با شکل گیری و ادامه تکامل نقش #CDO چالش های زیادی پیش رو قرار می گیرد، ولی عدم ثبات و انتظارات برآورده نشده یرای این نقش که باید با فناوری در حال تغییر، بسرعت همگام شود مشکل مضاعفی می باشد. 

#چالش_های_فناوری
برای پشتیبانی از اهداف حیاتی کسب و کار، داده های داخل سازمان  به تنهایی کافی نیستند. بنابراین علاوه بر جمع آوری داده های داخلی، CDO باید به جمع آوری داده های خارجی از نرم افزارهای متن باز، فروشندگان و سایر منابع بپردازد تا با استفاده از همه آنها به سوالات مهم کسب و کار پاسخ دهد.
مهمترین چالش اینست که وقتی هنوز ثبات کافی بوجود نیامده، منابع داده بصورت مناسب آماده نشده اند، تعاریف و قالب های استاندارد مورد استفاده قرار نگرفته و مواردی اینچنینی، به افراد این دید مهم را بدهید که می خواهید با مدیریت داده چه کاری انجام دهید. این چالش به اختصار تحت عنوان کیفیت داده بیان می گردد.

•    #دقت_داده ( #data_accuracy ) 
#کیفیت_داده ها شامل جنبه های متعددی از قبیل کامل بودن و بلادرنگ بودن است. دو  مشکل اساسی در این خصوص وجو دارد، داده هایی که اشتباه هستند و منابع داده جدیدی که باید صحیح باشند.
افراد از داده های یکسان برای امور مختلف استفاده می کنند اینکار حتی در کسب و کارهای کوچک ریسک فعالیت ها را بسیار بالا می برد.
داده ها از حسگرها، مستندات، وب و پایگاه های داده با قالب های مختلف بدست می آیند. برای اینکه یک الگوریتم نرم افزاری بتواند پاسخ مناسب ارائه نماید، داده ها باید تمیز بوده و به یک فرم واحد تبدیل شده باشند تا برای الگوریتم فوق قابل درک باشند.

•    #متن_داده ( #data_context ) 
گاهی کیفیت داده غیر از دقیق بودن شامل متن داده هم می باشد. برای سازمان ها و دولت هایی که داده تولید می کنند، این نوع کیفیت داده  مورد انتظار است.
#مرتبط_بودن ( #relevance )، #بموقع_بودن ( #timeliness )، #باثبات_بودن ( #consistency )، #قابل_اطمینان_بودن ( #reliability ) و #دقیق_بودن (accuracy)، انتظارات کلی از کیفیت داده است که نائل شدن به آن کار زیادی می طلبد.

•    سیستم های قدیمی
چالش فنی دیگر هنگامی بروز می کند که شرکت ها می خواهند ادغام، ابتیاع و سازماندهی مجدد سیستم هایشان را به روش هایی متاثر از زیرساخت های قدیمی انجام دهند.
جنبه های فناورانه کار با داده ها چالش هایی را نمایان می سازد اما در نهایت می بینیم که بزرگترین چالش در جای دیگر است و آن کیفیت داده می باشد. فناوری نمی تواند مشکل کیفیت داده را برطرف کند، بلکه فقط می تواند آنها را آشکار سازد.

چالش های کسب و کار
کارهای زیادی با داده ها می توان انجام داد که هر روز باعث مسررت می شوند، اما نکته اصلی این است که این کارها باید مستقیماً از اهداف کسب و کار پشتیبانی کنند. CDO تضمین کننده مسیری است که سازمان درخصوص داده ها جهت نیل به اهداف کسب و کار دنبال می کند.
با اینکه داده ها توسط فناوری پشتیبانی می شوند، ولی اساساً یک مسئله فناورانه نیستند. سیستم های اطلاعاتی داده ها را در خود جای می دهند، اما سوالاتی مانند، آیا ما باید این برنامه را اجرا کنیم؟ را کسب و کار باید پاسخ دهد و فناوری می تواند در مدیریت آنها کمک نماید. اگر سوالات کسب و کاری مناسبی نداشته باشیم، مهم نیست از چه نوع فناوری استفاده  می کنیم.

•    #استراتژی_داده ( #data_strategy ) 
برای طرح سوالات کسب و کاری خوب و پاسخ به آنها با روش هایی که ارزش بالایی ایجاد کنند، باید استراتژی داده داشته باشیم. یک استراتژی داده ایده آل با همکاری ذینفعان واحدهای کسب و کار  و فناوری نوشته می شود. بنابراین توسط همه افراد درگیر بخوبی درک شده و مورد توافق قرار می گیرد. این استراتژی اهدافی را که برای شرکت اهمیت بیشتری دارد ترسیم کرده، نحوه استفاده از داده ها برای نیل به این اهداف را مشخص می نماید و برنامه های عملی برای شروع کار و نحوه شروع را بیان می کند.
عنصر عمل بسیار حیاتی است. عملی نبودن استراتژی آنرا به یک سند بلااستفاده مبدل می سازد. داشتن استراتژی عالی است، ولی ما می خواهیم نتایج واقعی و ملموس داشته باشیم و در کسب و کار تغییر ایجاد نماییم.
علاوه بر عملی بودن، یک استراتژی داده خوب باید انعطاف پذیر باشد. بصورت یک سند زنده که بتواند با تغییر اولویت های کسب و کار و فناوری مورد نیاز تطبیق یافته و مرتبا بازبینی و بررسی گردد. 
به لطف ابزار و تکنیک جدید سوالات مهم کسب و کار که پاسخ به آنها بسیار مشکل بود ناگهان به میوه ای سهل الوصول تبدیل می شوند.

•    #حکمرانی_داده ( #data_governance ) 
نحوه استفاده از داده ها، بویژه در موارد خاصی مانند بیمارستان ها و موسسات مالی، می تواند بسیار حساس باشد. نظارت و رعایت مقررات درخصوص داده ها که حکمرانی داده نامیده می شود برای تضمین اینکه داده ها مطابق با استانداردها و دستورالعمل ها بکار برده شوند، بخشی از وظایف نقش CDO می باشد.
در واقع حجم کار آنقدر زیاد است که برخی شرکت ها در کنار CDO یک #مدیر_ارشد_ریسک #CRO یا #Chief_Risk_Officer برای مسئولیت های حکمرانی داده استخدام می کنند تا CDO زمان آزاد کافی برای تمرکز روی افزایش کارایی و بکارگیری محصولات جدید داشته باشد.

چالش های سیاست
این مطلب که درک افراد مختلف در مورد داده ها می تواند مانعی در این خصوص باشد نکته بسیار مهمی است. به گفته اهل فن مهمترین چالش دراین زمینه نه فنی است، نه مربوط به تجزیه و تحلیل است و نه مربوط به دریافت داده ها از سیستم های مختلف است، بلکه مربوط به افراد است.
 
•    هنر امکان پذیری
تبلیغ داده ها و همکاری با دیگران در سازمان بزرگترین چالش برای این نقش است. ولی کلید ترغیب موفقیت آمیز اینست که چطور افراد می توانند از آنچه در حال حاضر هستند موفقتر باشند. وقتی در سازمان کارها واقعا بخوبی انجام می شوند، نشان می دهد افراد در آن هنر امکان پذیری دارند. کارهای زیادی هستند که ناقص انجام می شوند و کارهای زیادی هم وجود دارند که بخوبی انجام نمی شوند. سوال این است که آیا ما کارها را برای انجام دادن بهینه می کنیم یا هر طور که امکان پذیر هستند انجام می دهیم.

•    هنر متقاعد سازی
ماموریت واحد تجاری در بیان ساده است یعنی ایجاد شرایط برای رشد اقتصادی، اما اجرای آن ساده نیست. دو عامل مهم برای موفقیت پروژه ها در پیشبرد این ماموریت عبارتند از تمرکز بر امورداخلی و تمرکز بر امور خارجی. اولی شامل برگزاری دوره های لازم برای کارکنان بخش های مختلف جهت آموزش و ارتقاء مهارت های داده می باشد و دومی شامل قابلیت استفاده از مجموعه داده های مختلف از طریق مصورسازی و تعلیم، نه فقط صرفا برای دراختیار قرار دادن داده ها بلکه برای ارائه دانش کلی در این زمینه جهت عموم. چنین امور مهمی بدون داشتن توانایی در ایجاد اجماع، امکان پذیر نیستند.
 

#Database

#Data_Warehouse

#Data_science