R C f i fRemove Confusion fromData Management Complexity

‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐

Increase the Probability of Data Quality Improvement Project SuccessData Quality Improvement Project Success

Manage the Forest and the Trees

Bridging the Gap Between Operations and Strategy

4 Keys to Eliminating Confusion From Data Management Complexityg p y

Roadmap for DAMA‐DMBoK Total Accountability

Variation Control Web Content Delivery

Data Management Improves Data Quality Project Likelihood of Success Data Quality Projects Have a High Risk of Failure Without a 

Data Management Model

j

Without Data Management the Approach is Arbitrary. It Has No Referenceable, Authoritative Sourceo Dependent on team experience training and intuitiono Dependent on team experience, training, and intuitiono Historically proven to be a high failure risk

Data Management Models Present All of the Questions and Issues That CouldApply

The Project Team Then Selects Those The Project Team Then Selects Those Questions and Issues That Do Apply

Data Management Does Add Complexity to Data Quality Improvement Projects

• Data Quality Improvement Projects are Complex• Data Management Adds to the Complexity But It

Q y p j

• Data Management Adds to the Complexity, But It Doesn’t Have to Add to the Confusion

• The Design and Content Delivery of Many Data• The Design and Content Delivery of Many Data Management Models Require Super‐Human Efforts to Comprehend and Implementp p

Navigate Through Complexity

Roadmap for DAMA‐DMBoKData Governance Context Diagram

Least addressed but very important to understanding what to do and when to do it. Activities placed in proper order provide clarity to work sequence.

Navigate Through Complexity

Roadmap for DAMA‐DMBoK

Clearly Defined Accountability for Inputs, Processes, and Outputs, p

Total AccountabilityData Governance Context Diagram

Supplier, Input, Process, Output, CustomerCombined with

Responsible Accountable Consult Inform

Total accountability combines SIPOC and RACI which are complimentary concepts. Every activity or process has inputs and outputs. Ownership and 

Responsible, Accountable, Consult, Inform

relationships are mandatory for success.

Clearly Defined Accountability for Inputs, Processes, and Outputs, p

Total Accountability

Supplier, Input, Process, Output, Customer Combined with Responsible, Accountable, Consult, Inform

Control Variation for Predictable QualityData Governance Context Diagram Variation Control

Data Management’s purpose is to enable continuous production of high quality data that supports the business. How? Identify and control variation that affects the predictability of data management process and activity outcomes.

Higher Variation Impact on Data Quality:• Unpredictable Quality• Incomplete• Incorrect

Lower Variation Impact on Data Quality:• Repeatable High Quality• Predictable Outcomes• Sustainable Processes

management process and activity outcomes.

• Redundant• Questionable and Unreliable Information• Higher Costs

• Reduced Redundancy• Reliable and Trusted Information• Lower Costs

Effective Data Management Controls Variation Over Time Increasing Predictability and Trustg y

• Culture of Effective CollaborationUpper Limit Goal Lower Limit Performance Level

Variation Under ControlCulture of Effective Collaboration

• Predictable Outcomes • Trusted Information• Effective Decision‐Making600

800

1000

1200

Upper Limit Goal Lower Limit Performance Level

g• Gain Competitive Advantages• Quickly Adapt to Competitive Business Trends

0

200

400

1 2 3 4 5 6 7 8 9 10

1400

Upper Limit Goal Lower Limit Performance Level

Variation Not Under Control• Feeds Silo Culture• Unpredictable Outcomes

400

600

800

1000

1200 • Unpredictable Outcomes• Unreliable Information• Lower Quality Decision‐Making• Unable to Adapt to Competitive

0

200

1 2 3 4 5 6 7 8 9 10

Unable to Adapt to Competitive Business Trends

Web Framework – Bring It All Together

This particular framework is based on the:The DAMA Guide to the Data Management Body of Knowledge (DAMA‐DMBOK Guide) and,The CMMI® Data Management Maturity (DMM)℠ Model

Today’s Reading Culture Requires Visually Intuitive, Clear, yet Comprehensive Delivery

Traditional Text‐Based Delivery Web‐Based Delivery

Source: Data Management Association ‐ Data Management Body of Knowledge

Centralized Access to All ResourcesVisually Intuitive Delivery of ContentPoint & Click Immediate Access to Required ResourcesLinks to Functions Policies Workflows Instructions Roles

No Central Repository for All ResourcesContent Scattered Across Multiple Documents and ApplicationsConstant Scrolling Reading and Searching Links to Functions, Policies, Workflows, Instructions, Roles 

and Responsibilities, Documents and Forms, Applications, Videos, and Other Resources as Needed

Constant Scrolling, Reading, and Searching for Required Information and ResourcesIntensive Content Reading Efforts

Frameworks Accommodate and Connect Various Aspects of Data Management

Content Navigation: Point and Click Resource Access or Traversing Thumbnails and Bookmarks

Dynamic point and click navigation enables stakeholders to immediately  access required resources Workflowsaccess required resources. Workflows clearly illustrate processes. Accountability relationships, specific procedural requirements, inputs and deliverables are immediately available at your fingertip. Clarity is provided to all stakeholders, even if they are not subject matter expertssubject matter experts.

PDF thumbnails and bookmarks require much more effort to navigate. Not all PDFs are created equal. In many cases, the user will have to create their own thumbnails and bookmarks. Authors concerned about protecting intellectual property rights may disable PDFproperty rights may disable PDF automation functions. 

Visual Workflows are Easier for Stakeholders to Understand and Follow vs. Walls of Text

Data Management Resource Center Data Governance Home Pageg

This particular framework is based on the:The DAMA Guide to the Data Management Body of Knowledge (DAMA‐DMBOK Guide) and,The CMMI® Data Management Maturity (DMM)℠ Model

Data Governance Suppliers, Inputs, & Requirement Details 

This particular framework is based on the:The DAMA Guide to the Data Management Body of Knowledge (DAMA‐DMBOK Guide) and,The CMMI® Data Management Maturity (DMM)℠ Model

Data Governance ‐ Primary Deliverables, Consumers, and Requirement Details

This particular framework is based on the:The DAMA Guide to the Data Management Body of Knowledge (DAMA‐DMBOK Guide) and,The CMMI® Data Management Maturity (DMM)℠ModelThe CMMI® Data Management Maturity (DMM)℠ Model

How Much of Your Data Management Knowledge Investment is Lost?g

• Project Completeo Consultants are Goneo Consultants are Gone o Internal Project Leads are Gone

Data Management Knowledge Inve$$$tment

Web Frameworks Provide Total Knowledge Capture, Transfer, and Fingertip AccessCapture, Transfer, and Fingertip Access• Web‐Based Process Centers Enable Knowledge Capture, Structure, and 

Data Management Centerg p , ,

Immediate Access as Data is Being Developed

• Process Frameworks Link Reference and• Process Frameworks Link Reference and Source Materials Between Data Management and Operations Centers

Operations Center

Confusion, Stress and Missed Milestones orOrderly, Tangible, and Measurable Progress

• Data quality improvement projects are critical components of sophisticated, complex domains

d l ll• Data management models are equally complex

• Adding data management does increase effort, but it doesn’t have to increase confusion

• Departmental, intellectual, and communication silos impede progress

• Professional technical writers exist for a reason Effective text‐based

• Centralized process centers provide stakeholders fingertip access to visually intuitive critical resources 

• Teams collaborate at a much higher for a reason. Effective text‐based content delivery is hard to create. Poorly done, it creates more confusion than productivity

glevel and across siloed boundaries

• Foundational tools, models, and procedures are in place to be leveraged in future projects

• Roadmaps and total accountability models bring order to chaos

• Clarity is brought to expectations and roles and responsibilitiesroles and responsibilities

• Ownerships and handoffs are clearly illustrated 

Roadmap to Measureable Successful Data Management Implementationg p

Poor Data Quality

Current SituationHigh Quality Data

DestinationData Management RoadmapPoor Data Quality• Error‐prone • Conflicting data from multiple sources

• Data is often incomplete• Data not validated

High Quality Data• Precise and complete• Accurate and complete attributes

• Timely, updated on the most current refresh cycle

• Data not consistent with industry standards

10

12

Low Predictability When  Variation is High

Variation Predictability

High Predictability When Variation is Low

• Consistent and reliable• Foundation based on  referenceable, authoritative sources

0

2

4

6

8

1 2 3 4 5

2

4

6

8

10

12

Variation Predictability

Control ChartLow Predictability ‐Variation Uncontrolled

01 2 3 4 5

8

10

12

Control ChartHigh Predictability ‐Variation Under Control

Upper Limit Target Lower Limit Actual

0

2

4

6

8

10

12

14

1 2 3 4 5

Upper Limit Target Lower Limit Actual

0

2

4

6

8

1 2 3 4 5

1 2 3 4 5

Eliminate Confusion Associated with Complexity

Visual Delivery of Complex y pDomain Content

_________________

Visually Connects the DotsReduces the “Figure‐It‐Out” Time

Dramatically Improves Collaboration

Gets everyone on the same page quicklypage quickly

Process Delivery Systems

Process Center Development• Domain Content DevelopmentDomain Content Development Policies, Guidelines, and Standards Domain Best Practices from Referenceable, 

Authoritative Sources• Definitions and Visualization of TotalDefinitions and Visualization of Total Accountability; SIPOC/RACI

• Key Performance Measure Development• End‐to‐End Process Maps Segmented by 

i l G

Contact:Henry Draughon

Logical Groups• Resource Directories• Applications, Forms, and Document Libraries

Process Delivery Systems(972) 980‐9041hdraughon@processdeliverysystems.comwww processdeliverysystems com

• Glossaries• Process Governance• Links to External Resources

www.processdeliverysystems.com