शॅडो आयटी: प्रत्येक संस्थेला सामोरे जाणाऱ्या धोके आणि फायद्यांचे संतुलन
सार
सेल्फ-सर्व्हिस रिपोर्टिंग ही आजची वचन दिलेली जमीन आहे. ते Tableau, Cognos Analytics, Qlik Sense, किंवा दुसरे विश्लेषण साधन असो, सर्व विक्रेते सेल्फ-सर्व्हिस डेटा शोध आणि विश्लेषणाचा प्रचार करत असल्याचे दिसते. स्व-सेवेसह शॅडो आयटी येते. आम्ही ते मांडतो सर्व संस्थांना सावलीत लपलेल्या छाया आयटीचा त्रास होतो, एक किंवा दुसर्या प्रमाणात. त्यावर प्रकाश टाकणे, जोखीम व्यवस्थापित करणे आणि जास्तीत जास्त फायदे मिळवणे हा उपाय आहे.
आढावा
या श्वेतपत्रिकेत आम्ही अहवालाची उत्क्रांती आणि घाणेरडे रहस्ये समाविष्ट करू ज्याबद्दल कोणीही बोलत नाही. वेगवेगळ्या साधनांना वेगवेगळ्या प्रक्रियांची आवश्यकता असते. कधी कधी विचारधाराही. विचारधारा "एकात्मिक प्रतिपादन, सिद्धांत आणि उद्दिष्टे आहेत जी सामाजिक-राजकीय कार्यक्रम तयार करतात." आम्ही मिळणार नाही आहोत सामाजिक-राजकीय पण मी व्यवसाय आणि आयटी कार्यक्रम सांगण्यासाठी शब्दाचा विचार करू शकत नाही. मी किमबॉल-इनमॉन डेटाबेसला वैचारिक वादविवाद अशाच प्रकारे विभाजित करण्याचा विचार करेन. दुसऱ्या शब्दांत, तुमचा दृष्टिकोन किंवा तुमचा विचार करण्याची पद्धत तुमच्या कृतींना चालना देते.
पार्श्वभूमी
जेव्हा IBM 5100 PC अत्याधुनिक होते, $10,000 तुम्हाला अंगभूत कीबोर्ड, 5K RAM आणि टेप ड्राइव्हसह 16-इंच स्क्रीन मिळेल 
फक्त 50 पौंडांपेक्षा जास्त वजन. अकाउंटिंगसाठी योग्य, हे लहान फाइलिंग कॅबिनेटच्या आकाराच्या फ्री-स्टँडिंग डिस्क अॅरेशी कनेक्ट केले जाईल. कोणतेही गंभीर संगणन अजूनही मेनफ्रेम टाईमशेअरवर टर्मिनल्सद्वारे केले जात होते. (प्रतिमा)
"ऑपरेटरडेझी-चेन केलेले पीसी व्यवस्थापित केले आणि बाह्य जगामध्ये प्रवेश नियंत्रित केला. ऑपरेटर्सची टीम, किंवा नंतरच्या दिवसातील सिसॅडमिन आणि डेव्हॉप्स, सतत वाढणाऱ्या तंत्रज्ञानाला समर्थन देण्यासाठी वाढली. तंत्रज्ञान मोठे होते. त्यांना सांभाळणारे संघ मोठे होते.
संगणक युगाच्या सुरुवातीपासून एंटरप्राइझ व्यवस्थापन आणि IT-नेतृत्वाखालील रिपोर्टिंग हे सर्वसामान्य प्रमाण आहे. ही विचारधारा “कंपनी” संसाधने व्यवस्थापित करते आणि आपल्याला आवश्यक असलेल्या गोष्टी प्रदान करते अशा स्थूल, पुराणमतवादी दृष्टिकोनावर बांधली गेली आहे. तुम्हाला सानुकूल अहवाल किंवा कालमर्यादेतील अहवालाची आवश्यकता असल्यास, तुम्हाला विनंती सबमिट करण्याची आवश्यकता आहे.
प्रक्रिया संथ होती. त्यात नावीन्य नव्हते. चपळ अस्तित्वात नव्हते. आणि, प्राचीन कारकुनी पूल प्रमाणे, आयटी विभाग ओव्हरहेड मानला जात असे.
तोटे असूनही, ते एका कारणासाठी केले गेले. असे करण्याचे काही फायदे होते. प्रत्येकाने अनुसरण केलेल्या प्रक्रिया होत्या. फॉर्म ट्रिपलीकेटमध्ये पूर्ण केले गेले आणि इंटरऑफिस मेलद्वारे पाठवले गेले. संपूर्ण संस्थेतील डेटा विनंत्या क्रमवारी लावल्या गेल्या, फेरफार केल्या गेल्या, प्राधान्य दिले गेले आणि अंदाजानुसार कार्य केले गेले.
एकच डेटा वेअरहाऊस आणि एकच एंटरप्राइझ-व्यापी रिपोर्टिंग साधन होते. केंद्रीय पथकाने तयार केलेला कॅन केलेला अहवाल अ सत्याची एकच आवृत्ती. जर आकडे चुकीचे असतील तर प्रत्येकाने त्याच चुकीच्या आकड्यांमधून काम केले. अंतर्गत सुसंगततेसाठी काहीतरी सांगायचे आहे. 
व्यवसाय करण्याच्या या पद्धतीचे व्यवस्थापन अंदाजे होते. ते अर्थसंकल्पीय होते.
मग एके दिवशी 15 किंवा 20 वर्षांपूर्वी, ते सर्व स्फोट झाले. क्रांती झाली. संगणकीय शक्ती विस्तारली. मूरचे कायदा - "संगणकांची प्रक्रिया शक्ती दर दोन वर्षांनी दुप्पट होईल" - पाळले गेले. पीसी लहान आणि सर्वव्यापी होते.
बर्‍याच कंपन्यांनी इतकी वर्षे वापरलेल्या अंतःप्रेरणाऐवजी डेटावर आधारित निर्णय घेण्यास सुरुवात केली. त्यांच्या लक्षात आले की त्यांच्या उद्योगातील नेते ऐतिहासिक डेटावर आधारित निर्णय घेत आहेत. लवकरच डेटा रिअल टाइमच्या जवळ आला. अखेरीस, अहवाल भविष्यसूचक बनला. सुरुवातीला हे प्राथमिक होते, परंतु व्यवसाय निर्णय घेण्यासाठी विश्लेषणे वापरण्याची ही सुरुवात होती.
व्यवस्थापनाला मार्केटप्लेस समजून घेण्यासाठी आणि चांगले निर्णय घेण्यास मदत करण्यासाठी अधिक डेटा विश्लेषक आणि डेटा वैज्ञानिकांची नियुक्ती करण्यात आली. पण एक मजेदार गोष्ट घडली. केंद्रीय आयटी संघाने कमी होत चाललेल्या वैयक्तिक संगणकांप्रमाणेच ट्रेंड पाळला नाही. ते लगेच अधिक कार्यक्षम आणि लहान झाले नाही.
तथापि, विकेंद्रित तंत्रज्ञानाच्या प्रतिसादात, आयटी संघ देखील अधिक विकेंद्रित होऊ लागला. किंवा, कमीत कमी भूमिका ज्या पारंपारिकपणे IT चा भाग होत्या, त्या आता व्यावसायिक घटकांचा भाग होत्या. डेटा आणि व्यवसाय समजणारे विश्लेषक प्रत्येक विभागात एम्बेड केलेले होते. व्यवस्थापकांनी त्यांच्या विश्लेषकांना अधिक माहिती विचारण्यास सुरुवात केली. विश्लेषक, यामधून, म्हणाले, “मला डेटा विनंत्या ट्रिपलीकेटमध्ये भरण्याची आवश्यकता आहे. या महिन्याच्या डेटा प्राधान्यक्रमाच्या बैठकीत ते लवकरात लवकर मंजूर केले जाईल. मग डेटासाठी आमच्या विनंतीवर प्रक्रिया करण्यासाठी IT ला एक किंवा दोन आठवडे लागू शकतात – त्यांच्या वर्कलोडवर अवलंबून. पण,… जर मला डेटा वेअरहाऊसमध्ये प्रवेश मिळाला तर मी आज दुपारी तुमच्यासाठी एक क्वेरी चालवू शकेन.” आणि म्हणून ते जाते.
सेल्फ सेवेकडे शिफ्ट सुरू झाली होती. आयटी विभागाने डेटाच्या कळांवर आपली पकड हलकी केली. अहवाल आणि विश्लेषणाच्या विक्रेत्यांनी नवीन तत्त्वज्ञान स्वीकारण्यास सुरुवात केली. तो एक नवीन नमुना होता. वापरकर्त्यांना डेटा ऍक्सेस करण्यासाठी नवीन साधने सापडली. त्यांनी शोधून काढले की जर त्यांना डेटामध्ये प्रवेश मिळाला तर ते नोकरशाहीला बायपास करू शकतात. मग ते त्यांचे स्वतःचे विश्लेषण करू शकतील आणि त्यांच्या स्वतःच्या क्वेरी चालवून टर्नअराउंड वेळ कमी करू शकतील.
स्वयं-सेवा अहवाल आणि विश्लेषणाचे फायदे
जनतेला डेटाचा थेट प्रवेश प्रदान करणे आणि स्वयं-सेवा अहवालामुळे अनेक समस्यांचे निराकरण झाले, 
- केंद्रित सर्व वापरकर्त्यांना समर्थन देण्यासाठी आणि सर्व प्रश्नांची उत्तरे देण्यासाठी एकल, दिनांकित, बहुउद्देशीय वारसा अहवाल आणि विश्लेषण साधनाची जागा सहज उपलब्ध असलेल्या उद्देशाने तयार केलेली साधने.
- चपळ. पूर्वी, व्यवसाय युनिट खराब उत्पादकतेमुळे बाधित होते. केवळ गेल्या महिन्याच्या डेटामध्ये प्रवेश केल्यामुळे चपळपणे कार्य करण्यास असमर्थता निर्माण झाली. डेटा वेअरहाऊस उघडल्याने व्यवसायाच्या जवळ असलेल्यांना अधिक वेगाने कार्य करण्यास, महत्त्वाचे ट्रेंड शोधण्याची आणि अधिक जलद निर्णय घेण्यास अनुमती देणारी प्रक्रिया लहान झाली. त्यामुळे डेटाचा वेग आणि मूल्य वाढले.
- सशक्त. वापरकर्त्यांना त्यांच्यासाठी निर्णय घेण्यासाठी इतरांच्या कौशल्यावर आणि उपलब्धतेवर अवलंबून राहण्याऐवजी, त्यांना त्यांचे कार्य करण्यासाठी संसाधने, अधिकार, संधी आणि प्रेरणा देण्यात आली. त्यामुळे, वापरकर्ते सेल्फ-सर्व्हिस टूल वापरून सशक्त झाले जे त्यांना डेटामध्ये प्रवेश आणि विश्लेषण स्वतः तयार करण्यासाठी संस्थेतील इतरांवर अवलंबून राहण्यापासून मुक्त करू शकते.
स्वयं-सेवा अहवाल आणि विश्लेषणाची आव्हाने
तथापि, प्रत्येक समस्येसाठी स्वयं-सेवा रिपोर्टिंगचे निराकरण केले, त्याने आणखी बरेच काही तयार केले. अहवाल आणि विश्लेषण साधने यापुढे IT टीमद्वारे केंद्रीयरित्या व्यवस्थापित केली जात नाहीत. त्यामुळे, जेव्हा एकच संघाने अहवाल व्यवस्थापित केला तेव्हा समस्या नसलेल्या इतर गोष्टी अधिक आव्हानात्मक बनल्या. गुणवत्तेची हमी, आवृत्ती नियंत्रण, दस्तऐवजीकरण आणि रिलीझ व्यवस्थापन किंवा उपयोजन यासारख्या प्रक्रिया जेव्हा लहान संघाद्वारे व्यवस्थापित केल्या जातात तेव्हा त्यांची काळजी घेतली जाते. जेथे अहवाल आणि डेटा व्यवस्थापनासाठी कॉर्पोरेट मानके होती, ते यापुढे लागू केले जाऊ शकत नाहीत. आयटीच्या बाहेर काय घडत आहे याबद्दल थोडी अंतर्दृष्टी किंवा दृश्यमानता नव्हती. चेंज मॅनेजमेंट अस्तित्वात नव्हते. 
या विभागनियंत्रित उदाहरणे जसे कार्य करतात सावली अर्थव्यवस्था जे 'रडार अंतर्गत' होणाऱ्या व्यवसायाचा संदर्भ देते, हे शॅडो आयटी आहे. विकिपीडियाने शॅडो आयटीची व्याख्या “माहिती तंत्रज्ञान केंद्रीय माहिती प्रणालीच्या उणिवांवर काम करण्यासाठी केंद्रीय IT विभागाव्यतिरिक्त इतर विभागांद्वारे तैनात (IT) प्रणाली. काही व्याख्या करतात सावली आयटी अधिक बroadआयटी किंवा इन्फोसेकच्या नियंत्रणाबाहेरील कोणताही प्रकल्प, कार्यक्रम, प्रक्रिया किंवा प्रणाली समाविष्ट करणे.
अरेरे! सावकाश. जर Shadow IT हा कोणताही प्रकल्प, कार्यक्रम, प्रक्रिया किंवा प्रणाली असेल ज्यावर IT नियंत्रित करत नाही, तर ते आमच्या विचारापेक्षा अधिक व्यापक आहे. हे सर्वत्र आहे. अधिक स्पष्टपणे सांगायचे तर, प्रत्येक संस्थेकडे Shadow IT आहे त्यांनी ते मान्य केले किंवा नाही. हे फक्त पदवीच्या बाबतीत खाली येते. शॅडो आयटीला सामोरे जाण्यात संस्थेचे यश हे मुख्यत्वे ते काही प्रमुख आव्हानांना किती चांगल्या पद्धतीने हाताळतात यावर अवलंबून असते. 
- सुरक्षा. छाया आयटीने तयार केलेल्या समस्यांच्या यादीच्या शीर्षस्थानी आहे सुरक्षा जोखीम. मॅक्रोचा विचार करा. संस्थेच्या बाहेर ईमेल केलेल्या PMI आणि PHI सह स्प्रेडशीटचा विचार करा.
- डेटा गमावण्याचा उच्च धोका. पुन्हा, अंमलबजावणी किंवा प्रक्रियांमधील विसंगतीमुळे, प्रत्येक वैयक्तिक अंमलबजावणी भिन्न असू शकते. यामुळे प्रस्थापित व्यवसाय पद्धती पाळल्या जात असल्याचे सिद्ध करणे कठीण होते. शिवाय, वापर आणि प्रवेशाच्या साध्या ऑडिट विनंत्यांचे पालन करणे देखील कठीण करते.
- अनुपालन समस्या. ऑडिट समस्यांशी संबंधित, डेटा ऍक्सेस आणि डेटा फ्लोची शक्यता देखील वाढते, ज्यामुळे नियमांचे पालन करणे अधिक कठीण होते. सरबनेस-ऑक्सले कायदा, GAAP (सामान्यतः स्वीकृत लेखा तत्त्वे), HIPAA (आरोग्य विमा पोर्टेबिलिटी आणि उत्तरदायित्व कायदा) आणि इतर
- डेटा ऍक्सेसमध्ये अकार्यक्षमता. जरी IT वितरित करणार्‍या समस्यांपैकी एक म्हणजे डेटाची गती ही सोडवण्याचा प्रयत्न केला जात असला तरी, अनपेक्षित परिणामांमध्ये वित्त, विपणन आणि HR मधील गैर-IT कामगारांसाठी छुपे खर्च समाविष्ट आहेत, उदाहरणार्थ, डेटाच्या वैधतेवर वाद घालण्यात, सामंजस्याने वेळ घालवणारे. त्यांच्या शेजाऱ्यांचे नंबर आणि त्यांच्या पॅन्टच्या सीटवर सॉफ्टवेअर व्यवस्थापित करण्याचा प्रयत्न करत आहेत.
- प्रक्रियेतील अकार्यक्षमता. जेव्हा तंत्रज्ञान एकापेक्षा जास्त व्यावसायिक युनिट्सद्वारे स्वतंत्रपणे स्वीकारले जाते, तेव्हा, त्यांच्या वापर आणि उपयोजनाशी संबंधित प्रक्रिया देखील असतात. काही कार्यक्षम असू शकतात. इतर इतके नाही.
- विसंगत व्यवसाय तर्क आणि व्याख्या. मानके स्थापित करण्यासाठी गेटकीपर नाही, चाचणी आणि आवृत्ती नियंत्रणाच्या अभावामुळे विसंगती विकसित होण्याची शक्यता आहे. डेटा किंवा मेटाडेटाकडे एकात्मिक दृष्टिकोनाशिवाय व्यवसायात यापुढे सत्याची एकच आवृत्ती नाही. विभाग सदोष किंवा अपूर्ण डेटावर आधारित व्यवसायिक निर्णय सहजपणे घेऊ शकतात.
- कॉर्पोरेट दृष्टी सह संरेखन अभाव. शॅडो आयटी अनेकदा ROI च्या प्राप्तीला मर्यादा घालते. विक्रेत्याचे करार आणि मोठ्या प्रमाणात सौदे करण्यासाठी वाटाघाटी करण्यासाठी असलेल्या कॉर्पोरेट प्रणाली काहीवेळा बायपास केल्या जातात. यामुळे संभाव्यत: जास्त परवाना आणि डुप्लिकेट सिस्टम होऊ शकतात. पुढे, ते संघटनात्मक उद्दिष्टे आणि IT च्या धोरणात्मक योजनांचा पाठपुरावा करण्यात व्यत्यय आणते.
मुख्य गोष्ट अशी आहे की सेल्फ-सर्व्हिस रिपोर्टिंगचा अवलंब करण्याच्या चांगल्या हेतूमुळे अनपेक्षित परिणाम झाले. आव्हाने तीन श्रेणींमध्ये सारांशित केली जाऊ शकतात: प्रशासन, सुरक्षा आणि व्यवसाय संरेखन.
कोणतीही चूक करू नका, व्यवसायांना आधुनिक साधनांसह रिअल-टाइम डेटाचा लाभ घेणारे सक्षम वापरकर्ते आवश्यक आहेत. त्यांना बदल व्यवस्थापन, प्रकाशन व्यवस्थापन आणि आवृत्ती नियंत्रणाची शिस्त देखील आवश्यक आहे. तर, सेल्फ-सर्व्हिस रिपोर्टिंग/बीआय ही लबाडी आहे का? स्वायत्तता आणि शासन यामध्ये संतुलन साधता येईल का? तुम्ही जे पाहू शकत नाही त्यावर तुम्ही राज्य करू शकता का?
ऊत्तराची
BI सेल्फ-सर्व्हिस स्पेक्ट्रम
जर तुम्ही त्यावर प्रकाश टाकला तर सावली ही सावली नाही. त्याच प्रकारे, सावली आयटीला पृष्ठभागावर आणले तर त्याला भीती वाटणार नाही. शॅडो आयटीचा पर्दाफाश करताना, व्यवसाय वापरकर्त्यांनी मागणी केलेल्या सेल्फ-सर्व्हिस रिपोर्टिंगच्या फायद्यांचा तुम्ही लाभ घेऊ शकता आणि त्याच वेळी प्रशासनाद्वारे जोखीम कमी करू शकता. गव्हर्निंग शॅडो आयटी हे ऑक्सीमोरॉनसारखे वाटते, परंतु प्रत्यक्षात, सेल्फ-सेवेवर देखरेख आणण्यासाठी एक संतुलित दृष्टीकोन आहे. 
मला आवडते या लेखकाचे सादृश्य (वरून घेतलेले किमबॉल) स्वयं-सेवा BI/रिपोर्टिंगची उपमा रेस्टॉरंट बुफेशी आहे. बुफे म्हणजे सेल्फ सर्व्हिस या अर्थाने तुम्हाला पाहिजे ते मिळवू शकता आणि ते तुमच्या टेबलवर परत आणा. याचा अर्थ असा नाही की तुम्ही स्वयंपाकघरात जाल आणि तुमचा स्टीक स्वतः ग्रिलवर ठेवणार आहात. तुम्हाला अजूनही त्या शेफची आणि तिच्या स्वयंपाकघरातील टीमची गरज आहे. सेल्फ-सर्व्हिस रिपोर्टिंग/बीआयच्या बाबतीतही असेच आहे, एक्सट्रॅक्शन, ट्रान्सफॉर्मेशन, स्टोरेज, सिक्युरिंग, मॉडेलिंग, क्वेरीिंग आणि गव्हर्निंगद्वारे डेटा बुफे तयार करण्यासाठी तुम्हाला नेहमी आयटी टीमची आवश्यकता असेल.
तुम्ही सर्व खाऊ शकता-बफेट हे साधेपणाचे असू शकते. आम्ही काय निरीक्षण केले आहे की रेस्टॉरंट किचन टीमच्या सहभागाचे वेगवेगळे अंश आहेत. काहींसोबत, पारंपारिक बुफेप्रमाणे, ते मागच्या बाजूला अन्न तयार करतात आणि जेव्हा ते खाण्यासाठी तयार होते तेव्हा स्मॉर्गसबोर्ड टाकतात. तुम्हाला फक्त तुमची प्लेट लोड करायची आहे आणि ती तुमच्या टेबलवर परत घ्यायची आहे. हे लास वेगास एमजीएम ग्रँड बुफे किंवा गोल्डन कोरल बिझनेस मॉडेल आहे. स्पेक्ट्रमच्या दुसर्या टोकाला, होम शेफ, ब्लू ऍप्रॉन आणि हॅलो फ्रेश सारखे व्यवसाय आहेत, जे रेसिपी आणि घटक तुमच्या दारापर्यंत पोहोचवतात. काही विधानसभा आवश्यक. ते खरेदी आणि जेवणाचे नियोजन करतात. बाकी तुम्ही करा.
मंगोलियन ग्रिल सारखी ठिकाणे कदाचित मंगोलियन ग्रिल सारखी ठिकाणे आहेत ज्यांनी साहित्य तयार केले आहे परंतु ते निवडण्यासाठी आणि नंतर आपल्या कच्च्या मांस आणि भाज्यांची प्लेट शेफला आग लावण्यासाठी द्या. या प्रकरणात, अंतिम परिणामाचे यश (किमान अंशतः) घटक आणि सॉस यांचे मिश्रण निवडण्यावर अवलंबून असते जे चांगले एकत्र जातात. तुम्ही निवडलेल्या खाद्यपदार्थाची तयारी आणि दर्जा, तसेच काही वेळा स्वतःचे स्पर्श जोडणाऱ्या शेफच्या कौशल्यावरही हे अवलंबून असते. 
BI सेल्फ-सर्व्हिस स्पेक्ट्रम
सेल्फ-सर्व्हिस अॅनालिटिक्स बरेचसे समान आहे. सेल्फ-सर्व्हिस अॅनालिटिक्स असलेल्या संस्था स्पेक्ट्रमवर कुठेतरी कमी पडतात. स्पेक्ट्रमच्या एका टोकाला MGM Grand Buffet सारख्या संस्था आहेत, जिथे IT टीम अजूनही सर्व डेटा आणि मेटाडेटा तयार करते, एंटरप्राइझ-व्यापी विश्लेषण आणि अहवाल साधन निवडते आणि अंतिम वापरकर्त्याला सादर करते. अंतिम वापरकर्त्याने त्याला पाहायचे आहे आणि अहवाल चालवायचा आहे तो डेटा घटक निवडणे आवश्यक आहे. या मॉडेलबद्दल सेल्फ-सर्व्हिसची एकमेव गोष्ट म्हणजे अहवाल IT टीमने आधीच तयार केलेला नाही. कॉग्नोस अॅनालिटिक्स वापरणाऱ्या संस्थांचे तत्वज्ञान स्पेक्ट्रमच्या या टोकावर येते.
तुमच्या दारापर्यंत पोचवलेल्या जेवणाच्या किटशी अधिक जवळून साम्य असलेल्या संस्था त्यांच्या अंतिम वापरकर्त्यांना "डेटा किट" देतात ज्यात त्यांना आवश्यक असलेला डेटा आणि ते ज्या साधनांसह त्यात प्रवेश करू शकतात त्यांची निवड समाविष्ट असते. या मॉडेलसाठी वापरकर्त्याने त्यांना आवश्यक उत्तरे मिळविण्यासाठी डेटा आणि साधन दोन्ही चांगल्या प्रकारे समजून घेणे आवश्यक आहे. आमच्या अनुभवानुसार, Qlik Sense आणि Tableau चा फायदा घेणार्‍या कंपन्या या श्रेणीत येतात.
Power BI सारखी एंटरप्राइझ टूल्स मंगोलियन ग्रिलसारखी असतात – कुठेतरी मध्यभागी.
जरी आम्ही आमच्या “BI सेल्फ-सर्व्हिस स्पेक्ट्रम” च्या वेगवेगळ्या बिंदूंवर विविध विश्लेषण साधने वापरणार्‍या संस्थांचे सामान्यीकरण करू शकतो आणि ठेवू शकतो, परंतु वास्तविकता अशी आहे की ती स्थिती अनेक घटकांमुळे बदलू शकते: कंपनी नवीन तंत्रज्ञान स्वीकारू शकते, वापरकर्त्याची क्षमता वाढू शकते, व्यवस्थापन एखादा दृष्टिकोन ठरवू शकतो, किंवा एंटरप्राइझ डेटा ग्राहकांसाठी अधिक स्वातंत्र्यासह स्वयं-सेवेच्या अधिक मुक्त मॉडेलमध्ये विकसित होऊ शकते. खरं तर, स्पेक्ट्रमवरील स्थिती एकाच संस्थेतील व्यवसाय युनिट्समध्ये भिन्न असू शकते.
विश्लेषणाची उत्क्रांती
स्वयं-सेवेकडे वळल्याने आणि BI बफे स्पेक्ट्रमवर संस्था उजवीकडे सरकत असताना, पारंपारिक हुकूमशाही केंद्रे सरावाच्या सहयोगी समुदायांनी बदलली आहेत. IT या मॅट्रिक्स संघांमध्ये सहभागी होऊ शकते जे वितरण कार्यसंघांमध्ये सर्वोत्कृष्ट पद्धतींचे सामाजिकीकरण करण्यात मदत करतात. हे व्यवसायाच्या बाजूने विकास कार्यसंघांना प्रशासन आणि आर्किटेक्चरच्या कॉर्पोरेट सीमांमध्ये काम करताना काही स्वायत्तता राखण्यास अनुमती देते. 
आयटीने सतर्क राहणे आवश्यक आहे. वापरकर्ते त्यांचे स्वतःचे अहवाल तयार करतात - आणि काही प्रकरणांमध्ये, मॉडेल्स - कदाचित डेटा सुरक्षिततेच्या जोखमींबद्दल जागरूक नसतील. संभाव्य सुरक्षा गळती रोखण्याचा एकमेव मार्ग म्हणजे नवीन सामग्री सक्रियपणे शोधणे आणि अनुपालनासाठी त्यांचे मूल्यांकन करणे.
शासित शॅडो आयटीचे यश सुरक्षा आणि गोपनीयता धोरणांचे पालन सुनिश्चित करण्यासाठी सुरू असलेल्या प्रक्रियांबद्दल देखील आहे.
स्व-सेवा विरोधाभास
शासित सेल्फ-सर्व्हिस विश्लेषणे नियंत्रणाविरुद्ध स्वातंत्र्य असलेल्या ध्रुवीय शक्तींशी समेट करतात. हे डायनॅमिक व्यवसाय आणि तंत्रज्ञानाच्या अनेक क्षेत्रांमध्ये चालते: गती विरुद्ध मानक; नवीनता विरुद्ध ऑपरेशन्स; आर्किटेक्चर विरुद्ध चपळता; आणि विभागीय गरजा विरुद्ध कॉर्पोरेट हितसंबंध.
शॅडो आयटी व्यवस्थापित करण्यासाठी साधने
जोखीम आणि फायद्यांचा समतोल राखणे ही शाश्वत शॅडो आयटी धोरण विकसित करण्याची गुरुकिल्ली आहे. नवीन प्रक्रिया आणि साधने उघड करण्यासाठी शॅडो आयटीचा लाभ घेणे जे सर्व कर्मचार्यांना त्यांच्या भूमिकेत उत्कृष्ट कामगिरी करण्यास अनुमती देऊ शकतात हे फक्त एक स्मार्ट व्यवसाय सराव आहे. एकाधिक प्रणालींसह एकत्रीकरण करण्याची क्षमता असलेली साधने कंपन्यांना एक उपाय देतात जे आयटी आणि व्यवसाय दोघांनाही संतुष्ट करू शकतात.
सेल्फ-सर्व्हिस ऍक्सेसद्वारे आवश्यक असलेल्या सर्वांसाठी दर्जेदार डेटा उपलब्ध आहे याची खात्री करण्यासाठी शॅडो आयटी द्वारे निर्माण केलेले धोके आणि आव्हाने प्रशासन प्रक्रिया राबवून मोठ्या प्रमाणात कमी केली जाऊ शकतात.
महत्त्वाचे प्रश्न
मुख्य प्रश्न IT सुरक्षा सावली IT दृश्यमानता आणि नियंत्रणाशी संबंधित उत्तर देण्यास सक्षम असावी. या प्रश्नांची उत्तरे देण्यासाठी तुमच्याकडे सिस्टम किंवा प्रक्रिया असल्यास, तुम्ही सिक्युरिटी ऑडिटचा शॅडो आयटी विभाग पास करू शकता:
- तुमच्याकडे शॅडो आयटी कव्हर करणारी पॉलिसी आहे का?
- तुमच्या संस्थेमध्ये वापरल्या जाणार्‍या सर्व अनुप्रयोगांची तुम्ही सहजपणे यादी करू शकता का? तुमच्याकडे आवृत्ती आणि फिक्स लेव्हलची माहिती असल्यास बोनस पॉइंट.
- उत्पादनातील विश्लेषणात्मक मालमत्ता कोणी सुधारित केल्या हे तुम्हाला माहिती आहे का?
- शॅडो आयटी अॅप्लिकेशन्स कोण वापरत आहे हे तुम्हाला माहिती आहे का?
- उत्पादनातील सामग्री शेवटची केव्हा सुधारली गेली हे तुम्हाला माहिती आहे का?
- उत्पादन आवृत्तीमध्ये दोष असल्यास तुम्ही सहजपणे मागील आवृत्तीवर परत येऊ शकता?
- आपत्तीच्या परिस्थितीत तुम्ही वैयक्तिक फायली सहजपणे पुनर्प्राप्त करू शकता?
- कलाकृती रद्द करण्यासाठी तुम्ही कोणती प्रक्रिया वापरता?
- तुम्ही दाखवू शकता की केवळ मंजूर वापरकर्त्यांनी सिस्टममध्ये प्रवेश केला आणि फायलींचा प्रचार केला?
- जर तुम्हाला तुमच्या संख्येत त्रुटी आढळली, तर ती कधी (आणि कोणाद्वारे) सुरू झाली हे तुम्हाला कसे कळेल?
निष्कर्ष
शॅडो आयटी त्याच्या अनेक फॉर्ममध्ये आहे. आपण त्यावर प्रकाश टाकला पाहिजे आणि त्याचा पर्दाफाश केला पाहिजे जेणेकरुन आपण त्याच्या फायद्यांचा फायदा घेत जोखीम व्यवस्थापित करू शकू. हे कर्मचार्यांना अधिक उत्पादक आणि व्यवसाय अधिक नाविन्यपूर्ण बनवू शकते. तथापि, फायद्यांचा उत्साह सुरक्षितता, अनुपालन आणि शासनाद्वारे कमी केला पाहिजे.
संदर्भ
सक्षमीकरण आणि प्रशासनाचा समतोल राखून सेल्फ-सर्व्हिस अॅनालिटिक्ससह कसे यशस्वी व्हावे
विचारसरणीची व्याख्या, मेरियम-वेबस्टर
सावली अर्थव्यवस्थेची व्याख्या, बाजार व्यवसाय बातम्या
सत्याची एकल आवृत्ती, विकिपीडिया
सेल्फ-सर्व्हिस अॅनालिटिक्ससह यशस्वी होणे: नवीन अहवाल सत्यापित करा
आयटी ऑपरेटिंग मॉडेल उत्क्रांती
