Data management and technical debt : platform assessment toolkit

Abstract

This thesis examines how data management practices influence the accumulation and mitigation of technical debt, with a particular focus on metadata debt within the data layer of enterprise systems. As modern architecture grows in complexity, poorly maintained metadata, inconsistent data models and insufficient governance create hidden forms of debt that hinder change management, reduce system reliability and impair long-term scalability. Building on existing research on data management practices and technical debt, the thesis develops a practical platform assessment toolkit designed to evaluate data-layer technical debt through structured metrics and a scoring model. The model incorporates components such as metadata completeness, accuracy, timeliness, consistency and ownership and integrates insights from frameworks including DAMA-DMBOK and ITIL to contextualize how governance and system development processes influence debt formation. The resulting toolkit aims to offer organizations a repeatable method to identify weaknesses in their metadata landscape.

Tämä opinnäytetyö tarkastelee miten tiedonhallinnan käytännöt vaikuttavat teknisen-, ja metadatavelan kertymiseen yritystietojärjestelmien tietokerroksessa. Arkkitehtuurin monimutkaistuessa puutteellisesti ylläpidetty metadata, epäjohdonmukaiset tietomallit ja riittämätön tiedonhallinta voivat synnyttää teknistä velkaa, joka vaikeuttaa muutoksenhallintaa, heikentää järjestelmän luotettavuutta ja haittaavat sen skaalautuvuutta. Tiedonhallinnan käytäntöjä ja teknistä velkaa käsittelevän aiemman tutkimuksen pohjalta työssä kehitetään ohjelmistoalustan arviointityökalu, jonka tarkoituksena on mitata tietokerroksen teknistä velkaa jäsenneltyjen mittareiden ja pisteytysmallin avulla. Malli perustuu mittareihin metadatan kattavuuden, oikeellisuuden, ajantasaisuuden, johdonmukaisuuden ja omistajuuden teemoista, ja se hyödyntää viitekehyksiä, kuten DAMA-DMBOK ja ITIL jäsentääkseen miten tiedonhallintakäytännöt ja järjestelmäkehityksen prosessit vaikuttavat velan muodostumiseen. Tuloksena syntyvän työkalun tavoitteena on tarjota organisaatioille toistettava menetelmä metadataympäristön heikkouksien tunnistamiseen.