Data Governance and IT Architecture Support Long-Term Performance

Detoxing Dirty Data With Data Governance at Intel Security

Dalam menghadapi kompleksitas keamanan siber, Intel Security menghadapi tantangan serius yang berasal dari "dirty data" atau data yang tidak bersih. Dirty data dapat mencakup ketidakakuratan, ketidaklengkap, dan struktur data yang rumit. Studi kasus ini, yang menyoroti peran data governance, menjelaskan upaya Intel Security dalam membersihkan dan menjaga kualitas data mereka.

Tantangan di Puncak Keamanan Siber

Mengapa dirty data menjadi masalah besar? kita bisa memahaminya sebagai masalah akurasi dan ketidakpastian, Dalam dunia keamanan siber, keputusan yang didasarkan pada data yang buruk dapat menjadi pintu masuk bagi risiko yang seius, Oleh karena itu, Intel Security berada di persimpangan di mana keberhasilan operasional dan strategi keamanan mereka sangat bergantung pada kualitas data yang mereka miliki. Intel Security, seperti banyak organisasi, menyadari bahwa keputusan strategis mereka sangat tergantung pada kualitas data. Dirty data dapat menjadi sumber risiko serius dalam pengambilan keputusan keamanan siber, memerlukan penanganan yang serius dan holistik.

Detoksifikasi Data

Untuk mengatasi masalah ini, Intel Security tidak hanya melihat pada solusi teknis. Mereka merangkul konsep data governance sebagai kerangka kerja utama. Artinya, bukan hanya masalah memperbaiki data yang sudah kotor, tetapi juga mencegahnya menjadi kotor di masa depan, ini melibatkan kebijakan yang kuat. prosedur yang jelas, dan tentu saja, tanggung jawab manajemen data yang tegas. Solusi Intel Security tidak hanya bersifat teknis tetapi mencakup pendekatan data governance. Detoksifikasi data melibatkan pembersihan data yang sudah kotor dan pencegahan agar data tidak menjadi kotor di masa depan. Ini melibatkan implementasi kebijakan, prosedur, dan tanggung jawab manajemen data yang ketat.

Peran Penting Data Governance

Data governance di Intel Security bukanlah sekadar pembenahan teknis. ini adalah fondasi di mana kebijakan dan prosedur ditetapkan untuk memastikan bahwa data tetao akurat, teratur, dan aman. itu melibatkan pengawasan yang ketat terhadap bagaimana data dimasukan, digunakan, dan diakses. Data governance menjadi landasan bagi keberhasilan strategi Intel Security. Ini bukan hanya tentang membersihkan data tetapi juga memastikan bahwa kebijakan dan prosedur yang diterapkan untuk mengelola, memasukkan, dan menggunakan data bersifat berkelanjutan dan efektif.

Teknologi Sebagai Pendorong Utama

Namun, tentu saja, tidak bisa lepas dari teknologi. Intel Security memanfaatkan sistem manajemen data canggih dan alat analisis prediktif untuk mendukung upaya detoksifikasi data mereka. Dengan teknologi ini, mereka dapat mendeteksi, membersihkan, dan bahkan mencegah dirty data dengan lebih efektif. Sementara data governance adalah fondasi, teknologi juga memainkan peran penting. Intel Security menggunakan sistem manajemen data dan analisis prediktif untuk mendukung detoksifikasi data. Teknologi ini memungkinkan pendeteksian, pembersihan, dan pencegahan dirty data dengan lebih efektif.

Manfaat yang Dirasakan

Apa yang dihasilkan dari usaha ini? Intel Security melihat peningkatan efisiensi operasional karena data yang dikelola dengan baik. Mereka dapat mengembangkan strategi keamanan yang lebih baik karena dasar datanya menjadi lebih handal. Lebih dari itu, kebersihan data juga menjadi langkah penting dalam meningkatkan ketahanan mereka terhadap ancaman siber yang terus berkembang. Melalui upaya ini, Intel Security mengalami peningkatan efisiensi operasional dan dapat mengembangkan strategi keamanan yang lebih baik. Kebersihan data menjadi kunci untuk membangun dasar data yang dapat diandalkan, memungkinkan respons yang lebih cepat terhadap ancaman siber.

Pembelajaran

Kasus ini memberikan pelajaran berharga. Pertama, pentingnya data governance dalam dunia keamanan siber. Kedua, teknologi memegang peran penting dalam menjaga kebersihan data dan mendukung keputusan strategis. Dan terakhir, kesuksesan strategi keamanan siber sangat tergantung pada kualitas data yang dapat dipercaya. Kesimpulannya, membersihkan data kotor bisa menjadi langkah awal yang sangat penting dalam menciptakan keamanan siber yang kokoh.

Information Management

Dalam era digital, keberhasilan atau kegagalan banyak inisiatif bisnis bergantung pada kualitas data yang mereka kelola. Perencanaan dan keputusan yang efektif memerlukan sistem yang mampu menyediakan data kepada para pengambil keputusan dalam format yang dapat digunakan secara tepat waktu. Hampur semua orang yang mengelola informasi, baik dalam akun sosial maupun akkun cloud melalui berbagai perangkat mobile dan komputer. peningkatan produktivitas tegantung pada kompatibilitas perangkat dan aplikasi serta kemampuan merea untuk berbagi data.

Manajemen informasi adalah penggunaan alat dan metode TI untuk mengumpulkan, memproses, menggabungkan, menyimpan, dan mengamankan data dari berbagai sumber yang seringkali terfragmentasi dan inkonsisten. Informasi bisnis umumnya tersebar di seluruh perusahaan, disimpan dalam sistem terpisah yang ditujukan untuk tujuan khusus, seperti operasi, manajemen rantai pasok, atau manajemen hubungan pelanggan.

Mengatasi Tantangan Manajemen Informasi

Tantangan manajemen informasi melibatkan pengelolaan data terstruktur, semi-terstruktur, dan tidak terstruktur dari sumber sosial dan mobile, meskipun kualitas data tersebut mungkin dipertanyakan. Manajemen informasi kritis untuk keamanan data dan kepatuhan dengan persyaratan regulasi yang terus berkembang.

Ketidaksempurnaan Informasi

Perusahaan sering menghadapi ketidaksempurnaan informasi karena berbagai alasan, termasuk silo data, kehilangan atau bypass data, antarmuka yang buruk, format data nonstandar, dan kesulitan menangani perubahan cepat dalam kebutuhan informasi.

Penting untuk memahami konteks perkembangan teknologi informasi dan dukungan keputudan dalam perusahaan, Selama beberapa dekade, teknologi informasi telah berkembang pesar, dan keputusan terkait investasi IT sering dipengaruhi oleh berbagai faktor seperti mnajemen yang berbeda, perubahan dalam pemahaman peran IT, dan tekanan anggaran yang bersaing. beberapa faktor yang menyumbang terhadap masalah informasi di perusahaan melibatkan:

Data Silos (Gudang Data Terisolasi)
Gudang data terisolasi merujuk pada penyimpanan data yang terpisah berdasarkan departemen atau fungsi tertentu. keterpisahan data menghambat pertukaran informasi antar departemen, menyebabkan ketidakomsistenan dan kesulitan untuk mengitergrasikan data.

Contoh : Sebuah perusahaan memiliki gudang data pemasaran yang tidak terhubung dengan gudang data penjualan. Akibatnya, tim penjualan kesulitan mengakses informasi pemasaran terkini, menghambat antar tim.
Lost or Bypassed Data (Data yag hilang atau Dilewatkan)
kehilangan atau melawan data terjadi ketika data tidak berhasil ditangkap atau hilang dalam perjalanan antar sistem informasi. Kehilangan daa mengurangi kelengkapan informasi yang diperlukan untuk pengambilan keputusan yang akurat

Contoh : Saat mentransfer data dari sistem penjualan ke sistem keuangan, beberapa entri data hilang karena kegagalan konektivitas, menghasilkan laporan keuangan yang tidak akurat
Poorly Designed Interfaces (Antarmuka yang Buruk)
Antarmuka yang buruk mencakup desain tampilan atau interaksi yang sulit dimengerti atau digunakan. Antarmuka yang buruk dapat menyebabkan kesalahan, meningkatkan risiko ketidakpahaman data, dan memperlambat proses pengambilan keputusan.

Contoh : Sebuah sistem manajemen inventaris dengan antarmuka yang rumit mengakibatkan kesalahan penginputan data dan memperlambat ketersediaan informasi stok
Nonatandardized Data Formats (Format Data Non-standar)
Format data yang tidak konsisten atau tidak standar dapat mencakup struktur data yang berbeda-beda. Kekurangan standardisasi menyulitkan perbandingan dan analisis data, menghasilkan kesulitan dalam interpretasi data secara konsisten.

Contoh : Dua departemen yang menggunakan format tanggal yang berbeda dalam pelaporan mereka, menyebabkan kesulitan dalam menyusun laporan konsolidasi.
Cannot Hit Moving Targets (Tidak Dapat Mengikuti Perubahan)
Kesulitan mengikuti perubahan mencakup tantangan dalam menanggapi perubahan kebutuhan informasi yang cepat. Dalam lingkungan yang terus berubah, ketidakmampuan menyesuaikan diri dengan perubahan informasi dapat menghambat respons yang efektif.

Contoh : Sebuah perusahaan e-commerce sulit menyesuaikan strategi pemasaran online mereka dengan cepat karena keterlambatan dalam pengumpulan dan analisis data tren pasar.

Enterprise Arcitechture and Data Governance

Setiap perusahaan memiliki serangkaian sistem informasi dan proses bisnis inti yang menjalankan transaksi yang menjaga kelangsungan bisnis. Enterprise Architecture (EA) membantu atau menghambat operasi sehari-hari dan upaya untuk menjalankan strategi bisnis.

Keberhasilan EA dan data governance diukur dalam hal keuangan seperti profitabilitas dan return on investment (ROI), serta dalam hal nonkeuangan seperti peningkatan kepuasan pelanggan, percepatan waktu ke pasar, dan penurunan pergantian karyawan.

Maintaining IT–Business Alignment

Dengan pertumbuhan volume, variasi, dan kecepatan data yang terus meningkat, perencanaan
IT jangka panjang menjadi semakin penting. Enterprise Architecture (EA) adalah cara struktur sistem dan proses IT dibangun, dan merupakan proses berkelanjutan dalam menciptakan, memelihara, dan memanfaatkan IT.

Ongoing Process of Leveraging IT

Menurut Gartner, EA adalah proses berkelanjutan dalam menciptakan, memelihara, dan memanfaatkan IT, membantu dalam mengatasi dua tantangan kritis: arah ke mana suatu organisasi akan menuju dan bagaimana cara mencapainya.

Pentingnya Fokus Strategis

EA harus dimulai dengan menetapkan arah strategis organisasi dan pengemudi bisnis yang dihadapi. Ini bertujuan untuk memastikan semua orang memahami dan berbagi visi tunggal. Fokus strategis EA adalah mengatasi kompleksitas sistem IT dan kesulitan organisasi dalam menjaga sistem IT yang semakin mahal sejalan dengan kebutuhan bisnis.

Manfaat Bisnis dan IT dari EA

EA mengurangi biaya IT dan meningkatkan produktivitas dengan memberikan akses pemangku keputusan ke informasi, wawasan, dan ide ketika dan di mana dibutuhkan.
EA menentukan daya saing, fleksibilitas, dan ekonomi IT organisasi untuk dekade mendatang.
EA membantu menyelaraskan kemampuan IT dengan strategi bisnis untuk tumbuh, berinovasi, dan menanggapi tuntutan pasar.
EA dapat mengurangi risiko pembelian atau pembangunan sistem yang tidak kompatibel atau mahal untuk dipelihara dan diintegrasikan.

Komponen Dasar EA

Business architecture: Proses yang digunakan bisnis untuk mencapai tujuannya.
Application architecture: Desain aplikasi spesifik dan interaksinya.
Data architecture: Organisasi dan akses penyimpanan data perusahaan.
Technical architecture: Infrastruktur perangkat keras dan perangkat lunak yang mendukung aplikasi dan interaksinya

Data Governance

Data governance adalah proses pembuatan dan persetujuan standar dan persyaratan untuk pengumpulan, identifikasi, penyimpanan, dan penggunaan data. Keberhasilan strategi atau upaya pemasaran berbasis data bergantung pada data governance yang efektif.

Manfaat Data Governance

Data governance memastikan keberlanjutan dan keandalan data yang digunakan dalam strategi dan upaya pemasaran.
Program data governance yang efektif membantu manajer mengetahui asal-usul data, kepemilikan, dan tanggung jawab terkait.
Data governance bersifat lintas perusahaan karena data melintasi batas dan digunakan oleh berbagai pihak di seluruh perusahaan.

Master Data dan MDM

Master data merujuk pada informasi inti yang mendefinisikan entitas kunci dalam suatu organisasi. Ini adalah data yang bersifat persisten dan tidak sering berubah, serta menjadi dasar bagi berbagai transaksi dan operasi perusahaan. Beberapa contoh entitas kunci yang termasuk dalam master data adalah:

Pelanggan: Informasi terkait pelanggan, seperti nama, alamat, nomor telepon, dan detail lainya
Produk: Deskripsi produk, soedifikasi, harga, dan atribut lainya
Vendor: Data terkait pemasok atau vendor, termasuk informasi kontak dan syarat syarat kontrak
Lokasi: Informasi mengenai lokasi fisik, cabang atau kantor perusahaan
karyawan: Data tentang karyawan, termasuk nama, jabatan, dan informasi personal lainya

Data Governance untuk Master Data, data goevernance adalah proses yang mengatur dan mengelola aspek aspek data, termasuk master data. Dalam Konteks master data, data governance melibatkan pembuatan dan persetujuan standar, kebijakan, dan prosedur yang memastikan ketersediaan, kegunaan, integritas, dan keamanan master data di seluruh organisasu

Fungsi data governance untuk master data melibatkan

Penelolaan Ketersediaan : memastikan master data tersedia ketika dibutuhkan dan dapat diakses oleh pihak yang berwenang
Pengelolaan Kegunaan : menentukan cara master data digunakan dalam berbagai prosess bisnis dan memastikan bahwa penggunaanya sesuai dengan kebijakan organisasi
Pengelolaan Integritas : memastikan bahwa master data tetap komsisten, akurat, dan sesyau dengan standar yang ditetapkan
Pengelolaan Keamanan : melibatkan kontrol akses terhadap master data untuk melindungi informasi yang bersifat sensitif atau rahasia

MDM (Mater Data Management) adalah suatu pendekatan atau solusi yang dirancang untuk mengelola, mengintegrasikan, dan memastikan kualitas serta konsistensi master data di seluruh organisasi. Tujuanya adala menciptakan sumber daya tunggal, otoritatif, dan dapat diandalkan untuk master data

Beberapa komponen kunci dalam MDM melibatkan

Pengenalan dan Pencocokan Data : Identifikasi dan penggabungan etitas yang sama dari berbagai sumber untuk mencegah adanya duplikasi atay inkosistensi
Pengelolaan Perubahan Data : Memastikan bahwa perubahan dalam master data dierkam, dilacak, dan dikelola secara terkontrol
Sinkronisasi Data : Menjaga konsitensi master data di seluruh sisten dan aplikasi yang menggunakanya
Kualitas Data : Menerapkan aturan dan standar kualitas data untuk memastikan keakuratan dan keberlanjutan master data
Manajemen Proses Bisnis : Integrasi MDM degan proses bisnis untuk memasttikan bahwa master data mendukung operasi perusahaan dengan efektif

Dengan MDM, organisas dapat mengoptimalkan pengelolaan master data, nebgurangi duplikasi meningkatkan akurasi, an meningkatkan kegunaan master data dakan senya aspek bisnis mereka. ini menjadi kunci untuk mendukung keputusan yang lebih baik, operasi yang lebih efisien, dan pengalaman pelanggan yang lebih baik

Information Systems

Sistem informasi (SI) dirancang untuk mencapai tuujuan Khusus, seperti pemrosesan pesanan pelanggan dan penggajian. Mereka mengumpulkan atau memasukan data, memprosesnya, dan mendistribusikan laporan atau keluaran lainya untuk mendukung pengambilan keupurusan dan prosess bisnis.

Data, Informasi dan pengetahuan

Data adalah bahan mentah yang mencatat berbagai aspek, sedangkan informasi adalah hasil pemrosesan data sehingga memiliki makna dan nilai. Pengetahuan mencakup data dan infotmasi yang diproses dan diorganisir untuk menyampaikan pemahaman, pengalaman, dan keahlian terkair dengan suatu masalah atau aktifitas

Tipe Sistem Informasi

Transaction Processing Systems (TPSs) : sistem ini menangani data transaksi harian, seperti pesanan pelanggan dan pembayaran gaji, untuk mencegah kehilangan penjualan dan kesalahan data keuangan
Management Information Systems (MISs) : sistem ini menyediakan laporan berkala untuk memantau operasi dan memberikan wawasan terkait efisiensi dan produktivitas.
Decision Support Systems (DDSs) : DDSs adalah aplikasi interaktid yang mendukung pengambilan keputusan, baik keputusan terstruktur maupun tidak terstruktur, dengan menggunakan model, formula dan data dari berbagai sumber

keputusan dapat testruktur atau tidak terstruktur. Sistem informasi mendukung oengambilan keputusan melalui DDSs, yang menyediakan antarmuka interaktif, model, dan data dari berbagai sumber untuk analisis sensitivitas, analisis skenario dan analisis resiko

Data Centers, Cloud Computing, and Virtualization

Data Centers dianggap sebaga ini operasional, cloud sebagai solusi dinamis, dan virtualisasi sebagai elemen kunci,

Data Centers

Data Centers merupakan kumpulan besar server jaringan yang digunakan untuk penyimpanan, pengolahan, manajemen, distribusi dan pengarsipan data, sistem. lalu lintas web, layanan, dan aplikasi perusahaan. Contoh pusar data mencakup National Climatic Data Center dan pusar data National Security Agency (NSA). Organisasi dapat memiliki pusat data sendiri atau menggunakan pusat data vendor melalui model cloud computing, virtualisasi, dan perangkat lunak sebagai layanan.

Kegagalan data centers memiliki dampak serius pada operasi bisnis, seperti terjadi pada Uber dan WharsApp. Outage dapat merugikan dan mengarah pada kehilangan peanggan.

Virtualization

Merupakan teknik yang menciptakan lapisan virtual dan mesin virtual (VM) untuk berjalan pada satu mesin fisik. hal ini memungkinkan berbagi sumber daya perangkat keras dan meningkarkan efisiensi penggunaan sumber daya

Cloud Computing

Cloud computing adalah model infrastruktur yang menggunakan Internet dan jaringan pribadi untuk mengakses, berbagi, dan memberikan sumber daya komputasi. Ini memberikan akses on-demand, mengurangi biaya infrastruktur, dan meningkatkan responsibilitas. Proses pemilihan penyedia cloud harus cermat dan mempertimbangkan faktor seperti keterlambatan, beban kerja, biaya, keamanan, pemulihan bencana, dan keahlian teknis. Keputusan ini menjadi kunci strategis dalam mengadopsi model cloud.

Proses pemilihan penyedia cloud harus cermat dan mempertimbangkan faktor seperti keterlambatan, beban kerja, biaya, keamanan, pemulihan bencana, dan keahlian teknis. Keputusan ini menjadi kunci strategis dalam mengadopsi model cloud.

Cloud computing menyediakan infrastruktur dinamis yang memberikan akses on-demand untuk aplikasi dan daya komputasi. Ini membantu perusahaan menjadi lebih responsif terhadap perubahan bisnis.

Virtualisasi menciptakan lapisan virtual untuk menjalankan beberapa mesin virtual pada satu mesin fisik. Ini meningkatkan fleksibilitas aset IT dan mengurangi biaya melalui konsolidasi sumber daya.

Studi Kasus: Liberty Wines

Liberty Wines menghadapi tantangan kapasitas server saat bisnis berkembang. Solusi virtualisasi mengurangi jumlah server fisik, menghemat biaya energi, meningkatkan stabilitas, dan mempercepat proses bisnis. Hal ini mencerminkan penerapan sukses dari konsep-konsep pusat data, cloud computing, dan virtualisasi.

Cloud Services Add Agility

Konsep "As a Sercice" (XaaS)

Model komputasi awan menyediakan akses on-demand dan berbagai jenis sumber daya komputasi. Konsep "as a service" (XaaS) mencakup Software as a Service (SaaS), Platform as a Service (PaaS), Infrastructure as a Service (IaaS), dan Data as a Service (DaaS).

Cloud Computing Stack:

Terdiri dari tiga kategori utama: SaaS untuk pengguna akhir, PaaS untuk percepatan pengembangan aplikasi, dan IaaS untuk infrastruktur komputasi.

Software as a Services (SaaS)
- Model yang umum digunakan di mana perangkat lunak tersedia sesuai kebutuhan.
- Penyedia layanan meng-host aplikasi di pusat data mereka, diakses oleh pengguna melalui browser web standar.
- Contoh penyedia SaaS termasuk Salesforce.com, Google Docs, dan Prezi
Platform as a Service (PaaS):
- Memberikan platform standar yang menyatukan pengembangan, pengujian, dan implementasi aplikasi.
- Memungkinkan penciptaan aplikasi web dengan cepat tanpa kompleksitas membeli dan memelihara infrastruktur.
- Trendnya adalah penggabungan PaaS dengan IaaS untuk keuntungan lebih besar.
Infrastructure as a Service (IaaS):
- Memberikan infrastruktur komputasi sebagai layanan on-demand.
- Perusahaan membeli semua sumber daya komputasi sebagai layanan yang sepenuhnya dioutsourcing.
- Contoh penyedia IaaS termasuk Amazon Web Services (AWS) dan Rackspace.
Data as a Service (DaaS):
- Memungkinkan berbagi data di antara cloud, sistem, dan aplikasi tanpa memperhatikan sumber data atau lokasi penyimpanannya.
- Mengurangi risiko dan beban manajemen data dengan melibatkan pihak ketiga sebagai penyedia layanan cloud

Penerapan Layanan "As a Service":

Berbagai model "as a service" digunakan dalam berbagai aspek bisnis. Organisasi beralih ke layanan ini untuk mengurangi biaya, meningkatkan fleksibilitas, dan meningkatkan kinerja aplikasi bisnis kritis.

Tantangan dan Pertimbangan:

Meskipun layanan cloud membawa banyak manfaat, manajer perlu memahami manfaat dan trade-off. Keterlibatan pihak eksekutif dan hukum sangat penting, karena keputusan ini tidak hanya bersifat IT tetapi juga melibatkan isu-isu legal dan kepatuhan yang tinggi.

Manfaat Data Governance:

Data governance menjadi krusial, terutama dalam sektor kesehatan. Ketidakaturan data dapat menyebabkan risiko medis, breaches keamanan, dan biaya tambahan. Studi kasus di VUMC menunjukkan keberhasilan penerapan data governance untuk memastikan kualitas dan keamanan data.

Cari Blog Ini

Rangkuman Materi SI

Data Governance and IT Architeture Support Long-Term Perfomance