Kritisk är inte samma sak som i riskzonen

Det mesta dataarbete börjar med en lista. Någon frågar vilken data som är viktig, en workshop hålls, och ett kalkylblad med "kritiska" fält dyker upp. Det känns som framsteg. Sedan händer ingenting, för listan svarar på fel fråga.

"Kritisk" och "i riskzonen" är inte samma sak, och att behandla dem som ett är hur goda avsikter blir liggande hyllvärmare.

Två olika frågor

Kritisk frågar: om den här datan är fel, hur mycket gör det ont? Det handlar om konsekvens. En kundidentifierare, ett pris, en dosering, en regulatorisk flagga. De spelar roll för att ett misstag är dyrt, osäkert eller rapporteringspliktigt.

I riskzonen frågar något annat: hur troligt är det att den här datan är fel just nu? Det handlar om exponering. Två system som inte är överens, ett fält som tre team fyller i olika, en regel som ingen äger.

Ett fält kan vara kritiskt och helt friskt. Ett fält kan vara oviktigt och tyst trasigt varje dag. Arbetet du faktiskt behöver ligger där de två överlappar: data som spelar roll och är exponerad.

Varför skillnaden ändrar vad du gör

När du bara rangordnar efter hur kritiskt något är får du en lång lista och ingen angreppsordning. Allt viktigt ser lika brådskande ut, så ingenting rör sig.

När du lägger till risk sorterar listan sig själv. De få element som är både kritiska och exponerade är där en data steward bör lägga nästa vecka, inte nästa år. Resten kan vänta, medvetet, med ett skäl du kan försvara.

Det är skillnaden mellan att namnge kritiska dataelement och att agera på dataelement i riskzonen. Det första är en etikett. Det andra är en arbetslista.

Hur du skiljer dem åt

Du behöver ingen mognadsmodell för att börja. Ställ tre enkla frågor för varje kandidat:

• Vad går sönder längre ner om det här är fel? Det är konsekvens.
• Var kommer värdet ifrån, och på hur många ställen definieras det? Det är exponering.
• Vem skulle märka det, och hur lång tid skulle det ta? Det är din spridning.

När svaren står nedskrivna bredvid varandra är prioriteringarna oftast uppenbara, och du kan gå rakt på en datakvalitetsregel eller en gemensam verksamhetsdefinition för de element som förtjänar det.

Det är hela poängen med praktisk data governance: färre listor, fler resultat du kan stå för.

Testa på ett element

Välj ett enda fält du misstänker är både kritiskt och skakigt. Ta det genom de tre frågorna ovan. Om svaret är obekvämt har du hittat riktigt arbete, och ett skäl att göra det nu.

enabledat är byggt för att göra det resonemanget snabbt och upprepbart, så att du går därifrån med ett användbart resultat i stället för ett kalkylblad till. Begär tidig åtkomst till beta.