DAMA-DMBOK2, методология «Шесть сигм» и единое информационное пространство в области качества данных: оптимизация цепочек поставок данных

Содержание

1. Основные вызовы в области управления качеством данных
2. Рамочная структура DAMA-DMBOK
3. DAMA-DMBOK2 и технический, человеческий и культурный вызовы
4. Цепочка ценности данных
5. Цепочка поставок данных
6. Методология «Шесть сигм», метод DMAIC, диаграммы SIPOC
7. Контекстные диаграммы DAMA-DMBOK
8. Альтернативная рамочная структура DAMA-DMBOK и оптимизация цепочек поставок данных

Николай Скворцов Руководитель направления методологии Компания "1С: Логика Данных"

В предыдущей публикации мы рассмотрели вопросы построения единого информационного пространства в области качества данных с использованием для этой цели руководства DAMA-DMBOK2.

Теперь предлагается обсудить более подробно, каким образом такое пространство на основе DAMA-DMBOK2 помогает справиться с основными вызовами в области управления качеством данных, стоящими перед современной организацией.

1. Основные вызовы в области управления качеством данных

В 2022 году вышла книга выпускающего редактора второго издания Свода знаний по управлению данными (DAMA-DMBOK2 [1]) Лауры Себастьян-Коулман Meeting the Challenges of Data Quality Management («Ответы на вызовы в области управления качеством данных»)¹. В ней она описала пять основных проблем (вызовов), с которыми сталкиваются современные организации, выстраивая у себя систему управления качеством данных [2]:

1. Вызов со стороны данных (Data Challenge)
Если говорить коротко, то это означает, что организация должна хорошо знать и понимать свои данные, требования к ним, их взаимосвязи и связи с другими данными.

2. Вызов со стороны процессов (Process Challenge)
Для получения более качественных данных требуется понимание того, как на их состояние могут повлиять процессы, с помощью которых они создаются, и способы, которыми эти данные могут быть использованы. Нужно осознавать, что у процессов есть заказчики со своими ожиданиями.

3. Технический вызов (Technical Challenge)
Необходимо четко представлять, как выбор той или иной технологии повлияет на создание, доступность, использование и качество данных.

4. Человеческий вызов (People Challenge)
Производители и потребители данных должны обладать знаниями, информацией и навыками, необходимыми им для доступа к данным, их понимания и интерпретации. Это то, что называется data literacy (грамотность в области данных).

5. Культурный вызов (Culture Challenge)
В организации должна быть выработана корпоративная культура, включающая в себя обеспечение контроля за данными внутри организации и подотчетности за данные по всей цепочке их поставки. Это важное условие извлечения из данных ожидаемой ценности.

Кроме того, Коулман выделяет еще шестой (дополнительный) вызов — словарь (Vocabulary). При отсутствии согласованного корпоративного словаря в области качества данных даже термины «качество данных» или «достоверность данных» могут вызвать путаницу.

Как организациям наиболее эффективно справиться со стоящими перед ними вызовами и обеспечить необходимое качество данных?

Существенную помощь здесь может оказать единое информационное пространство в области качества данных и использование для его построения руководства DAMA-DMBOK2.

2. Рамочная структура DAMA-DMBOK

Более 30 лет назад была создана Международная ассоциация управления данными (Data Management Association International, DAMA), объединяющая профессионалов в области управления данными и призванная собирать, систематизировать и пропагандировать лучший опыт. Важная задача DAMA — выработка единой терминологии и рамочных структур (frameworks) знаний и подходов. По состоянию на февраль 2025 года ассоциация насчитывает 97 отделений по всему миру².

В 2009 году вышло первое издание руководства DAMA к своду знаний по управлению данными (DMBOK), заложившее фундамент развития и созревания комплекса профессий, относящихся к управлению данными. В 2017 году увидело свет второе издание — DAMA-DMBOK2, переведенное на русский язык [1]. В 2024 году оно было немного обновлено: вышло пересмотренное издание DAMA-DMBOK2 (DAMA-DMBOK2 Revised Edition). Обновление было направлено на устранение выявленных в предыдущей версии несоответствий и неточностей.

Основное назначение DMBOK — предоставление наиболее полного, точного и актуального введения в дисциплину управления данными:

• выработка общепринятого согласованного представления об областях знаний по управлению данными;
• определение руководящих принципов управления данными;
• предоставление стандартных определений для наиболее часто используемых понятий;
• обзор лучших практик, методов и методик, а также альтернативных подходов;
• краткий обзор общих организационных и культурных вопросов;
• уточнение границ сферы управления данными;
• предоставление рамочных структур управления данными.

Основная рамочная структура DAMA состоит из трех элементов: колесо DAMA (DAMA Wheel), шестиугольник факторов среды и контекстные диаграммы, — каждый из которых играет свою важную роль.

Колесо DAMA (DAMA Wheel) представляет собой круговую диаграмму, в которой выделено 11 областей знаний (функций) по управлению данными. Все они необходимы, чтобы систему управления данными организации можно было назвать зрелой.

По каждой области знаний управления данными в DMBOK подробно описаны основные факторы среды:

• процессы (работы; методы);
• люди (роли и обязанности; организация и культура);
• технологии (инструменты; результаты).

На специальной диаграмме факторы изображены в виде шестиугольника. Он отражает связи между людьми, процессами и технологиями.

Шестиугольник факторов среды служит ключом к прочтению контекстных диаграмм DMBOK. Контекстные диаграммы реализуют унифицированный подход к описанию областей знаний по управлению данными, который обеспечивает высокую степень наглядности. Каждая из них описывает отдельные элементы соответствующей области знаний, включая те, что относятся к процессам, людям и технологиям. О контекстных диаграммах мы подробно поговорим чуть позже.

Таким образом, элементы основной рамочной структуры DAMA играют следующие роли:

• колесо DAMA отражает состав областей знаний на верхнем уровне;
• на более низком уровне шестиугольник факторов среды выделяет общие структурные компоненты для всех областей;
• контекстные диаграммы позволяют представить детали этих компонентов для каждой области.

Как DAMA-DMBOK2 помогает ответить на вызовы, сформулированные Лаурой Себастьян-Коулман?

3. DAMA-DMBOK2 и технический, человеческий и культурный вызовы

Прежде всего остановимся на техническом и человеческом вызовах, связанных с пониманием технологий и грамотностью в области данных (data literacy).

Здесь важно то, что DAMA в своем руководстве комплексно рассматривает все факторы среды по всем функциям управления данными. Кристофер Брэдли³, один из ключевых авторов DMBOK1 и DMBOK2, отвечая в одном из интервью на вопрос о сотрудничестве DAMA c учебными заведениями, заметил, что сейчас основным драйвером такого взаимодействия является повышенный спрос на курсы по модной тематике больших данных и науки о данных, технологий искусственного интеллекта и машинного обучения. Эти курсы хорошо продаются, поэтому университеты, вынужденные зарабатывать деньги, основное внимание уделяют именно им. Брэдли называет это «опасно завышенными ожиданиями» от хайповых технологий. У людей создается обманчивое впечатление, что достаточно взять данные, поместить их в озеро данных — и «случится волшебство». Однако это не так. Эти технологии зависимы: их работа зависит от степени достоверности информации. Поэтому важно уделять внимание всем областям знаний по управлению данными, каждая из которых оказывает влияние на повышение их достоверности [3].

Еще один вызов, о котором говорит Себастьян-Коулман, — культурный, подразумевающий выработку корпоративной культуры работы с данными.

В упомянутом интервью Кристофер Брэдли подчеркнул, что, наряду с основной целью DMBOK — выработкой общего языка и единой рамочной структуры понятий и концепций, необходимых для эффективного сотрудничества профессионалов по управлению данными по всему миру, DAMA уделяет в этой книге большое внимание факторам бизнес-среды, в которой осуществляется управление данными. Один из важнейших факторов — культура работающей с данными организации.

Брэдли приводит известное выражение Питера Друкера⁴: «Культура ест стратегию на завтрак». Применительно к продвижению передового опыта управления данными это означает, что одновременно с внедрением новых решений, безусловно, нужно работать с культурой и нет смысла без учета культурных особенностей конкретной организации быть по настоящему смелым и предлагать нечто совершенно радикальное, потому что в этом случае ваша инициатива не проживет и дня. Автор DMBOK замечает: «Это как перезаряжать пулеметы, выходя из укрытия. Это очень смело, но вы не проживете еще один день. Чтобы двигаться вперед, нужно это понимать» [3].

Поговорим теперь о том, на чем делает акцент DAMA-DMBOK2 в части ответа на оставшиеся два вызова из перечня Себастьян-Коулман: вызов со стороны данных и вызов со стороны процессов. Рассмотрим сначала в этой связи два таких важных понятия, как цепочка ценности данных и цепочка поставок данных.

4. Цепочка ценности данных

В апреле 2024 года в Москве проходила конференция по анализу данных и технологиям искусственного интеллекта Data Fusion 2024. Выступая на ней, заместитель председателя Правительства Российской Федерации Дмитрий Чернышенко рассказал о новом национальном проекте «Экономика данных и цифровая трансформация государства», подлежащем реализации в период с 2025 по 2030 год (далее — нацпроект «Экономика данных»). В частности, он продемонстрировал интересный слайд, который обсуждался на одной из стратегических сессий правительства. На слайде цепочка создания ценности в нефтегазовой промышленности была сопоставлена с последовательностью операций по обработке и производству данных. Приведенная схема наглядно показывала, что процесс извлечения ценности из нефтегазовых ресурсов практически идентичен аналогичному процессу в отношении данных. С помощью различных технологий (например, таких как интернет вещей или индустриальный интернет) можно собирать данные. В качестве «трубопроводной сети» выступают сети передачи данных. В ЦОДах осуществляется переработка этих данных с использованием операционных систем и алгоритмов. И на выходе мы получаем «топливо» для инноваций — данные разного качества с учетом индивидуальных требований конкретных потребителей: государства, бизнеса, людей.

Концепции «цепочки ценности данных» (data value chain) и сопутствующей ей «цепочки поставок данных» (data supply chain) подробно рассмотрены в книге «Ценность ваших данных» [4] и в уже упомянутой книге Себастьян-Коулман [2]. Поэтому здесь мы их лишь кратко коснемся, обратив внимание на важность этих инструментов для управления качеством данных.

Цепочка ценности — это система взаимозависимых видов деятельности по выпуску компанией на рынок своей продукции. Эти виды деятельности направлены на создание потребительской ценности, благодаря которой покупатель приобретает товар или услугу. Они объединены связями, которые возникают, когда способ выполнения одного вида деятельности влияет на стоимость или эффективность других видов деятельности.

Когда все виды деятельности (процессы) систематизированы и схематически представлены в виде единой цепочки, становятся видны конкурентные преимущества продукта, резервы повышения его ценности и возможности для улучшения бизнес-процессов. Анализ цепочки ценности дает представление о том, как устроен бизнес.

С точки зрения управления качеством данных как продукции модель цепочки ценности подразумевает набор вопросов, которые можно задать о процессах, обеспечивающих перемещение данных [2]:

Входящая логистика

Какие затраты связаны с созданием или приобретением данных и их перемещением с места создания туда, где они будут использоваться? Какие подпроцессы могут улучшить подготовку данных, чтобы их было проще использовать и они могли использоваться многократно?

Операции

Какая работа требуется для обеспечения безопасности, доступности, актуальности и готовности данных к использованию? Какие существуют процессы, позволяющие многократно использовать данные? Как поддерживается работа с метаданными, упрощающими использование данных?

Исходящая логистика

Какие затраты связаны с распространением данных внутри организации? Где существует избыточность в хранении данных? Как стимулировать повторное использование данных и не допускать их тиражирования? Как можно упростить доступ? Как организация отслеживает эффективность использования данных?

Маркетинг и продажи

Каковы затраты на информирование потребителей данных о том, какие данные доступны? Какая информация доступна, для того чтобы побудить потребителей данных использовать источники данных, которые обозначены как «авторитетные источники» (authoritative sources), «системы записи» (systems of record) или «источники правды» (sources of truth)?

Здесь следует заметить, что аспекты маркетинга и продаж в цепочке ценности данных часто игнорируются и это приводит к снижению выгоды для организации. Инвестиции в информирование потребителей данных о существующих источниках данных могут повысить ценность за счет уменьшения избыточности данных. Избыточные данные напрямую снижают ценность (создание и хранение избыточных данных требует времени и денег) и увеличивают риск (избыточные копии данных с большей вероятностью не будут синхронизированы со своими источниками и друг с другом).

Сервис

Каковы затраты на ведение данных и поддержку их использования? Как потребители данных информируются об изменениях и обновлениях данных? Как они информируются об уровне качества данных? Как они узнают о проблемах, которые могут повлиять на использование данных?

Анализ цепочки ценности позволяет получить знания об операционной деятельности организации, включая факторы, определяющие затраты для каждого вида деятельности, и взаимосвязи между видами деятельности. Понимание того, как виды деятельности зависят друг от друга, может помочь организации определить возможности для снижения как затрат, так и рисков.

Анализ цепочки ценности также может быть использован для улучшения продуктов путем выявления действий, которые создают характеристики, наиболее ценные для клиентов, и поиска возможностей для организации отличать свои товары и услуги от товаров и услуг конкурентов.

5. Цепочка поставок данных

Цепочка поставок — это сеть, объединяющая всех людей, организации, ресурсы, виды деятельности и технологии, участвующие в создании и продаже продукта, начиная с поставки исходных материалов от поставщика производителю и заканчивая их конечной доставкой конечному потребителю. Визуальное представление взаимосвязей в этой сети — первый шаг к снижению этой сложности.

На рис. 1 представлена упрощенная схема цепочки поставок данных для страховой медицинской компании.

Рис. 1. Упрощенная схема цепочки поставок данных для страховой медицинской компании [2]

Данные о клиентах (организациях, предоставляющих медицинские льготы своим сотрудникам), участниках (сотрудниках, которые получают эти льготы) и продуктах (сами льготы) объединяют, чтобы определить, кто имеет право на получение тех или иных льгот в определенное время. Данные о поставщиках медицинских услуг, заключаемых с ними договорах и медицинских сетях, в которые они входят, используют (в сочетании с данными о соответствии требованиям) для осуществления страховых выплат.

Страховая история конкретного клиента используется страховщиком для определения размера страхового взноса, а клинические результаты лечения — для оценки поставщиков медицинских услуг. Рейтинги поставщиков влияют на условия договоров с ними. Значительная часть описанных данных затем используется в финансовой отчетности [2].

В принципе, цепочку поставок данных можно рассматривать как одну из форм представления происхождения данных (data lineage). Разница в том, что схема data lineage обычно ориентирована на детальное отражение всех шагов по трансформации данных в процессе их перемещения, а цепочка поставок данных подробно описывает, кто создает и использует данные и для каких целей. Ее оптимизация позволяет кардинально повысить эффективность цепочки ценности данных путем снижения совокупных затрат в отдельных звеньях [2, 4].

Даже приведенная нами упрощенная схема цепочки поставок показывает, что существуют сложные взаимоотношения между производителями и потребителями данных, причем большинство систем и процессов играют обе роли. Цепочки поставок — это удобная метафора для визуализации, определения, уточнения и оценки процессов и ресурсов, поддерживающих жизненный цикл данных. Они позволяют улучшить взаимодействие между отдельными функциями управления данными.

Очевидно, что хорошее понимание цепочек поставок является важным аспектом ответа на два вызова в области управления качеством данных (которые нам осталось обсудить в контексте применения DAMA-DMBOK2): вызов со стороны данных и вызов со стороны процессов.

Несмотря на то, что термин «цепочка поставок» звучит так, будто фокусируется на поставщике, на самом деле цепочки поставок разрабатываются с учетом потребностей клиента [2, 4]. Какие методы из современных практик обеспечения качества продукции, также ориентированных на клиента, можно позаимствовать в отношении оптимизации цепочек поставок данных?

6. Методология «Шесть сигм», метод DMAIC, диаграммы SIPOC

Современные требования к менеджменту качества, определенные в ГОСТ Р ИСО 9001-2015 «Системы менеджмента качества. Требования», сильно перекликаются с идеями концепции всеобщего управления качеством (Total Quality Management, TQM). Концепция TQM появилась в США в начале 1980-х годов. Она вобрала в себя практически все передовые подходы к управлению качеством продукции и услуг. Однако жизнь не стоит на месте и появляются новые концепции, которые, не отвергая философии TQM, смещают в ней некоторые акценты. Одна из наиболее популярных — методология «Шесть сигм» (Six Sigma), предложенная в 1986 году компанией Motorola [5].

В основе концепции, разработанной специалистами Motorola, лежит стремление организации достичь высокой конкурентоспособности без ошибок и ненужных затрат. Многие проекты «Шесть сигм» направлены на уменьшение потерь. Некоторые организации настаивают на том, чтобы их персонал использовал методологию «Шесть сигм», и требуют того же от своих поставщиков. Методология «Шесть сигм» основана на процессном подходе и сосредоточена на достижении стратегических целей бизнеса.

Важной особенностью методологии «Шесть сигм» является четкая направленность на потребности клиента, которые воспринимаются как приоритетные (учет «голоса потребителя» (Voice Of the Customer, VOC)). Если TQM превращает улучшение качества в составную часть повседневной работы, без четкой связи с конкретными требованиями потребителя, то методология «Шесть сигм» направлена на решение наиболее важных проблем с их удовлетворением. В TQM инициативы проектов исходят преимущественно с рабочих мест, а в «Шести сигмах» — связаны с бизнес-стратегией [5].

В 2011 году Международная организация по стандартизации выпустила два стандарта, посвященных методологии «Шесть сигм» (ГОСТ Р ИСО 13053-1-2015 и ГОСТ Р ИСО 13053-2-2015). Они не противоречат стандарту ИСО 9001, а рассматривают «Шесть сигм» как один из подходов, который может помочь улучшить действующую систему менеджмента качества организации.

Вместо классического цикла Шухарта — Деминга PDCA (Plan, Do, Check, Action), определенного в требованиях к системам менеджмента качества по ГОСТ Р ИСО 9001-2015, в методологии «Шесть сигм» предложена его расширенная модификация — метод DMAIC (Define, Measure, Analyze, Improve, Control).

Как PDCA, так и DMAIC используются для улучшения процесса и его конечной продукции, но этапы в них определены по-разному: «планируй — делай — проверяй — действуй» в первом случае и «определение — измерение — анализ — улучшение — контроль» во втором.

Важная роль в DMAIC отводится этапу «Определение». Выходом этого этапа является положение о проекте, в котором перечислены основные проблемы проекта. Положение о проекте содержит описание проблемы и включает в себя данные о масштабе проблемы и ее влиянии на прибыль. Область применения проекта вместе с целями, которые должны быть реализованы к концу проекта, должны быть четко определены как в отношении производства (включая вопросы безопасности, если это существенно), так и в отношении финансов.

Один из ключевых инструментов методологии «Шесть сигм», используемый на этапе «Определение», — диаграммы SIPOC (suppliers, inputs, processes, outputs, consumers — поставщики, исходные данные, процессы, выходные данные, потребители). Это наглядные представления процессов, которые помогают рабочим группам проекта «Шесть сигм» проводить анализ всех пяти составляющих SIPOC и приходить к лучшему пониманию общего процесса в целом [5].

Получившие популярность благодаря методологии «Шесть сигм» диаграммы SIPOC стали широко использоваться и вне ее рамок [6]. В DAMA-DMBOK диаграммы SIPOC тоже взяты на вооружение. Это контекстные диаграммы областей знаний — третья составляющая основной рамочной структуры DMBOK.

7. Контекстные диаграммы DAMA-DMBOK

В отличие от колеса DAMA и шестиугольника факторов среды, контекстные диаграммы довольно редко упоминают. Возможно дело тут в не очень удачном визуальном решении на рисунках в DMBOK2, где они изображены не в «классическом» горизонтальном представлении, а наполовину вертикально (с книжной ориентацией). Тем не менее они могли бы стать важным пограничным объектом единого информационного пространства в области качества данных. Используя преимущества простоты и наглядности диаграмм SIPOC, они позволяют различным практическим сообществам сблизить взгляды на ту или иную область знаний по управлению данными, не углубляясь в объемный текст DMBOK2.

На рис. 2 представлен пример диаграммы SIPOC, соответствующий контекстной диаграмме DAMA-DMBOK2, в ее более наглядном горизонтальном представлении (с альбомной ориентацией).

Рис. 2. Диаграмма SIPOC: управление качеством данных

8. Альтернативная рамочная структура DAMA-DMBOK и оптимизация цепочек поставок данных

Хотя рассмотренная выше трехэлементная рамочная структура DAMA-DMBOK достаточно полна и подробна, у нее есть недостаток: ни один из трех ее элементов не описывает связи между различными областями знаний. У работающих с ней специалистов нет удобной схемы, наглядно отражающей целостное видение системы управления данными организации. В результате усилий, направленных на устранение данного пробела, основная структура была дополнена альтернативным представлением областей знаний DMBOK, связанным с жизненным циклом данных.

На рис. 3 приведено альтернативное представление колеса DAMA. Этот вариант представления отражает концепцию общей архитектуры областей знаний по управлению данными в виде диаграммы соответствующих функций управления данными и их взаимосвязей.

Диаграмма включает дополнительные детали, разъясняющие содержание некоторых областей там, где это необходимо для более четкого понимания соотношений.

Предлагаемая структура исходит из основной цели управления данными — предоставить организациям возможность извлекать выгоду из их информационных активов так же, как и из любого другого актива. Извлечение выгоды требует управления жизненным циклом данных, поэтому функции управления данными, относящиеся к конкретным фазам жизненного цикла, помещены в центральную часть диаграммы. Начинается все с моделирования и проектирования надежных и качественных данных; затем внедряются процессы и функции, обеспечивающие доступность данных для использования и возможности по их обслуживанию; и наконец, осуществляется использование данных в различных типах аналитики, за счет чего их ценность повышается [1].

Как представленная на рис. 3 диаграмма может помочь в оптимизации цепочек поставок данных?

При анализе того или иного звена выстроенной нами цепочки поставок данных мы имеем возможность легко сопоставить его с представленной на рис. 3 структурой функций управления данными и отобрать из этой структуры элементы, соответствующие конкретной ситуации в этом звене. Далее для каждой из отобранных функций можно на основе предлагаемой в DMBOK2 контекстной диаграммы построить диаграмму SIPOС, адаптировав ее к нашей ситуации. По сути дела, эта деятельность будет соответствовать этапу «Определение» метода DMAIC.

Важно, что при использовании рамочной структуры DMBOK в наше поле зрения попадут все необходимые для анализа функции управления данными, их взаимосвязи и внутренняя структура. Как мы видели, это очень существенно, c учетом сложности реальных цепочек поставок.

Таким образом, диаграммы SIPOC, соответствующие контекстным диаграммам DAMA, в сочетании с рамочной структурой функций управления данными (рис. 3), являются крайне полезными пограничными объектами (входящими в состав более сложного пограничного объекта — DAMA-DMBOK2). Они могут служить хорошей основой для создания единого информационного пространства в области качества данных в части ответа на оставшиеся два вызова из перечня Себастьян-Коулман. Диаграммы позволяют организации лучше понять свои данные (вызов со стороны данных) и процессы, с помощью которых они создаются и используются (вызов со стороны процессов).

В заключение, дополняя описание методологии «Шесть сигм», следует заметить, что в последнее время все чаще встречаются источники, рассматривающие возможности ее применения для обеспечения качества не только материальной продукции, но и исключительно данных.

Рис. 3. Рамочная структура функций управления данными в привязке к жизненному циклу [1]

Список источников

1. DAMA-DMBOK: свод знаний по управлению данными. Второе издание / DAMA International. — М.: Олимп-Бизнес, 2020.
2. Sebastian-Coleman L. Meeting the Challenges of Data Quality Management. Elsevier, 2022.
3. Интервью с Кристофером Брэдли (DAMA) // Data Literacy Project [Электронный ресурс] (видеозапись), 2021. — URL: https://dataliteracy.ru/dmbok
4. Кузнецов С., Константинов А., Скворцов Н. Ценность ваших данных. — М.: Альпина ПРО, 2022.
5. Ватсон Г. Методология «Шесть сигм» для лидеров, или Как достичь 3,4 дефекта на миллион возможностей / Пер. с англ. А.Л. Раскина; Под науч. ред. Ю.П. Адлера. — М.: РИА Стандарты и качество, 2006.
6. Brown C. Why and how to employ the SIPOC model // Journal of Business Continuity & Emergency Planning, Vol. 12, No. 3, 2019. — URL: https://www.henrystewartpublications.com/sites/default/files/JBC12.3Whyandhowtoemploythe%20SIPOCmodel.pdf

¹  Лаура Себастьян-Коулман (Laura Sebastian-Coleman) — известный эксперт по управлению данными, специализирующийся на качестве данных. Директор по качеству данных американской страховой и инвестиционной компании Prudential Financial. Автор книг Measuring Data Quality for Ongoing Improvement: A Data Quality Assessment Framework («Измерение качества данных в целях постоянного совершенствования: рамочная модель для оценки качества данных») (2013) и Navigating the Labyrinth: An Executive Guide to Data Management («Навигация по лабиринту: руководство для руководителей по управлению данными») (2018).
²  https://www.dama.org
³  Кристофер Брэдли (Christopher Bradley) — признанный идейный лидер в области управления данными, вице-президент DAMA по профессиональному развитию. Автор книги Data Modelling for the Business: A Handbook for Aligning the Business with IT using High-Level Data Models («Моделирование данных для бизнеса: руководство по согласованию бизнеса с ИТ с использованием высокоуровневых моделей данных») (2009).
⁴  Питер Друкер (Peter Ferdinand Drucker) — выдающийся американский экономист, публицист, педагог, один из самых влиятельных теоретиков менеджмента XX века.