Azərbaycanda data idarəetməsi: banklar və dövlət qurumları üçün praktiki bələdçi

Data idarəetməsi hər data aktivinin sahibinin kim olduğunu, onun nə demək olduğunu, haradan gəldiyini və kimin istifadə edə biləcəyini müəyyən edən əməliyyat modelidir. Azərbaycanda bu işi daxili həvəsdən çox üç xarici qüvvə hərəkətə gətirir: Mərkəzi Bankın maliyyə institutları üzərində nəzarəti, Şəxsi məlumatlar haqqında qanun, və heç kimin zaminlik edə bilmədiyi data üzərində AI tətbiq etməyin praktiki mümkünsüzlüyü.

Dəyişən məhz sonuncu qüvvədir. On il boyunca bu bazarda data idarəetməsi bir cədvəl və bir işçi qrupu istehsal edən uyğunluq məşğuliyyəti idi. Sonra təşkilatlar öz datalarının üstünə dil modelləri qoymağa başladılar, dörd müştəri cədvəlindən hansının səlahiyyətli olduğunu heç kimin əminliklə deyə bilmədiyini gördülər — və idarəetmə könüllü olmaqdan çıxdı.

Bu dönüşün arxasındakı rəqəmlər artıq birmənalıdır. McKinsey-in 2026 üçün State of AI araşdırması göstərir ki, təşkilatların 88%-i ən azı bir biznes funksiyasında AI-dan müntəzəm istifadə edir, lakin yalnız 39%-i müəssisə səviyyəsində hər hansı EBIT təsiri bildirir və təxminən üçdə ikisi AI-ı pilotlardan kənara miqyaslandıra bilməyib. Gartner isə agentic AI layihələrinin 40%-dən çoxunun 2027-ci ilin sonuna qədər ləğv ediləcəyini proqnozlaşdırır — səbəblər arasında artan xərclər, aydın olmayan biznes dəyəri və yetərsiz risk nəzarəti göstərilir. Mənimsəmə ilə təsir arasındakı bu boşluq əksər institutda data idarəetməsi boşluğudur.

Bu bələdçi belə bir proqramı Azərbaycan bankında, nazirlikdə və ya böyük şirkətdə real olaraq idarə etməli olan adamlar üçün yazılıb. Fərz edir ki, sizdə üç dildə köhnə sistemlər, birbaşa suallar verən tənzimləyici və bir il ərzində nəticə göstərməli olan büdcə var.

Data idarəetməsi əslində nədir — və nə deyil

Data idarəetməsi əməliyyat modelidir. O, alət, departament və ya siyasət sənədi deyil — hərçənd hər üçünü istehsal edir.

Konkret desək, işləyən proqram təşkilatdakı istənilən data parçası haqqında dörd suala cavab verir:

1. Sahibi kimdir? Departament yox, adı olan konkret insan. "Bu düzgündürmü?" sualını verə biləcəyiniz və cavaba görə cavabdeh olan adam.
2. Nə deməkdir? Aktiv müştəri üçün risk, marketinq və tənzimləyici hesabatlığın eyni cür işlətdiyi bir tərif. Üç yox.
3. Haradan gəlib? Mənbə sistemindən hesabatdakı rəqəmə qədər tam yol, sütun-sütun.
4. Kim və nə üçün istifadə edə bilər? Datanın həssaslığına bağlanmış giriş qaydaları — 2019-cu ildə kiminsə açdığı tikete yox.

Əgər proqramınız ən vacib əlli data aktivi üçün bu dörd suala cavab verə bilmirsə, neçə siyasət imzalanmasından asılı olmayaraq, o proqram hələ mövcud deyil.

Nə deyil: data anbarı layihəsi, BI miqrasiyası və ya kataloq alışı. Kataloq idarəetmə üçün nə qədər vacib infrastrukturdursa, issue tracker mühəndislik üçün o qədər vacibdir — lazımlıdır, tək başına isə heç nə dəyməz.

Zəif idarəetmənin qiyməti

Bu sahədə ən çox istinad edilən rəqəm Gartner-dəndir: zəif data keyfiyyəti təşkilatlara ildə orta hesabla 12,9 milyon dollara başa gəlir. MIT Sloan Management Review-in Cork University Business School ilə birgə araşdırması itkini nisbi ifadədə daha yüksək qiymətləndirir — ciddi data keyfiyyəti problemləri olan təşkilatlar üçün illik gəlirin 15–25%-i.

Bunlar qlobal ortalamalardır, ortalamalar isə yaxşı səyahət etmir. Azərbaycan idarə heyətinin otağına tərcümədən sağ çıxan variant daha dar və mübahisə etməsi daha çətindir:

• Nəzarət hesabatlarının təkrar işi. Əl ilə yenidən qurulmalı olan hər tənzimləyici hesabat təcrübəli analitikin günlərini yeyir — təkrar-təkrar, həmişəlik.
• Təkrarlanan mühəndislik. Dörd komanda "aktiv müştəri"nin dörd versiyasını qurur, çünki heç biri birincisini tapa bilmirdi.
• Bloklanmış AI. İdarə olunmayan dataya yönəldilmiş axtarış sistemi əminliklə səhv cavablar qaytarır və layihə rəfə qoyulur — Gartner-in təsvir etdiyi ləğvetmə nümunəsi məhz budur.

Azərbaycanın bank sektorunun aktivləri 2026-cı il aprelin 1-nə təxminən 57,1 milyard manat (təxminən 33,6 milyard dollar) təşkil edib, illik 6,7% artımla. Bu miqyasda institutda səhv yönəldilmiş səyin faizin bir hissəsi belə bütöv idarəetmə proqramından böyük rəqəmdir.

Azərbaycan niyə həqiqətən fərqli mühitdir

Data idarəetməsi haqqında yazılanların çoxu ABŞ və ya Qərbi Avropa müəssisəsini nəzərdə tutur. Onun bir neçə fərziyyəsi burada işləmir.

Metadata üçdillidir, və bu, kosmetik problem deyil

Tipik böyük Azərbaycan təşkilatı metadata-sı eyni anda üç dildə olan sistemlər işlədir: azərbaycandilli əsas sistem, əvvəlki dövrdən və ya regional vendordan qalmış rusdilli köhnə tətbiq, və ingilisdilli müasir infrastruktur — bulud xidmətləri, analitika alətləri, son on ildə alınmış hər şey.

Nəticədə eyni biznes anlayışı bir-biri ilə əlaqəsi olmayan üç ad altında mövcuddur və heç biri səhv deyil. müştəri, клиент və customer eyni obyektə aiddir, və heç bir avtomatik uyğunlaşdırma onları birləşdirməyəcək, çünki ortaq bir hərfləri belə yoxdur.

Bu, Azərbaycan idarəetmə proqramında ən çox az qiymətləndirilən xərcdir. Təşkilatlar bunu tərcümə tapşırığı kimi büdcələşdirir və sonra modelləşdirmə tapşırığı olduğunu görürlər: siz etiketləri tərcümə etmirsiniz, bu üç cədvəlin bir anlayışı təsvir etdiyinə qərar verirsiniz — və bu qərar üçün biznesi hər üç dildə başa düşən insan lazımdır.

Praktiki nəticə: biznes lüğətiniz birinci gündən çoxdilli olmalıdır — bir kanonik anlayış və ona bağlanmış dil etiketləri, üç paralel lüğət yox. Min termin kataloqlaşdırıldıqdan sonra bunu geriyə doğru düzəltmək həm baha, həm də ruhdan salandır.

Tətbiq on-premise-dir, və bu, alət seçimini kəskin məhdudlaşdırır

Mərkəzi Bankın nəzarəti altındakı banklar və vətəndaş datası ilə işləyən dövlət qurumları, bir qayda olaraq, bu datanı xarici ictimai buludda yerləşdirə bilmirlər.

Bu, Şəxsi məlumatlar haqqında qanundan irəli gəlir: qanun şəxsi məlumatları emal edən informasiya sistemlərini müvafiq icra hakimiyyəti orqanında dövlət qeydiyyatına alınmasını tələb edir və transsərhəd ötürülməyə yalnız təyinat ölkəsi adekvat müdafiə təmin etdikdə, subyekt razılıq verdikdə və ya ötürülmə müqavilənin icrası üçün zəruri olduqda icazə verir — milli təhlükəsizliyə və ya ictimai qaydaya təhlükə yaradarsa, tamamilə qadağan edir. Təfərrüatlar Azərbaycanda data rezidentliyi və şəxsi məlumatlar qanunu yazısındadır.

Elə bu tək məhdudiyyət müasir data idarəetməsi bazarının böyük hissəsini kənarlaşdırır. Tanınmış kataloqlar getdikcə daha çox yalnız-bulud və ya bulud-öncəlikli olur; on-premise isə daha az mühəndislik diqqəti alan köhnə səviyyə kimi təklif edilir. Alət qiymətləndirərkən "on-premise tətbiq oluna bilirmi" sualı funksiya siyahısındakı bir xana deyil — birinci filtrdir, və hər hansı digər meyardan daha çox vendoru siyahıdan çıxarır.

Tənzimləyici lineage soruşur, ekran şəkilləri isə onu qane etmir

Tənzimləyici hesabatlıq barədə nəzarət sualları adətən konkret formada olur: hesabatınızdakı bu rəqəm — göstərin, necə hesablanıb.

Əksər təşkilatda dürüst cavab dörd sistemdən, iki əl ilə uzlaşdırma addımından və konkret bir analitikin apardığı cədvəldən ibarət zəncirdir. Onu yenidən qurmaq günlər aparır və nəticə sübut yox, nağıldır.

Sütun səviyyəli lineage bu söhbətin xarakterini dəyişir. Nağıl əvəzinə siz hesabatdakı rəqəmdən mənbə sütununa qədər hər transformasiyadan keçən izlənmiş yolu təqdim edirsiniz — yaddaşdan deyil, sistemlərin özündən yaradılmış. Tənzimlənən Azərbaycan institutunda idarəetmə proqramının ən konkret və ən müdafiə oluna bilən qazancı budur, və biznes əsaslandırmasını qurarkən ondan başlamağa dəyər.

Kadr bazarı dardır, ona görə proqram qəhrəmanlardan asılı olmamalıdır

Azərbaycanda təcrübəli data steward-ları çox deyil. Bir neçə müstəsna adamın ətrafında qurulmuş proqram onlardan ikisi işdən gedəndə dağılacaq.

Bunu nəzərə alaraq layihələndirin: steward-lığı yeni ixtisas karyerası kimi deyil, mövcud biznes rollarının müəyyən edilmiş hissəsi kimi qurun, hər steward-ın yükünü həqiqətən kiçik saxlayın və avtomatlaşdırıla bilən hər şeyi avtomatlaşdırın — profilləşdirmə, təsnifat, lineage toplama — ki, insan diqqəti yalnız mühakimə tələb olunan yerə düşsün.

Tənzimləyici amillər, praktiki gücünə görə

Azərbaycan Mərkəzi Bankının (AMB) nəzarəti. Banklar üçün ən güclü amil budur. AMB-nin Banklarda informasiya təhlükəsizliyinin idarə edilməsi haqqında Qaydaları Azərbaycanda fəaliyyət göstərən banklar üçün minimum informasiya təhlükəsizliyi tələblərini müəyyən edir və açıq şəkildə ISO/IEC 27000 seriyası standartları üzərində qurulub; 2022-ci il aprelin 1-dən qüvvədədir. AMB sonradan maliyyə bazarları üçün 2023–2026-cı illəri əhatə edən Kibertəhlükəsizlik Strategiyasını qəbul edib və maliyyə bazarlarında nəzarət olunan qurumlar üzrə informasiya təhlükəsizliyinin təmini tələblərini yayımlayıb. Maliyyə Sektorunun İnkişafı Strategiyası 2024–2026 eyni istiqaməti davam etdirir.

Bu sənədləri data idarəetməsi tələbləri kimi oxuyun, çünki praktikada onlar məhz belə davranır: aktivin sahibliyi, həssaslığa görə təsnifat, təsnifata bağlanmış giriş nəzarəti, və nəzarət hesabatındakı rəqəmin necə alındığını sübutla göstərmək bacarığı.

Şəxsi məlumatlar haqqında qanun. Qanun şəxsi məlumatların emalı ilə bağlı öhdəliklər müəyyən edir: onları emal edən informasiya sistemlərinin dövlət qeydiyyatı — istisnalarla, xüsusən 1000-dən az subyekti əhatə edən sistemlər üçün — emal üçün hüquqi əsas, və transsərhəd ötürülməyə məhdudiyyətlər. İdarəetmə dilində: hansı sütunlarınızın şəxsi məlumat saxladığını deyə bilmirsinizsə, şəxsi məlumatlarla bağlı öhdəliklərə əməl edə bilməzsiniz. Bu isə təsnifat problemidir, təsnifat problemi isə kataloq problemidir.

Milli AI və rəqəmsal siyasət. Azərbaycanın İnnovasiya və Rəqəmsal İnkişaf Agentliyi data idarəetməsini prioritet sahə kimi adlandıran 2025–2028-ci illər üçün Süni İntellekt Strategiyasını təsdiqləyib; 2026-cı il fevralın 27-də prezident sərəncamı ilə təsdiq edilmiş 2026–2028-ci illər üçün Rəqəmsal İnkişafın Sürətləndirilməsi üzrə Fəaliyyət Planı isə rəqəmsallaşma, AI, innovasiya ekosistemi və kibertəhlükəsizlik üzrə 58 təşəbbüs daşıyır. Rəqəmsal İnkişaf Şurası ilk iclasını 2026-cı il iyunun 29-da keçirib və AI üzrə qanunvericilik çərçivəsini gündəliyə salıb. Dövlət qurumları üçün nazirliyin ölçəcəyi istiqamət budur.

Aİ-nin AI Act-i — Avropa müştəriləri olanlar üçün. Aİ müştəriləri olan Azərbaycan şirkətləri üçün getdikcə daha aktualdır və data idarəetməsi öhdəliklərini birbaşa gətirir: yüksək riskli AI sistemləri təlim datasının keyfiyyəti, mənşəyi və sənədləşdirilməsi üzrə kataloqsuz yerinə yetirilməsi mümkün olmayan tələblər daşıyır. Nəzərə alın ki, vaxt cədvəli dəyişib — Reqlament (Aİ) 2026/1744 kimi qəbul edilmiş Digital Omnibus yüksək riskli öhdəliklərin çoxunu 2026-cı ilin avqustundan 2027-ci ilin dekabrına və 2028-ci ilin avqustuna keçirib, şəffaflıq öhdəlikləri və GPAI üzrə icra isə 2026-cı il avqustun 2-də başlayıb. Son tarix sürüşdü; data tələbləri yerində qaldı.

İdarəetmə proqramları burada konkret olaraq harada uğursuzluğa uğrayır

Bu bazarda təkrar-təkrar müşahidə olunan beş uğursuzluq nümunəsi.

İnventarizasiya əvəzinə siyasətdən başlamaq. Hansı datanın mövcud olduğunu heç kim bilmədən yazılmış idarəetmə siyasəti xəyali təşkilat haqqında sənəddir. O, təsdiqlənəcək, qovluğa qoyulacaq və unudulacaq. Əvvəlcə inventarizasiya: hansı sistemlər var, içində nə var, onlara kim toxunur. Ardınca gələn siyasət real bir şey haqqında olacaq.

Hər şeyi kataloqlaşdırmaq. 40 000 cədvəli olan və hamısını kataloqlaşdırmağa başlayan təşkilat üç ildən sonra hələ də kataloqlaşdıracaq və heç nə nümayiş etdirməmiş olacaq. Tənzimləyici hesabatlarda və rəhbərlik qərarlarında görünən iyirmi-əlli aktivi kataloqlaşdırın. Səhv olmağın nəticə doğurduğu aktivlər onlardır, və növbəti mərhələni maliyyələşdirəcək də onlardır.

Kataloqu son məhsul saymaq. Heç kimin açmadığı dolu kataloq — daha bahalı cədvəldir. Son məhsul davranış dəyişikliyidir: hesabat qurmazdan əvvəl lüğətə baxan analitik, sxemi dəyişməzdən əvvəl lineage-ə baxan mühəndis. Sətir sayını yox, bunu ölçün.

Səlahiyyəti və vaxtı olmayan steward təyin etmək. Dolu iş yükünün üstünə əlavə edilmiş, qərar hüququ olmayan steward-lıq bir xanada ad istehsal edir, başqa heç nə. Steward-a həftədə təxminən iki saat, tərif mübahisəsini həll etmək səlahiyyəti və bunu real iş sayan rəhbər lazımdır.

Bunu İT layihəsi kimi aparmaq. İT kataloqu tətbiq edə bilər. Aktiv müştərinin nə demək olduğuna qərar verə bilməz. İdarəetmə bütünlüklə İT-nin içində oturanda tərifləri onları verməyə biznes konteksti çatmayan adamlar verir, biznes nəticəni saymır və proqram səssizcə sönür. İdarəetmə güclü texniki dəstəyi olan biznes funksiyasıdır.

Nəticə verən 12 aylıq proqram

Elə ardıcıllıqla qurulub ki, hər mərhələ görünən nəticə istehsal edərək növbətisini maliyyələşdirsin.

1–2-ci aylar: əhatə və inventarizasiya

Bir sahə seçin. Bankda müştəri datası, nazirlikdə vətəndaş reyestri datası — beş sahəni səthi yox, bir sahəni dərin.

Oradakı sistemləri inventarlaşdırın. Hər cədvəli yox: sistemləri, sahiblərini, təxminən nə saxladıqlarını və data onların arasında necə hərəkət etdiyini. Bu, texniki iş qədər də müsahibə işidir və ilk həqiqətən faydalı artefaktı istehsal edir — əvvəllər yalnız insanların yaddaşında parça-parça mövcud olan ərazinin xəritəsi.

Nəticə: bir sahə üzrə sistem inventarı və data axını diaqramı.

3–4-cü aylar: kataloqu qurmaq, avtomatik toplamaq

Kataloqu ayağa qaldırın. Əhatəyə düşən mənbə sistemlərinə qoşun və texniki metadata-nı — sxemlər, sütunlar, tiplər, həcmlər — və lineage-i avtomatik toplamağa qoyun.

Konnektorun çıxara biləcəyi metadata-nı insanlara yazdırmayın. Kataloq məhsulunun dəyəri məhz sistemləri birbaşa oxumasındadır; onu əl ilə dolduran təşkilat wiki almış olur.

Nəticə: sahə üzrə texniki metadata və sistem səviyyəli lineage — yazılmış yox, toplanmış.

5–6-cı aylar: lüğət və onun başlatdığı mübahisələr

Bu sahədə əhəmiyyət daşıyan əlli-səksən biznes terminini müəyyən edin. Başlanğıcdan çoxdilli: bir anlayış, azərbaycanca, rusca və ingiliscə etiketlər.

Bu mərhələnin planlaşdırıldığından yavaş və mübahisəli keçəcəyini gözləyin. İdarəetmənin texniki olmaqdan çıxdığı yer məhz təriflərdir: iki departament illərdir aktiv müştərini fərqli işlətdiklərini kəşf edəcək — hər ikisi əsaslandırıla bilən şəkildə — və kimsə qərar verməlidir. Həmin mübahisə elə məqsəddir. Onu həll etmək kataloqdan daha dəyərlidir.

Nəticə: təsdiqlənmiş çoxdilli lüğət və nəyin, kim tərəfindən həll olunduğunu qeyd edən qərar jurnalı.

7–8-ci aylar: sahiblik və steward-lıq

Əhatədəki hər aktivə adı olan sahib təyin edin. Departamentlər yox, konkret insanlar.

Kiçik idarəetmə forumu qurun — altı-səkkiz nəfər, iki həftədə bir toplanan, mübahisəni həll etmək səlahiyyəti olan. Rüblük toplanıb hər şeyi yuxarı ötürən iyirmi nəfərlik komitə yox.

Nəticə: sahə üzrə təyin edilmiş sahiblik, işləyən qərar forumu, eskalasiya yolu.

9–10-cu aylar: ölçülə bilən yerdə data keyfiyyəti

Tənzimləyici hesabatları qidalandıran aktivlər üçün keyfiyyət qaydaları müəyyən edin. Tamlıq, etibarlılıq, vaxtındalıq, referensial bütövlük — avtomatik yoxlana bilən və pozulanda kiminsə həqiqətən reaksiya verəcəyi qaydalardan başlayın.

Sahibi olmayan xəbərdarlıq səs-küydür. Hər qaydanın adı olan alıcısı və razılaşdırılmış reaksiyası olmalıdır.

Nəticə: ən vacib iyirmi aktiv üzrə avtomatik keyfiyyət yoxlamaları və ünvanlanmış xəbərdarlıqlar.

11–12-ci aylar: sübut edin, sonra genişləndirin

Bir tənzimləyici hesabatı götürün və kataloq vasitəsilə uçdan-uca izləyin — təqdim edilmiş rəqəmdən hər mənbə sütununa qədər. Bunu həmin rəqəmə görə cavab verməli olan adamların gözü qarşısında edin.

İkinci ili maliyyələşdirən məhz bu nümayişdir. O, idarəetməni mücərrədlikdən institutun görə bildiyi imkana çevirir.

Nəticə: nümayiş etdirilmiş uçdan-uca lineage izi və növbəti sahə üçün əhatəsi müəyyən edilmiş plan.

Kataloq nə edir, nə etmir

Bunu açıq yazmağa dəyər, çünki ilk söhbətlərdə yanlış təsəvvür demək olar ki, universaldır.

Data kataloqu baza deyil. O, sizin datanızı saxlamır. O, datanız haqqında metadata saxlayır — harada yaşayır, adı nədir, nə deməkdir, sahibi kimdir, haradan gəlib, necə axır. Datanız olduğu yerdə qalır.

Bu, burada başqa yerlərdən daha vacibdir, çünki on-premise təhlükəsizlik baxışında ilk sual adətən alətin datanı bayıra köçürüb-köçürmədiyidir. Köçürmür. Kataloq qoşulur, strukturu və statistikanı oxuyur və metadata-nı öz anbarına yazır.

Nə verir: sistemlər arası axtarış, texniki sütunlara bağlanmış biznes tərifləri, avtomatik sütun səviyyəli lineage, həssaslıq təsnifatı, keyfiyyət qaydalarının icrası və giriş sorğusu iş axını.

Nə vermir: qərarlar. Dörd müştəri cədvəlinizdən hansının səlahiyyətli olduğunu sizə deməyəcək. Dördünün mövcud olduğunu göstərəcək — kiminsə qərar verməsi üçün zəruri olan şərt isə budur.

Mexanikanı data kataloqu nədir yazısında açırıq.

Bu bazar üçün platforma seçimi

Bu ardıcıllıqla filtrləyin. İlk ikisi siz funksiyalara baxmamışdan əvvəl bazarın böyük hissəsini kənarlaşdırır.

1. Birinci dərəcəli məhsul kimi on-premise və air-gapped tətbiq. Köhnə səviyyə kimi yox. Soruşun: on-premise versiya sonuncu dəfə nə vaxt bulud buraxılışı ilə funksiya paritetinə çatıb.
2. Real işlətdiyiniz sistemlər üçün konnektor əhatəsi. Oracle, MS SQL, SAP, 1C, mainframe ixracları və mövcud konkret core banking sistemi. Əsas sisteminizi oxuya bilməyən kataloq dekorativdir.
3. Əsl sütun səviyyəli lineage — SQL və ETL kodundan parse edilmiş, interfeysdə əl ilə çəkilmiş yox; sonuncu çəkildiyi həftənin ardınca köhnəlir.
4. Çoxdilli lüğət dəstəyi — bir anlayış, bir neçə dil etiketi. Bunu ayrıca yoxlayın; bir neçə məhsul hər tətbiq üçün bir dil olduğunu fərz edir.
5. Texniki olmayan steward-lar üçün istifadə edilə bilən interfeys. Sizin steward-larınız risk zabitləri və məhsul menecerləridir. "Bunun sahibi kimdir" sualına cavab üçün alət SQL tələb edirsə, steward-lıq baş tutmayacaq.
6. Yerli tətbiq imkanı. Regionda onu tətbiq etmiş adamın olmadığı alət — tək başınıza istismar edəcəyiniz alətdir.

Gartner Data and Analytics Governance Platforms üzrə Magic Quadrant-ı 2025-ci ilin yanvarında yaradıb və 2026 buraxılışında qiymətləndirməni strukturlaşdırılmamış dataya, analitik modellərə və data məhsullarına genişləndirib, active metadata və avtomatlaşdırmaya daha çox çəki verib. Onu bazarın xəritəsi kimi oxuyun, qısa siyahı kimi yox: qiymətləndirdiyi oxlar arasında on-premise pariteti yoxdur — sizin birinci filtriniz isə elə odur.

Tətbiq etdiyimiz platforma OvalEdge-dir; alternativlərlə müqayisəsi burada iddia edilmək əvəzinə OvalEdge, Collibra və Alation müqayisəsi yazısında verilib.

Böyük büdcə olmadan necə başlamalı

Ən çox rast gəlinən əngəl budur: biznes əsaslandırması sübut tələb edir, sübut isə proqramı tələb edir.

Dövrəni dar əhatəli diaqnostika ilə qırın: bir sahə, dörd-altı həftə — nəticədə sistem inventarı, bir real hesabat üçün toplanmış lineage nümunəsi və tənzimləyici öhdəlikləriniz qarşısında sənədləşdirilmiş boşluq qiymətləndirməsi. İdarə heyətinin təsdiq etdiyi məhz bu artefaktdır — vendor təqdimatı yox.

Bunu kənardan strukturlaşdırmaq faydalıdırsa, bizim data idarəetməsi qiymətləndirməmiz məhz bu nəticələri verməyə qurulub.

Əsas məqamlar

• Data idarəetməsi alət deyil, əməliyyat modelidir. Alət lazımdır, amma kifayət deyil.
• Biznes əsaslandırması artıq uyğunluq qədər də AI-dır: təşkilatların 88%-i AI işlədir, yalnız 39%-i EBIT təsiri görür, və Gartner agentic AI layihələrinin 40%-dən çoxunun 2027-ci ilin sonuna qədər ləğv olunacağını gözləyir — əsasən idarəetmə səbəblərindən.
• Azərbaycanda bağlayıcı məhdudiyyətlər on-premise tətbiq, üçdilli metadata və lineage üzrə nəzarət tələbidir — standart beynəlxalq metodika bunların heç birinə cavab vermir.
• AMB-nin banklar üçün informasiya təhlükəsizliyi qaydaları — 2022-ci ilin aprelindən qüvvədə və ISO/IEC 27000 üzərində qurulub — praktikada data idarəetməsi mandatı kimi işləyir.
• Üçdilli metadata tərcümə deyil, modelləşdirmə problemidir. Lüğəti buna görə birinci gün layihələndirin.
• Əhatəni dar tutun və lineage-i real tənzimləyici hesabat üzərində sübut edin. Ondan sonrakı hər şeyi maliyyələşdirən həmin nümayişdir.