Datakatalogeilla

Datakatalogeilla tarkoitetaan organisaatioiden käyttämien datakatalogijärjestelmien kokonaisuutta, jonka tavoitteena on löytää, ymmärtää ja hallita data-omaisuutta. Ne tallentavat metatietoja data-objekteista (esimerkiksi datasetteistä ja tietokannoista) sekä kuvaavat niiden omistajuutta, käyttöoikeuksia, lähteitä ja laatumittareita.

Datakatalogit tarjoavat hakutoiminnon, aihe- ja avainsanapohjaisen navigoinnin sekä näkyvyyden data-lineageen ja datan laadun arviointiin. Ne tukevat datan uudelleenkäyttöä ja mahdollistavat helpomman yhteistyön eri sidosryhmien välillä.

Usein datakatalogit hyödyntävät DCAT-standardia (Data Catalog Vocabulary). Suomessa on käytössä DCAT-AP-FI -profiili, joka helpottaa tiedonvaihtoa julkishallinnon ja yritysten välillä.

Esimerkkejä kaupallisista ratkaisuista ovat Informatica, Collibra, Alation sekä Microsoft Purview. Open-source-vaihtoehdoista ovat Amundsen, Apache Atlas ja CKAN. Datakatalogien valinta riippuu organisaation koosta, integraatioista sekä hallinnollisista vaatimuksista.

Haasteisiin kuuluu metatietojen ajantasaisuuden ylläpito, datan lähteiden ja käytön seuraaminen sekä asianmukaiset käyttöoikeudet ja tietoturva. Menestyksekäs käyttöönotto edellyttää roolitusta, vastuuhenkilöiden nimittämistä sekä jatkuvaa ylläpitoa ja koulutusta.