Úvod
V současném digitálním světě se zvyšuje význam správy a řízení datových aktiv. Data Governance je organizací DAMA International definována jako výkon autority a kontroly nad řízením datových aktiv. Organizace si postupně uvědomují, že data nejsou jen vedlejším produktem jejich činnosti, ale strategickým aktivem, které může přinést konkurenční výhodu. Data Governance neboli správa dat, se proto stává zásadním prvkem v podnikových strategiích. Tento koncept zahrnuje celou řadu procesů, pravidel a standardů, které mají za cíl zajistit kvalitu, bezpečnost a dostupnost dat v rámci organizace. (Data Administration Management Association et al., 2017)
Cíle analýzy
Hlavním cílem této analýzy je zhodnotit současný stav a význam správy dat (Data Governance). Zaměřuje se na identifikaci trendů a na hodnocení celkové atraktivity tohoto odvětví a jeho budoucího vývoje. Specifické cíle zahrnují:
- Analýzu rostoucího významu správy dat.
- Identifikaci klíčových oblastí a trendů správy dat na základě aktuálních studií a statistik.
Metodologie dosažení cílů
Pro dosažení cílů analýzy bude použita následující metodologie:
- Prozkoumání odborné literatury, článků a studií týkajících se správy dat (Data Governance).
- Analýza historického vývoje a aktuálních trendů v oblasti Data Governance s důrazem na významné události a změny.
- Analýza vývoje a frekvence zmínek o Data Governance od roku 1990 do současnosti s využitím dostupných statistik a grafů.
- Vyhodnocení výsledků studií jako BARC Data, BI and Analytics Trend Monitor 2024 a predikcí od Gartneru pro oblast dat a analytiky do roku 2028.
Rostoucí zájem o data governance
Napsané zmínky o „data governance“ od roku 1990 ukazují zajímavý trend. Termín „data governance“ se začal objevovat častěji v polovině až koncem 90. let, kdy se začínají rozvíjet praktiky správy dat. V prvním desetiletí 21. století narůstá frekvence, protože digitální data se stávají důležitými pro obchodní operace. Významný nárůst používání v druhém desetiletí 21. století odráží rostoucí důležitost správy dat s příchodem velkých dat, předpisů o ochraně dat (jako GDPR) a obecného důrazu na rozhodování založeného na datech. (Google Books Ngram Viewer, b.r.)
1 Vývoj frekvence používání termínu „Data Governance“ v knihách od roku 1990 do roku 2019
Graf vyhledávání termínu „Data governance“ na Google v období od roku 2004 do května 2024 ukazuje, že zájem o správu dat postupně rostl a v posledních letech dosáhl nových vrcholů. V počátečních letech byl zájem nízký, ale od roku 2008 začal pomalu růst, což odráží rostoucí uvědomění si významu kvalitních dat pro podnikání. Od roku 2015 zájem výrazně vzrostl, pravděpodobně v reakci na rychlou expanzi digitálních dat, přísnější regulační požadavky a dostupnost pokročilých technologií pro správu dat. V posledních letech, zejména během pandemie COVID-19, se význam správy dat ještě více zvýšil. (Google Trends, b.r.)
2 Trend vyhledávání termínu „Data Governance“ na Google v období od roku 2004 do roku 2023
BARC Data, BI and Analytics Trend Monitor 2024 ukazuje, že Data Governance zaujímá podstatnou roli v aktuálních trendech datové analytiky a řízení dat. Data Governance se v roce 2024 umístila na třetím místě v důležitosti, což zdůrazňuje její rostoucí význam pro organizace. Vysoké hodnocení Data Governance svědčí o tom, že organizace stále více investují do strategií a procesů, které zajišťují kvalitu, bezpečnost a dostupnost dat. Rovněž to ukazuje na důraz, který organizace kladou na data jako strategický zdroj pro rozhodování a inovace. Celkově infografika potvrzuje, že data governance je zásadním faktorem pro úspěšné využívání dat v podnikání a technologických strategiích.(BARC, 2023)
Predikce pro oblast dat a analytiky do roku 2028 od Gartneru zdůrazňují rostoucí význam data governance. Do roku 2026 bude 15 % velkých podniků hodnotit propojené governance programy pro efektivní řízení složitých meziorganizačních problémů. Očekává se, že 80 % organizací zavede více datových center v rámci své datové infrastruktury pro sdílení a řízení dat, a 20 % velkých podniků bude používat jednotnou platformu pro správu a automatizaci governance programů. Do roku 2026 se také rozšíří používání podnikových datových katalogů, což sníží adopci analytických katalogů alespoň o 20 %, a počet organizací využívajících aktivní praktiky metadat se zvýší na 30 %. Tyto trendy podtrhují význam Data Governance jako podstatný faktor pro úspěšné využívání dat a analytiky v organizacích. (Sarah James, Alan D. Duncan, 2023)
Hype cycle pro data a analytiku
Hype Cycle for Data and Analytics Governance 2023 poskytuje podrobný přehled o fázích vývoje různých technologií a inovací v oblasti správy dat a analytiky, znázorněných na grafu, který rozděluje tento vývoj do pěti hlavních fází. Na vodorovné ose je zobrazen čas a na svislé ose jsou očekávání. Každá technologie je také označena odhadem, za jak dlouho dosáhne svého vrcholu produktivity, přičemž bílý kruh znamená méně než 2 roky, modrý kruh 2–5 let, tmavě modrý kruh 5–10 let a žlutý trojúhelník více než 10 let. Symbol červeného kříže označuje technologie, které se stanou zastaralými před dosažením produktivní fáze. (Guido De Simoni, Saul Judah, Andrew White, 2023)
Fáze „Innovation Trigger“ je počátečním bodem, kdy se objevují nové technologie, které vyvolávají zájem médií a průmyslu. V této fázi se nacházejí oblasti jako „Connected Governance“ a „D&A Governance Platforms“. Tyto oblasti jsou teprve na začátku svého vývoje, a ještě nejsou široce adoptované ani osvědčené v praxi. (Guido De Simoni, Saul Judah, Andrew White, 2023)
Následuje fáze „Peak of Inflated Expectations“, kde technologie dosahují vrcholu nadsazených očekávání. Zde se nacházejí například „Governance of Digital Twins“, „Augmented MDM“, „AI Governance“ a „Augmented Data Quality“. V této fázi technologie získávají velkou pozornost a očekávání často přesahují reálné možnosti. Investice a zájem o tyto technologie jsou na vrcholu, ale reálné výsledky častokrát nedosahují očekávání. (Guido De Simoni, Saul Judah, Andrew White, 2023)
Ve fázi „Trough of Disillusionment“ dochází k poklesu nadšení, když se projeví problémy s výkonem a adopcí technologií. Technologie jako „D&A Stewardship“ a „Application Data Management“ se v této fázi nacházejí, protože organizace zjišťují, že realita neodpovídá počátečnímu nadšení. Některé technologie mohou být v této fázi dokonce opuštěny. (Guido De Simoni, Saul Judah, Andrew White, 2023)
Fáze „Slope of Enlightenment“ nastává, když se technologie začínají zotavovat z předchozí fáze a organizace začínají získávat reálné zkušenosti a pochopení jejich skutečné hodnoty. Příkladem jsou „Customer MDM „, „Master Data Management“ a „Multidomain MDM Solution“. V této fázi se technologie postupně zlepšují a organizace začínají chápat, kde a jak je lze efektivně využít. (Guido De Simoni, Saul Judah, Andrew White, 2023)
Poslední fáze „Plateau of Productivity“ představuje moment, kdy technologie dosahují široké adopce a prokazují svou hodnotu v praxi. Technologie jako „Product Data MDM“ se zde nachází, protože již prokázala svou užitečnost a stala se běžnou součástí praxe v mnoha organizacích. Adopce těchto technologií je na vzestupu a jejich riziko je výrazně sníženo. (Guido De Simoni, Saul Judah, Andrew White, 2023)
Hype Cycle poskytuje strategické rady pro organizace, kdy investovat do nových technologií a kdy počkat na jejich zralost. Doporučuje se vyhnout investicím do technologií pouze na základě nadšení, ale zároveň neignorovat technologie, které neodpovídají počátečním očekáváním. Organizace by měly být selektivně agresivní a investovat do technologií, které jsou pro jejich podnikání potenciálně přínosné, a využívat Priority Matrix pro hodnocení potenciálních výhod každé inovace. (Guido De Simoni, Saul Judah, Andrew White, 2023)
Innovation Trigger
Inovační spouštěč zahajuje období rychlého vývoje a rostoucího zájmu a může jím být uvedení nového produktu, zlepšení cena/výkon, přijetí respektovanou organizací nebo nárůst mediálního zájmu. Může jít také o vnější podnět mimo IT, jako je nová legislativa nebo ekonomická či politická krize. Některé inovace mají dlouhé období výzkumu a vývoje před dosažením rozhodujícího bodu. Hype Cycle začíná, když dostatečný počet zainteresovaných stran diskutuje o potenciálu inovace. Časový rozdíl mezi spouštěčem a vrcholem je často krátký. Sociální média mají obzvláště krátké období před vrcholem. Indikátory že inovace překonala spouštěč, zahrnují dostupnost k prodeji, omezený počet dodavatelů, potřebu úprav pro provozní prostředí a vysokou cenu. (Understanding Gartner’s Hype Cycles, 2018)
Connected Governance
Propojená správa (Connected Governance) je rámec, který poskytuje agilní reakci na scénáře, které zahrnují více podniků a geografických oblastí. Tento rámec umožňuje představenstvu dohodnout se na odpovědnosti pro aktivity jako je například dodržování GDPR v rozhodujících obchodních procesech. Dotčené orgány správy následně posoudí proveditelnost a dopad těchto požadavků na jejich současné operace. Tým pro propojenou správu musí vytvořit rámec a virtuální organizační strukturu, která zahrnuje zapojené osoby, jejich role a odpovědnosti, definování kritických obchodních procesů a identifikaci ukazatelů výkonu. Rámec využívá části existující správy v organizacích a umožňuje řešit složité problémy bez přidávání dalších vrstev byrokracie. (Guido De Simoni, Saul Judah, 2022; Guido De Simoni, Saul Judah, Andrew White, 2023)
Nicméně propojená správa nemusí být efektivní, pokud existující orgány správy fungují špatně, silové snahy brání výhodám propojené správy nebo se technologické platformy mění a nejsou kompatibilní s budoucími potřebami. Proto je důležité identifikovat strategické otázky vyžadující koordinovanou správu a navrhnout koncept propojené správy s využitím schopností platformy pro správu dat a analytiky. Technologie by neměly bránit propojení organizačních snah, ale měly by být využity k umožnění propojené správy. Tento rámec umožňuje organizacím efektivněji reagovat na měnící se tržní podmínky a nové regulace prostřednictvím koordinované správy a technologií. (Guido De Simoni, Saul Judah, 2022; Guido De Simoni, Saul Judah, Andrew White, 2023)
D&A Governance Platforms
Platformy pro správu dat a analýz (D&A) představují sadu integrovaných technologických funkcí, které pomáhají řídit a spravovat řadu politik týkající se zabezpečení, kvality, přístupu, uchovávání, ochrany osobních údajů a etiky. Poskytuje uživatelské prostředí pro nastavení a prosazování těchto zásad všem relevantním účastníkům. V současnosti je správa a řízení dat nejednotná, protože různé organizace používají různé technologie, což brání úspěchu. Soudržná technologická podpora může výrazně zlepšit všechny aspekty správy. Vedoucí pracovníci v oblasti D&A, kteří přijmou tyto platformy, budou mít prospěch ze schopnosti zmírnit riziko problémů, zvýšené produktivity, efektivity procesů správy a důvěry v data a analytiku. Tyto platformy také přinášejí nové možnosti objevování dat a jejich vztahů. Dále je vhodné minimalizovat počet nasazených nástrojů. (Guido De Simoni, Saul Judah, Andrew White, 2023)
Data Security Governance
Správa zabezpečení dat (DSG) umožňují organizacím posoudit a stanovit priority obchodních rizik spojených se zabezpečením dat, ochranou osobních údajů a dodržováním předpisů. Tímto způsobem mohou organizace zavést efektivní správa zabezpečení dat, které podporují obchodní výsledky a vyvažují rizika. DSG nabízí vyvážený přístup k určení, jak mají být data přístupná a využívána k podpoře obchodních cílů a zlepšení zákaznické zkušenosti, přičemž současně prosazuje vhodná opatření k zabezpečení dat a ochraně osobních údajů, aby se zmírnila rizika. (Guido De Simoni, Saul Judah, Andrew White, 2023)
Adaptive D&A Governance
Adaptivní správa dat umožňuje organizacím flexibilně reagovat na měnící tržní prostředí a efektivně využívat investice, minimalizovat rizika a maximalizovat hodnotu dat. Tento přístup podporuje pružné a pohotové rozhodovací procesy, které reflektují aktuální potřeby a strategie organizace. Adaptivní správa dat a analytiky představuje transformaci způsobů, jakými organizace využívají správu dat a mají z ní prospěch. Přijímání adaptivní správy dat ovlivňuje celou organizaci, nikoliv pouze datové programy. Aby správa dat přinášela obchodní hodnotu, musí být flexibilní a dynamická, aby vyhovovala měnícím se potřebám organizace. Na rozdíl od tradiční správy dat adaptivní přístup umožňuje organizacím lépe vyvažovat omezení a volnost při implementaci změn, což jim umožňuje lépe reagovat na dynamické tržní prostředí a využívat data jako strategický zdroj k dosažení dlouhodobých cílů. Gartner odhaduje, že do roku 2025 selže 80 % organizací, které se pokoušejí rozšířit digitální podnikání, protože nepřistupují ke správě dat moderním způsobem. (Gartner, 2022; Guido De Simoni, Saul Judah, Andrew White, 2023; Laurence Goasduff, 2022)
Data Observability
Data observability je technologie, která umožňuje organizacím neustále monitorovat, sledovat, upozorňovat a řešit problémy s datovou infrastrukturou, čímž snižuje a předchází chybám dat nebo výpadkům systému. Poskytuje přehled o tom, co se pokazilo na základě dohodnutých SLA (Service-level agreement) pro kvalitu a používání dat, hodnotí dopady a doporučuje řešení, čímž zlepšuje spolehlivost dat. Využíváním profilování dat, umělé inteligence nebo strojového učení a aktivních metadat hodnotí kvalitu dat, detekuje problémy, odesílá včasná upozornění, provádí analýzu příčin a poskytuje doporučení k řešení a prevenci problémů. To zajišťuje, že technické týmy mohou udržovat data, předcházet neplánovaným výpadkům a zlepšovat viditelnost kvality dat pro obchodní uživatele. Organizacím se doporučuje otestovat programy pozorování dat, upřednostňovat spolupráci mezi obchodem a IT a demonstrovat hmatatelné výhody sledováním zlepšení kvality dat a provozní efektivity. (Guido De Simoni, Saul Judah, Andrew White, 2023)
At the peak
V období na vrcholu nafouknutých očekávání je inovace hlavním tématem na sociálních sítích. Investoři chtějí mít tuto inovaci ve svém portfoliu, což podporuje vznik podobných společností. Jak se inovace šíří, přední společnosti ji přijímají, aby nezůstaly pozadu. Dochází k hromadnému efektu, kdy je inovace považována za univerzální řešení, bez ohledu na její vhodnost. Posiluje nadšení a tlak na přijetí inovace je intenzivní, často bez úplného pochopení všech rizik. Inovace jsou mnohdy tlačeny na hranici svých možností. Nadšení může trvat několik měsíců až několik let. (Understanding Gartner’s Hype Cycles, 2018)
AI Governance
Správa umělé inteligence (AI governance) je stále více uznávána pro zajištění etického a efektivního využití AI technologií. Správa AI je definována jako struktura pravidel, praktik a procesů, které zajišťují, že technologie AI podporuje a rozvíjí strategie a cíle organizace. Správa umělé inteligence je součástí adaptivní správy dat a analytiky, která se zabývá prediktivní a generativní povahou umělé inteligence. Generativní umělá inteligence a aplikace, jako je ChatGPT společnosti OpenAI, činí správu umělé inteligence nezbytnou. Používání předtrénovaných modelů umělé inteligence násobně stupňuje obavy z možných nebezpečí a rizik. Odpovědná umělá inteligence poskytuje společné mechanismy implementace a dodržování ohledně etiky a bezpečnosti. Důvěryhodnost a transparentnost zavádění AI je zajištěna prostřednictvím vysvětlitelnosti, zmírňování zkreslení, správy modelů a norem. Správa umělé inteligence minimalizuje nesprávné interpretace výsledků AI tím, že důkladně zkoumá důvěryhodnost zdrojů dat a vysvětlitelnost rozhodnutí AI. (Guido De Simoni, Saul Judah, Andrew White, 2023; Mäntymäki et al., 2022)
Augmented MDM
Augmented master data management (MDM) využívá grafovou analytiku, strojové učení a další pokročilé technologie k rozšíření tradičních schopností MDM, což snižuje manuální úkoly v oblasti správy dat. Tento přístup pomáhá nahlédnout do komplexních vztahů mezi aplikacemi a kmenovými daty, umožňující technologii aktivně podporovat adaptivnější a kontextově orientované přístupy k řízení kmenových dat. Augmented MDM je důležitý pro organizace, které chtějí urychlit digitální transformace, zejména pro oblasti zákazníků a produktů. Pomocí strojového učení a grafové analýzy lze identifikovat zdroje kmenových dat, odhalit dříve neznámé vztahy mezi entitami kmenových dat a zrychlit procesy, jako je řešení entit a kvalita dat. Augmented MDM umožňuje zvýšit příjmy díky rychlejšímu zpracování velkých datových souborů a zlepšení provozní efektivity snížením nákladů na provoz MDM programů. Přestože augmented MDM přináší mnoho výhod, je stále ve fázi vývoje, a to jak z pohledu poptávky zákazníků, tak zaměření dodavatelů. Doporučuje se pečlivě zvážit nabídky dodavatelů, kteří se zaměřují především na augmented MDM, a posoudit očekávané obchodní výsledky a případy užití. (Guido De Simoni, Saul Judah, Andrew White, 2023)
Responsible AI
Odpovědná umělá inteligence (AI) je široký pojem, který zahrnuje aspekty správných obchodních a etických rozhodnutí při přijímání AI. Odpovědná umělá inteligence zahrnuje organizační povinnosti a postupy, které zajišťují pozitivní, odpovědný a etický vývoj a provoz AI. V případech, kdy AI nahrazuje lidská rozhodnutí a vytváří nové artefakty, zesiluje jak pozitivní, tak negativní výsledky. Odpovědná AI umožňuje dosáhnout správných výsledků tím, že zajišťuje obchodní hodnotu a současně zmírňuje rizika. Vyžaduje to sadu nástrojů a metod, které jsou přijímány podniky, a stále více zavádí nové předpisy, které vyzývají organizace k odpovědným reakcím. Odpovědná umělá inteligence pomáhá získat důvěru a zajistit dodržování předpisů. Důležitost odpovědné AI stále roste, protože ovlivňuje všechny aspekty života a dotýká se všech vrstev společnosti. Zároveň s tím, jak se AI technologie rychle vyvíjejí, vznikají nové problémy, jako je používání ChatGPT nebo detekce deepfake. Organizace musí kombinovat různé aspekty odpovědné AI, jako je odpovědnost, diverzita, etika, vysvětlitelnost, spravedlnost, zaměření na člověka, provozní odpovědnost, soukromí, dodržování předpisů, řízení rizik, bezpečnost, transparentnost a důvěryhodnost.(Guido De Simoni, Saul Judah, Andrew White, 2023; Mäntymäki et al., 2022)
Governance of Digital Twins
Digitální dvojče je digitální reprezentace reálné entity nebo systému. Správa digitálních dvojčat je zásadní pro dosažení trvalé hodnoty, protože tradiční projektové přístupy k zavádění digitálních dvojčat neudrží hodnotu digitálních dvojčat po dlouhou dobu spojenou s mnoha fyzickými předměty, které představují. Organizace, které spravují digitální dvojčata, budou nejlépe připraveny dosáhnout dobrých obchodních výsledků. Neexistence průmyslových standardů nebo společných integračních rámců pro data, modely, analytiku nebo bezpečnost digitálních dvojčat často vede k jejich izolované správě, namísto integrované správy jako součásti investic. Doporučuje se vytvořit rámec pro správu digitálních dvojčat, která zdůrazňuje odpovědnost, předvídatelnost a transparentnost, a zajišťuje, aby všichni relevantní účastníci věděli, co se od nich očekává, jak budou informováni o výsledcích a jaké kroky budou podniknuty. (Definition of Digital Twin – Gartner Information Technology Glossary, b.r.; Guido De Simoni, Saul Judah, Andrew White, 2023)
Augmented Data Quality
Augmented data quality (ADQ) poskytuje schopnosti pro zlepšení objevování informací, návrhy na další kroky a automatizaci pomocí umělé inteligence (AI), strojového učení (ML), grafové analýzy a analytiky metadat. Tyto technologie mohou pracovat samostatně i společně, čímž vytvářejí síťové efekty, které zvyšují automatizaci a efektivitu řízení kvality dat napříč různými případy užití. ADQ technologie transformují konvenční a časově náročné manuální postupy tím, že zvyšují automatizaci a zlepšují vhledy. Zajištění vysoké kvality dat je zásadní pro datové a analytické snahy, zejména vzhledem k rychlému rozšiřování moderních datových prostředí a naléhavým požadavkům podniků. Augmented data quality umožňuje organizacím zlepšit provozní efektivitu snížením nákladů na provoz programů řízení kvality dat. Přijetí ADQ řešení a využití nových technologií je důležité pro zlepšení integrity dat, správy dat a celkového úspěchu v datovém ekosystému. (Guido De Simoni, Saul Judah, Andrew White, 2023)
Dvanáct trendů Data Governance
Atlan je moderní platforma pro správu dat, která umožňuje týmům efektivně spolupracovat a spravovat data v rámci celé organizace. Atlan integruje různé zdroje dat a poskytuje nástroje pro katalogizaci, profilování, monitorování a správu dat, což usnadňuje jejich nalezení, porozumění a využití. Díky využití umělé inteligence a automatizace Atlan zjednodušuje procesy správy dat, minimalizuje manuální práci a zlepšuje kvalitu dat. Na svém blogu Atlan zveřejnil 12 trendů správy dat pro rok 2024, čímž ukazuje své vedoucí postavení a aktuálnost v oblasti data governance. (The Top 12 Data Governance Trends in 2024, 2023)
Mezi klíčové trendy patří:
• Využití umělé inteligence a strojového učení při správě dat
• Ochrana osobních údajů a soulad s novými předpisy
• Správa kvality dat
• Správa datových linií a metadat
• Integrace cloudových řešení
• Decentralizované modely správy dat
• Správa dat v reálném čase
• Data jako služba (DaaS)
• Zvýšený důraz na etiku dat
• Spolupráce a zapojení komunity do správy dat
• Vznik datových jezer a datových katalogů
• Demokratizace dat
Tyto trendy ukazují směr, kterým se oblast data governance ubírá, a zahrnují nové technologie a přístupy, jako je AI, strojové učení, ochrana osobních údajů, integrace cloudových řešení a další. Každá organizace by měla tyto trendy přizpůsobit svým specifickým potřebám a nesnažit se pouze následovat přehnaná očekávání. Přijetím těchto trendů mohou organizace zlepšit správu dat, splnit regulační požadavky a strategicky využít data k dosažení svých obchodních cílů.
Závěr
Lze konstatovat, že Data Governance se stává nepostradatelným prvkem v organizacích, které usilují o získání konkurenční výhody prostřednictvím strategického využití dat. Od svého vzniku na konci 20. století prošel tento koncept významným vývojem, zejména v reakci na nárůst objemu dat a zavedení přísnějších regulačních požadavků, jako je GDPR. V posledních letech pandemie COVID-19 ještě více zdůraznila potřebu efektivní správy dat.
Současné trendy, jak ukazují různé studie a zprávy, včetně BARC Data, BI and Analytics Trend Monitor 2024 a predikcí od Gartneru, potvrzují rostoucí důležitost Data Governance. Organizace stále více investují do technologií a procesů, které zajišťují kvalitu, bezpečnost a dostupnost dat, což je klíčové pro jejich úspěch. Vývoj v oblasti adaptivní správy dat a nových technologií, jako je AI governance, poskytuje organizacím nástroje pro efektivní a etické využívání dat.
Pro úspěšnou správu datových aktiv je nezbytné nejen sledovat aktuální trendy a technologie, ale také strategicky plánovat jejich implementaci s ohledem na specifické potřeby organizace. Pouze tak mohou organizace plně využít potenciál, který Data Governance nabízí, a dosáhnout dlouhodobého úspěchu v dynamickém a vysoce konkurenčním prostředí.
Zdroje
BARC. (2023). Data, BI and Analytics Trend Monitor 2024. https://barc-research.com/research/bi-trend-monitor/bi-trend-monitor-registration/
Data Administration Management Association, Henderson, D., & Earley, S. (Ed.). (2017). DAMA-DMBOK 2: Data management body of knowledge (Second edition). Technics Publications.
Definition of Digital Twin—Gartner Information Technology Glossary. (b.r.). Gartner. Získáno 28. květen 2024, z https://www.gartner.com/en/information-technology/glossary/digital-twin
Gartner. (2022, duben 11). Why Modern Digital Organizations Need Adaptive Data Governance. Gartner. https://www.gartner.com/en/articles/choose-adaptive-data-governance-over-one-size-fits-all-for-greater-flexibility
Google Books Ngram Viewer. (b.r.). Získáno 26. květen 2024, z https://books.google.com/ngrams/graph?content=data+governance&year_start=1990&year_end=2019&corpus=en-2019&smoothing=3#
Google Trends. (b.r.). Google Trends. Získáno 26. květen 2024, z https://trends.google.com/trends/explore?date=2004-01-01%202024-05-26&q=Data%20governance&hl=cs
Guido De Simoni, Saul Judah. (2022). Connected Governance Drives Adoption of Data and Analytics Governance Platforms. https://anjanadata.com/wp-content/uploads/2023/01/Connected_Governance_766474_ndx-1.pdf
Guido De Simoni, Saul Judah, Andrew White. (2023, červenec 26). Hype Cycle for Data and Analytics Governance, 2023. https://www.gartner.com/doc/reprints?id=1-2EUSIGSM&ct=230831&st=sb
Laurence Goasduff. (2022). Choose Adaptive Data Governance Over One-Size-Fits-All for Greater Flexibility. https://www.gartner.com/en/articles/choose-adaptive-data-governance-over-one-size-fits-all-for-greater-flexibility
Mäntymäki, M., Minkkinen, M., Birkstedt, T., & Viljanen, M. (2022). Defining organizational AI governance. AI and Ethics, 2(4), 603–609. https://doi.org/10.1007/s43681-022-00143-x
Sarah James, Alan D. Duncan. (2023). Over 100 Data and Analytics Predictions Through 2028. Gartner. https://emt.gartnerweb.com/ngw/globalassets/en/doc/documents/over-100-data-and-analytics-predictions-through-2028-1.pdf?_gl=1*mal4rz*_ga*MzkxMDgxMTQyLjE3MTUyNjgyOTA.*_ga_R1W5CE5FEV*MTcxNjc5OTU4NS4zLjEuMTcxNjc5OTYxNi4yOS4wLjA.
The Top 12 Data Governance Trends in 2024. (2023, srpen 4). https://atlan.com/data-governance-trends/
Understanding Gartner’s Hype Cycles. (2018, srpen 20). Gartner. https://www.gartner.com/en/documents/3887767
