンドアロンのプロセス レベルでしたが、そこで効果的なデータ ガバナンスを実現するには、全体的なプロセスである必要があります。 これは、データのソースからフィードバックの消費に至るまで、正しく行う必要があります。 これは、すべてのお客様に推奨する重要なベスト プラクティスの 1 つです。 また、データ ガバナンスは継続的なプロセスです。 「わかりました。今日、データの要件を調べました」、それが規制要件であろうと消費要件であろうと、「そのための計画を考案したので、今リスクを取ることができます」ということではありません。 いいえ。
したがって、データ ガバナンスは継続的なプロセスです。 データの要件は絶えず変化しています。 データの用途は常に変化しています。 規制は絶えず変化しています。 したがって、データ ガバナンス プロセスと再検討も非常に重要であり、何が起こっているのか、何が変更されたのか、なぜ変更されたのか、いつ変更されたのかを完全に理解し、その記録を維持することも非常に重要です。 そのため、データ ガバナンス フレームワークには全体的なプロセスが必要です。 これはサイロ化されたプロセスではなく、継続的に再検討する必要があり、継続的に追跡する必要があります。
月桂樹: 先に述べたように、人々は間違いなくこのプロセスと戦略の一部でもあります。 技術チーム以外の組織全体で誰もが持つ必要がある重要なスキルとしてのデータ リテラシーについてどう思いますか? エグゼクティブは、データを利用するための適切なスキルを全員が備え、確保することについて、どのように考え始める必要がありますか?
サンダー: つまり、データはどこにでも供給されている「新しい石油」です。 データが新しいオイルである場合、そのデータをどのように使用するか、そのデータをどこで使用するかを理解することが非常に重要になります。 それをどのように使用するか、どこで使用するかは、どの組織においてもデータ リテラシーの主要な部分を形成します。 また、特定のデータを使用する必要がある場合は、そのデータが利用可能な場所も知っておく必要があります。 したがって、データ リテラシーは 2 つのレベルで扱われます。 1つは、利用可能なデータとは何か、利用可能なデータの良さ、そのデータへのアクセス方法、そのデータの処理方法に関する情報の提供についてです。 2 つ目は、特に今日の世界では、データにも多くの制約があります。 これは非常に重要であり、多くの機密情報が含まれています。 今日の世界では、機密情報と簡単に使用できるデータとの間の境界線は非常に薄いです。
その場合、処理しているデータのリテラシーとその機密性、それを使用する目的、その情報のリテラシーも非常に重要です。 そのため、幹部が組織内でデータ リテラシー プログラムを計画するときは、データの使用だけでなく、データの使用方法とデータの結果についても確認することが重要です。 そのため、データ リテラシーと、人々に対するデータ リテラシーへの投資が非常に重要になります。 結局のところ、システムを設計し、データを消費するシステムを開発するのは人々であるため、その点でリテラシーへの適切な投資が最も重要です。
月桂樹: これらは、特に組織全体でのデータ リテラシーに関する非常に重要な部分ですが、デジタル トランスフォーメーションのもう 1 つの部分は、ビジネス ユニット全体の運用への投資を合理化し、最大化することでもあります。 たとえば、数年前、技術チームはソフトウェア開発と運用を組み合わせて devOps を作成することでこれを行いました。これにより、より機敏でデータに焦点を当てた作業方法が可能になりました。 調査会社の Gartner は、この哲学は、MLOps を作成するための人工知能と機械学習、dataOps を作成するためのデータ、finOps を作成するための財務など、ビジネスの他の分野にも適用できると主張しています。 全体として、これらは XOps と呼ばれる 1 つの用語にまとめることができます。 これは、ビジネスのさまざまな部分を取り込んで、すべてをオペレーションの傘下にまとめる興味深い方法です。 XOps は組織全体にどのような価値をもたらすことができますか?
サンダー: はい、ローレルさんが正しくおっしゃったように、XOps はさまざまな運用をもたらす傘であり、ビジネスを次のレベルに引き上げるためのビジネス要件に対処するためのテクノロジーを通じてイノベーションを推進します。 そうは言っても、たとえば、あなたが言及した3つの操作はすべて、それがdevOps、dataOps、MLOps、さらにはfinOpsであるかどうかにかかわらず、4番目の操作はどこでも、共通分母の操作であり、その操作の要件は価値を提供することです.最も効率的な方法で。
したがって、devOps から学んだことは、製品の管理と開発、それらを組み合わせてその効率を引き出す方法です。 機械学習操作とデータ操作にも同じ原則が取り入れられています。 繰り返しになりますが、テクノロジーの観点から言えば、共通の要因は、プロセス全体を効率化するためのプロセスの自動化と継続的な再利用です。 そのため、Gartner は 3 つすべてを組み合わせて XOps と呼んでいます。そのため、自動化と再利用性を軸に俊敏性を重視した 3 つの異なる操作のベン図のように見ることができます。