التعامل مع البيانات | الوحدة الأولى | الدرس الثاني
التعامل مع البيانات هو عنوان الدرس الثاني من الوحدة الأولى التي تحمل اسم “مقدمة في علم البيانات” من مقرر “علم البيانات”.
ستتعرف في هذا الموضوع على مصطلح البيانات الضخمة، وخصائصها الأساسية، والتقنيات المستخدَمة لإدارة البيانات الضخمة وتصنيفها، بالإضافة إلى معرفة طرائق تخزين البيانات الضخمة، وكيفية التنقيب في البيانات (Data Mining)، وفهم حوكمة البيانات.
لذا قم بقراءة أهداف التعلُّم التعلُّم بعناية، ثم أعد قراءتها وتأكَّد من تحصيل كافة محتوياتها بعد انتهائك من دراسة الموضوع.
أهداف التعلُّم
- معرفة مصطلح البيانات الضخمة.
- تحديد خصائص البيانات الضخمة.
- تصنيف التقنيات المُستخدَمة في إدارة البيانات الضخمة.
- معرفة طرائق تخزين البيانات الضخمة.
- معرفة مزايا وعيوب تخزين البيانات الضخمة سحابيًا.
- فهم كيفية التنقيب في البيانات الضخمة.
- تحديد مبادئ حوكمة البيانات.
هيا لنبدأ!
ما المقصود بالبيانات الضخمة؟ (What is Big Data?)
يشير مصطلح البيانات الضخمة إلى البيانات الكبيرة جدًا أو المعقدة التي لا يمكن معالجتها بالطرائق التقليدية، ونظرًا لأن كم هذه البيانات يعد كبيرًا جدًا ليتم معالجتها باستخدام أنظمة الحوسبة التقليدية، فإن تخزين مجموعاتها ومعالجتها يعد تحديًا كبيرًا. كذلك قد تتطلب السرعة الهائلة لعملية جمع البيانات متطلبات تخزين عالية للغاية.
تعريف هام
البيانات الضخمة (Big Data)
مجموعة بيانات كبيرة تتطلَّب تقنيات قابلة للتوسُّع لتخزينها ومعالجتها وإدارتها وتحليلها وذلك نظرًا لخصائص حجمها، وتنوعها وسرعتها وتباينها وبالطبع قيمتها.
لمعرفة المزيد من المعلومات عن البيانات الضخمة، قم بالاطّلاع على الروابط التالية:
خصائص البيانات الضخمة (Characteristics of Big Data)
هناك خمسة معايير أساسية تساعدنا في تصنيف أي بيانات تحت مصطلح “البيانات الضخمة” وهي:
- التنوع.
- القيمة.
- الحجم.
- الموثوقية.
- السرعة.
تعد البيانات ضخمة عندما تأتي بأحجام كبيرة وبمعدل سريع جدًا وبتنوع كبير وبدقة عالية ويجب أن تستوفي البيانات جميع هذه المعايير لكي تعد بيانات ضخمة.
التعامل مع البيانات
- التنوع Variety
يشر التنوع إلى العديد من أنواع البيانات المتوافرة ويتم هيكلية البيانات التقليدية المختلفة وتكييفها بدقة في قواعد البيانات العلائقية.
لكن مع ظهور البيانات الضخمة، أصبحت البيانات تتوافر في أنواع جديدة غير منظمة وشبه المنظمة (مثل النصوص والصوت والفيديو) معالجة إضافية مسبقة لاستخلاص المعاني ودعم معلومات البيانات الوصفية المتعلقة بتلك البيانات، ودون هذه البيانات الوصفية يكون من المستحيل معرفة ما يجري تخزينه وكيف يمكن معالجته.
- القيمة Value
إن جمع الكثير من البيانات لا يعني أن تلك البيانات هي ذات قيمة، فقيمة البيانات تتمثل في إمكانية الحصول على التوصيات والوصول إلى بعض الأفكار من خلالها.
يشير مصطلح القيمة إلى مدى فائدة البيانات في اتخاذ القرارات، وبالطبع فإن إجراء التحليلات المناسبة هو وسيلة استخراج قيمة البيانات الضخمة.
- الموثوقية Veracity
ترتبط صحة البيانات بمدى دقة مجموعة البيانات أو موثوقيتها. لا ترتبط الموثوقية بجودة البيانات نفسها فحسب، بل أيضًا بمدى مصداقية مصدر البيانات ونوعها وكيفية معالجتها.
- الحجم Volume
نظرًا لأنه يجب معالجة كميات كبيرة من البيانات غير المنظمة والتي تتميز بقلة الكثافة (low density data) فإن كم البيانات يعد جانبًا مهمًا في البيانات الضخمة.
يمكن أن تكون قيمة بعض هذه البيانات غير معروفة قبل القيام بتحليلها مثل: بيانات تصفح المستخدمين لأحد مواقع الويب أو أحد تطبيقات الهاتف الذكي أو تلك البيانات التي يتم الحصول عليها من أجهزة إنترنت الأشياء المدعمة بأجهزة الاستشعار.
قد يصل حجم هذه البيانات إلى العشرات، بل المئات من التيرابايت من البيانات.
- السرعة Velocity
يشير مصطلح السرعة إلى معدل التقاط البيانات وتخزينها، تنتج البيانات من معظم الأجهزة الذكية المتصلة بالإنترنت (أجهزة إنترنت الأشياء) والأجهزة المحمولة في الوقت الحقيقي أو قريبًا من الوقت الحقيقي، مما يتطلب الجمع الفوري لتلك البيانات وكذلك نقلها وتخزينها.
تقنيات إدارة البيانات الضخمة (Technologies that Enable the Management of Big Data)
تستخدم الشركات أنظمة الحاسب وقواعد البيانات للاحتفاظ بالسجلات المختلفة مثل المعاملات المتعلقة بمعالجة الطلبات والمدفوعات وتتبع العملاء وإدارة التكلفة في الشركات.
تحتاج الشركات أيضًا إلى نظام لإعداد التقارير لتوفير المعلومات التي تساعدها على العمل بكفاءة ولمساعدة المديرين التنفيذيين على اتخاذ القرارات المدروسة التي تضمن أداء أفضل للأعمال.
يحتاج مديرو المتجر الالكتروني إلى تحسين تجربة الشراء والتأكد من أن زوار الموقع الذين يتصفحون المنتجات سيصبحون زبائن للمتجر وذلك من خلال شراء المنتجات، وكذلك العمل على عودة الزبائن للشراء مرات أخرى في المستقبل من خلال الموقع، يمكن للشركة تحليل جميع البيانات التي يتم جمعها أثناء تصفح الزوار للمتجر الالكتروني على الويب أو من خلال تطبيق الهاتف الذكي، وتتضمن تلك البيانات تفاصيل دقيقة عن تصفح الزوار للموقع بما فيها أماكن وضع المؤشر على الشاشة وأجزاء الموقع التي يقضون وقتًا أطول في تصفحها ومدة المرور فوق المنتج قبل الضغط للحصول على المزيد من المعلومات عنه أو للقيام بشرائه بالفعل.
ينتج عن هذه التفاصيل الدقيقة التي يتم جمعها كم هائل من البيانات التي يجب تحليلها لتقديم رؤية واضحة وقيمة للقائمين على أعمال الشركة.
يتم استخدام نتائج تحليل تلك المعلومات لإحداث تغييرات في مخطط الويب أو المتجر أو لتعديل أسعار المنتجات سواء بالزيادة أو الخصم، ولتنظيم الحملات التسويقية للمنتجات على وسائل التواصل الاجتماعي للتأثير على سلوكيات الشراء لدى الزبائن.
يتطلب القيام بهذا الأمر من الشركات توفير تقنيات وأدوات جديدة لإدارة وتحليل البيانات الضخمة لاستخراج قيمة الأعمال، ويجب جمع البيانات المطلوبة من المصادر الداخلية كدوائر المبيعات والتصنيع والمحاسبة.
وكذلك من المصادر الخارجية كالبيانات الاحصائية عن النمو السكاني وطبيعة الزبائن وأعمارهم، وكذلك البيانات المتعلقة بالشركات المنافسة مثلاً، وذلك لاستخراج معلومات موجزة وموثوقة حول الوضع الحالي والمستقبلي للشركة والتأثيرات المحتملة لتغييرات السوق.
تحتوي البنية التحتية الحديثة لذكاء الأعمال على مجموعة من الأدوات والتقنيات لتخزين البيانات ومعالجتها للحصول على معلومات مفيدة من البيانات الضخمة وتشمل هذه التقنيات:
- مستودعات البيانات.
- بحيرات البيانات.
- عمليات الحوسبة في الذاكرة.
التعامل مع البيانات
- مستودعات البيانات Data Warehouse
قد تعد مستودعات البيانات الأداة الأقدم لتحليل بيانات الشركات.
يشير مستودع البيانات إلى قاعدة البيانات التي تخزن البيانات الحالية والتاريخية التي تبحث عن العديد من أنظمة المعاملات التشغيلية مثل أنظمة المبيعات ودعم العملاء والتصنيع والتي تجعل البيانات متاحة لصانعي القرار في الشركة.
يتم دمج هذه البيانات مع البيانات من المصادر الخارجية لتحويل البيانات غير المكتملة إلى بيانات منظمة قبل تخزينها في مستودع البيانات.
يوفر نظام مستودع البيانات أيضًا مجموعة من الأدوات للتحليل والاستعلام وكذلك أدوات إعداد التقرير بسهولة.
- بحيرة البيانات Data Lake
بحيرة البيانات هي مستودع بيانات عادة ما يكون سحابيًا يستخدم لتخزين كميات هائلة من البيانات الأولية وغير المعالجة.
في هذه الطريقة يتم استخدام عنوان URL ثابت لدعم كل من البيانات المنظمة (مثل قواعد البيانات) والبيانات غير المنظمة (مثل رسائل البريد الالكتروني والمستندات).
- الحوسبة في الذاكرة In-Memory Computing
هي طريقة لتسهيل تحليل عملية البيانات الضخمة لاعتمادها بصورة أساسية على ذاكرة الحاسب الرئيسة مثل: ذاكرة الوصول العشوائي (RAM) لتخزين البيانات.
يصل المستخدمون إلى البيانات المخزنة في الذاكرة الأساسية للنظام وبالتالي يتم تجاوز معوقات استرداد وقراءة البيانات الموجودة في قاعدة البيانات التقليدية المستندة إلى التخزين على الأقراص مما يعني تقليل وقت الاستعلام بشكل كبير.
تتميز الخوادم السحابية بشكل خاص بوجود سعة كبيرة من ذاكرة الوصول العشوائي مما يسهل استخدامها في عمليات الحوسبة في الذاكرة.
يعد التمييز بين هذه التقنيات الثلاثة مهمًا نظرًا للأغراض المختلفة لاستخدامها وكيفية عملها في معالجة البيانات بشكل صحيح. لا تعمل هذه التقنيات معًا ولكن يتم اختيار إحداها اعتمادًا على نوع الشركة فقد تكن بحيرة البيانات هي الخيار الجيد لإحدى الشركات بينما مستودع البيانات الخيار الأفضل لشركة أخرى.
بإمكانك مراجعة محتوى موضوع “التعامل مع البيانات” من بدايته وحتى نهاية هذا القسم، من خلال الرابط التالي:
التنقيب في البيانات الضخمة (Mining Big Data)
كما عرفنا سابقًا، يتم جمع البيانات الضخمة باستمرار بواسطة أجهزة الاستشعار والتطبيقات العامة والتطبيقات الشخصية.
إن عملية جمع البيانات ليست سوى الخطوة الأولى في العملية المشار إليها باسم اكتشاف المعرفة.
يشير اكتشاف المعرفة إلى العملية الشاملة للوصول إلى المعرفة المفيدة، ويشير التنقيب في البيانات إلى خطوة معينة في هذه العملية، فالتنقيب عن البيانات هو تطبيق لخوارزميات محددة لاستخراج الأنماط من البيانات، وتحديد العلاقات المختلفة داخل هذه البيانات.
تعريف هام
التنقيب في البيانات (Data Mining)
عملية اكتشاف الأنماط في كمية كبيرة من البيانات واستخراج المعلومات المفيدة في توقُّع السلوك المستقبلي.
تعد الخطوات الأخرى في عملية اكتشاف المعرفة مثل تنظيف البيانات وتكامل البيانات وتحويل صيغة البيانات والتفسير الصحيح لنتائج التنقيب ضرورية لضمان اشتقاق المعرفة المفيدة من البيانات. (انظر إلى الجدول).
التعامل مع البيانات
البيانات الضخمة والتخزين السحابي (Big Data and Cloud Storage)
هناك خياران معتمدان لتخزين البيانات الضخمة:
- التخزين السحابي.
- التخزين الداخلي.
لقد كان تطوير تطبيقات البيانات الضخمة في الماضي يعتمد أساسًا على حفظ البيانات في وسائط التخزين داخليًا (على الخوادم داخل الشركات والمؤسسات)، مما تتطلب توفر مستودعات بيانية محلية عالية التكلفة، وكذلك تثبيت برامج معقدة لإدارة تلك المستودعات.
إلا أن التطورات الحديثة في علم الحوسبة والبيانات أسهمت في استبدال تلك الطريقة بالتخزين السحابي والذي يعد الحل الأمثل لتخزين البيانات الضخمة وذلك لما يلي:
- توافر النطاق العريض عالي السرعة على نطاق واسع مما سهل حركة البيانات داخليًا، بل أصبح بالإمكان نقلها إلى التخزين السحابي لتحليلها.
- أصبحت غالبية التطبيقات تعتمد على التخزين السحابي، مما يعني أن عملية انتاج المزيد من البيانات وتخزينها سحابيًا تزداد باستمرار ولقد ساهم ذلك في قيام أعداد متزايدة من رواد الأعمال بعمل تحليلات جديدة للبيانات الضخمة لمساعدة الشركات على تحليل البيانات السحابية في كثير من المجالات مثل معاملات التجارة الالكترونية وبيانات أداء تطبيقات الويب.
هناك جوانب متعددة للتخزين السحابي تجعله خيارًا أفضل للشركات فمثلاً يمكن أن يشمل التخزين السحابي أنظمة تخزين البيانات الضخمة وكذلك أنظمة النسخ الاحتياطي.
توجد الكثير من الخيارات المتاحة من قبل مزودي الخدمات مثل:
- أمازون Amazon.
- مايكروسوفت Microsoft.
- جوجل Google.
للتخزين السحابي مع توفيرها حماية البيانات والخصوصية وبالطبع قابلية التوسع والتكلفة المعقولة لهذه الخدمات.
باستخدام النسخ الاحتياطي السحابي للبيانات الضخمة، يمكن للمؤسسات الاستفادة من خدمات مراكز البيانات التي تمتد عبر مواقع جغرافية متعددة، مما يضمن التوافر الدائم واستعادة البيانات بسهولة.
باستخدام التخزين السحابي يمكن نسخ البيانات احتياطيًا عبر عدة مراكز بيانات في مناطق مختلفة من العالم، وبذلك لا يتم حفظ النسخ الاحتياطية في مكان واحد.
توفر تقنيات التخزين السحابي خصائص أخرى للحماية للنسخ الاحتياطية، حيث يضمن مقدمو تلك التقنيات حماية البيانات المنسوخة احتياطيًا إلى التخزين السحابي عبر تقنيات التشفير المتقدمة قبل القيام بنقل البيانات وخلال نقلها وكذلك بعد نقلها.
كما ذُكر سابقًا، فإن معالجة البيانات الضخمة تتطلب سعة تخزين وقوة معالجة، أما من حيث السعة التخزينية فإن التقنيات السحابية تفي بهذا الأمر، ويمكن للشركات الحصول على خدمات التخزين القابلة للتوسع بيسر.
يمكن لهذه التقنيات أيضًا تلبية متطلبات الحوسبة لتحليل البيانات الضخمة، وقد أصبح خبراء تحليلات البيانات يوصون باستخدام الخدمات المدعومة سحابيًا للقيام بعمليات التحليل لإدراكهم بالإمكانيات غير المحدودة التي توفرها التقنيات.
مزايا وعيوب تخزين البيانات الضخمة سحابيًا (Pros and Cons of Big Cloud Storage)
يمكن من خلال الجمع بين تحليلات البيانات الضخمة والحوسبة السحابية إيجاد فرص لم تكن ممكنة من قبل لفهم البيانات، والحصول على المعرفة ودعم عمليات اتخاذ القرارات. يجب عليك النظر إلى المزايا وكذلك إدراك التحديات التي تتعلق باستخدام الحوسبة السحابية في العمليات المتعلقة بالبيانات الضخمة.
بإمكانك مراجعة محتوى موضوع “التعامل مع البيانات” بدايةً من عنوان “التنقيب في البيانات الضخمة” وحتى نهاية هذا القسم، من خلال الرابط التالي:
سياسة الشركات وحوكمة البيانات (Data Governance and Policies)
تحدد الضوابط والهياكل التنظيمية للشركات والمؤسسات وطرق اتخاذ القرارات المتعلقة بإدارة البيانات والتي تتضمن تطوير السياسات والإجراءات الداخلية التي تتحكم بإدارة البيانات.
تساعد إدارة البيانات المؤسسات الخاصة أو الحكومية وغير الربحية في التعامل مع عمليات إدارة البيانات بجودة عالية خلال جميع مراحل دورة حياة البيانات، وتؤدي هذه السياسات والإجراءات الفعالة إلى تحسين الأعمال والنتائج، حيث تقوم الشركات والمؤسسات بجمع كميات هائلة من البيانات الداخلية والخارجية، وتعد إدارة البيانات ضرورية لاستخدام تلك البيانات بنجاح وإدارة المخاطر وخفض التكاليف المختلفة.
أهمية حوكمة البيانات The Importance of Data Governance
من غير الممكن تصحيح التناقضات الموجودة في بيانات الأنظمة المختلفة داخل المؤسسة دون إدارة مناسبة للبيانات.
على سبيل المثال، قد يتم تخزين أسماء العملاء في أنظمة المبيعات وأنظمة خدمة العملاء بطرائق مختلفة.
قد يصعب هذا الأمر من تكامل البيانات ويؤثر على دقة ذكاء الأعمال وعلى إعداد التقارير، كذلك، فقد لا يتم اكتشاف أخطاء البيانات الموجودة وبالتالي لا يتم تصحيحها في الوقت المناسب مما يعرض سلامة البيانات للخطر.
أصبح واجبًا على المؤسسات أن تمتثل للتشريعات الجديدة الخاصة بخصوصية البيانات وحمايتها مثل اللائحة العامة للبيانات في الاتحاد الأوروبي (GDPR)، وقانون خصوصية المستهلك في كاليفورنيا (CCPA)، وذلك لأن حوكمة البيانات بصورة سيئة تجر المؤسسات إلى صعوبات وتجعلها تحت طائلة مواجهة العقوبات.
ينظم قانون حماية البيانات الشخصية (PDPL) الجديد في المملكة العربية السعودية.
موضوع معالجة البيانات الشخصية، ويعد بمثابة التشريع الأول الخاص بخصوصية البيانات الحكومية في المملكة العربية السعودية، يشمل هذا التشريع جميع الصناعات وأنواع المؤسسات، ويشرف مكتب إدارة البيانات الوطنية (NDMO) على اللوائح الجديدة ويفرضها، وينطبق هذا القانون على المؤسسات الأجنبية العاملة في المملكة العربية السعودية التي تتعامل مع البيانات الشخصية للمواطنين والمقيمين في المملكة، وبشكل خاص تلك البيانات الصحية والائتمانية والمالية.
لاحظ أن
تتطلَّب بعض أنواع البيانات كالبيانات المالية والصحية معالجة بشكلٍ أكثر دقة من البيانات الأخرى، فعادةً ما يتم تنظيم البيانات الصحية بشكل جيد بدءًا من مرحلة جمع تلك البيانات حتى إعداد التقارير ونشر المعلومات.
يتفهم جميع من يهمهم الأمر تمامًا المخاطر المتعلقة بالخصوصية وتلك القيود التي تفرضها التشريعات، وبالتالي فإن تحديد إطار عمل حوكمة البيانات في المؤسسات الصحية كالمستشفيات يُعدُّ أمرًا مهمًا للغاية.
مكوّنات إطار عمل حوكمة البيانات (Data Governance Framework Components)
تشكل السياسات والضوابط التوجيهية والعمليات والهياكل التنظيمية والتقنيات المنفذة كجزء من برنامج الحوكمة إطار عمل لحوكمة البيانات.
يحدد إطار العمل أيضًا مهمة البرنامج وأهدافه والمسؤوليات المختلفة وكيفية قياس النجاح في المهام التي سيتم تضمينها في البرنامج.
يجب إنشاء إطار الحوكمة في أي مؤسسة ونشره داخليًا وشرج آلية عمله بحيث يكون لدى كل مشارك فهم واضح في البداية.
معايير حوكمة البيانات (Data Governance Standard)
قامت منظمة المعايير الدولية ISO بتطوير معيار ISO/IEC38505 لتطبيق مبادئ حكومة تقنية المعلومات على متطلبات إدارة البيانات.
معايير إدارة البيانات السعودية (Saudi Data Management Standard)
على غرار متطلبات إدارة البيانات الدولية ISO/IEC 38505، طور مكتب إدارة البيانات الوطنية (NDMO)ضوابط إدارة البيانات الوطنية وحماية البيانات الشخصية في المملكة.
يعد مكتب إدارة البيانات الوطنية مسؤولا عن تنفيذ الضوابط الخاصة بالبيانات والذكاء الاصطناعي ومتابعة الامتثال من قبل المنظمات والشركات.
تنطبق المعايير على جميع البيانات بعض النظر عن النموذج أو النوع بما فيها السجلات الورقية والبيانات الرقمية والتسجيلات الصوتية والصور ومقاطع الفيديو، وكذلك المستندات المكتوبة بخط اليد أو أي شكل من أشكال البيانات المسجلة.
حوكمة البيانات وإدارتها (Data Governance and Data Management)
تعد حوكمة البيانات أحد إدارة البيانات الشاملة، إن وضع القواعد الإرشادية لحوكمة البيانات دون التنفيذ الفعلي لها يعد مضيعة للوقت والجهد دون معنى أو أي قيمة حقيقية.
حوكمة البيانات تحدد جميع الضوابط والسياسات والعمليات التي تنفذ بواسطة إدارة البيانات ومهمتها جمع البيانات واستخدامها في صنع القرار من خلال اتباع أساسيات الحوكمة التي تتمثل بالضوابط والسياسات والعمليات المتعلقة بالبيانات.
تشبه حوكمة البيانات عملية تطوير التصميم لبناء منزل جديد. بينما إدارة البيانات فهي عملية البناء نفسها، فإذا تخيلت هذا الأمر فيمكنك بناء منزل دون تصميم ولكن هذا البناء سيكون أقل كفاءة وجودة مع وجود احتمال الفشل في بنائه بالدرجة الأولى.
تعريف هام
إدارة البيانات (Data Management)
إدارة البيانات هي إنشاء وتنفيذ البنى والسياسات والإجراءات التي تدير احتياجات دورة حياة البيانات الكاملة للمؤسسة.
تحديات حوكمة البيانات (Data Governance Challenges)
تعد التحديات المرتبطة بالبيانات السحابية والبيانات الضخمة من الأمور الشائعة التي تواجهها المؤسسات بخصوص حوكمة البيانات، فالخدمات السحابية وأنظمة البيانات الضخمة تستدعي متطلبات حوكمة جديدة.
لقد كان تركيز برامج حوكمة البيانات حتى وقت قريب على البيانات المنظمة المخزنة في مركز البيانات.
أما الآن فأصبح من الضروري التعامل مع الكثير من البيانات المنظمة وغير المنظمة وشبه المنظمة التي قد تظهر معًا في بيئات البيانات الضخمة، بالإضافة إلى تهديدات الخصوصية المرتبطة بأنظمة البيانات السحابية.
من المسؤول عن حوكمة البيانات؟ (Who is Responsible for Data Governance?)
تضم عملية حوكمة البيانات مجموعة متنوعة من الأشخاص في معظم المؤسسات، ويضم المستخدمون النهائيون المطلعون على البيانات ذات العلاقة في أنظمة المؤسسة، وكذلك مديرو الأعمال، والمتخصصون في إدارة البيانات، موظفو تقنية المعلومات، ويتحمل المسؤولية الرئيسة عن الحوكمة عادة رئيس قسم المعلومات (CIO) أو كبير مسؤولي البيانات (CDO) ومديرو إدارة البيانات (DGM).
يعد رئيس قسم المعلومات أحد كبار المسؤولين التنفيذين عن برنامج حوكمة البيانات وتشمل مسؤولياته الحصول على الموافقة، والتمويل، والتوظيف في البرنامج، وكذلك تقديم المبادرات وتقييم تطور البرنامج والترويج له بفاعلية.
فاعتمادًا على حجم المؤسسة يتم تعيين مدير عام لإدارة البيانات، وقيادة مبادرة الحوكمة وتنسيقها، حيث يتولى عقد الاجتماعات، وتنفيذ الدورات التدريبية، وتتبع مؤشرات الأداء الرئيسة، وإدارة الاتصالان الداخلية للمبادرة.
يعمل مدير إدارة البيانات مع مالكي البيانات والمسؤولين الذين يضمنون تطبيق ضوابط حوكمة البيانات وقواعدها واتباع المستخدمين النهائيين لها.
تعريفات هامة
مالك البيانات (Data Owner)
شخص أو أشخاص مسؤولون عن بيانات محدَّدة.
مشرف بيانات (Data Steward)
تتضمن مهام مشرف البيانات إدارة البيانات من خلال تنفيذ سياسات حوكمة البيانات والمحافظة عليها داخل المؤسسة.
بإمكانك مراجعة محتوى موضوع “التعامل مع البيانات” بدايةً من عنوان “سياسة الشركات وحوكمة البيانات” وحتى نهاية الموضوع، من خلال الرابط التالي:
اختبر تحصيلك لمحتوى الموضوع من خلال الرابط التالي:
الواجب الإلكتروني
إلى هنا يكون قد انتهى موضوع “التعامل مع البيانات”، لا تنسوا مراجعة أهداف التعلُّم أعلى المقال، وانتظرونا في الموضوع القادم!