Wat is datagovernance?
Governance van bedrijfsdata omvat per definitie het beleid en de procedures die zijn geïmplementeerd om ervoor te zorgen dat de data van een organisatie juist zijn en op de juiste manier worden behandeld: bij invoer, opslag, verwerking, openen en verwijderen. Datagovernance (gegevensbeheer, databeheer) is onder meer verantwoordelijk voor het aanleggen van de infrastructuur en technologie, het instellen en onderhouden van de processen en beleidsnormen en het identificeren van de personen (of functies) binnen een organisatie die bevoegd én verantwoordelijk zijn voor het verwerken en beschermen van specifieke soorten data.
Datagovernance is een belangrijk onderdeel van compliance. Systemen zorgen voor het mechanische aspect van opslag, verwerking en beveiliging. Maar het zijn de mensen, de governanceorganisatie, die ervoor zorgen dat beleid wordt gedefinieerd, dat procedures kloppen, dat technologieën op de juiste wijze worden beheerd en dat data worden beschermd. Data moeten op de juiste manier worden behandeld voordat ze in het systeem worden ingevoerd, worden gebruikt en als ze uit het systeem worden opgevraagd voor gebruik of opslag elders.
Onder datagovernance valt het vaststellen van beleid en procedures om de nauwkeurigheid, betrouwbaarheid, integriteit en beveiliging van data te realiseren. De implementatie van deze procedures valt onder het datastewardship. Datastewards beheren en controleren de procedures en tools die worden gebruikt om data te verwerken, op te slaan en te beschermen.
Voordelen van datagovernance
In een tijd waarin organisaties voor elk aspect van hun bedrijf steeds meer afhankelijk zijn van data, kun je het je niet veroorloven om geen informatieplan te hebben. Data vormen de kern van alle computer- en technologiefuncties, zoals accounting en finance, planning en controle, orderbeheer, klantenservice, planning, procesbesturing, engineering en design, noem maar op. Nauwkeurige, betrouwbare data zijn van essentieel belang voor een doeltreffende werking van deze systemen en functies.
Aangezien (goede, betrouwbare) data essentieel zijn voor een bedrijf, moeten organisaties aandacht schenken aan het creëren, de kwaliteit, de verwerking en de beveiliging van die data. En als ze dat goed doen, kunnen ze ervan op aan dat hun systemen en databases de realiteit goed weergeven en de besluitvorming en het succes van het bedrijf daadwerkelijk ondersteunen.
Centrale datagovernance biedt een gecentraliseerde, betrouwbare weergave van je data.
Databeheer biedt onder meer de volgende voordelen:
- Betere, betrouwbaardere data: uiteraard, daar gaat het om. Gebruikers en beslissers zullen meer vertrouwen hebben in de data en dus ook in de beslissingen die op die data zijn gebaseerd. En die beslissingen zullen inderdaad beter zijn omdat ze gebaseerd zijn op accurate informatie.
- Eén versie van de waarheid: het is van onschatbare waarde als alle onderdelen van de organisatie en alle beslissers met dezelfde informatie werken. Je bent geen tijd meer kwijt aan discussies over welke spreadsheet of welk plan 'beter' of meer up-to-date is. Alle onderdelen van de organisatie zijn gecoördineerd.
- Naleving van wet- en regelgeving van overheid en industrie: solide procedures voor datamanagement zijn essentieel voor naleving. Feitelijk zullen auditors en vertegenwoordigers van de toezichthouders niet zozeer kijken naar de data als wel naar de manier waarop die data zijn gegenereerd, verwerkt en beschermd.
- Kostenverlaging: niet alleen audits zullen makkelijker worden en sneller verlopen, ook de dagelijkse activiteiten worden efficiënter en effectiever. Je kunt verspilling veroorzaakt door beslissingen op basis van foutieve of verouderde informatie terugdringen. Bovendien kun je de klantenservice verbeteren doordat je weet wat de juiste status is van lopende activiteiten en van de beschikbaarheid van voorraad en personeel.
Organisaties gedijen op basis van accurate, consistente en betrouwbare data die per definitie alleen met goede datagovernance kunnen worden bereikt.
Wat is het framework voor datagovernance?
Met een framework voor gegevensbeheer bedoelen we het model dat de basis legt voor datastrategie en compliance. Het governancemodel begint met het datamodel waarin de datastromen (invoer, uitvoer en opslagparameters) zijn beschreven. Vervolgens legt het governancemodel daar de regels, activiteiten, verantwoordelijkheden, procedures en processen overheen die definiëren hoe deze datastromen worden beheerd en gecontroleerd.
Zie het model als een soort blauwdruk voor de werking van datagovernance in een specifieke organisatie. Besef dat dit governanceframework in principe uniek is voor elke organisatie en de specifieke kenmerken van de datasystemen, organisatietaken en -verantwoordelijkheden, wettelijke vereisten en brancheprotocollen weerspiegelt.
Je framework moet het volgende bevatten:
- Datascope: operationele, analytische, stam- of transactiedata, big data, enzovoort.
- Organisatiestructuur: rollen en verantwoordelijkheden van de verantwoordelijke eigenaar, het hoofd data, IT, het bedrijfsteam en de sponsor op directieniveau onderling.
- Datanormen en -beleid: richtlijnen die aangeven wat je beheert en bestuurt en wat de resultaten moeten zijn.
- Toezicht en cijfers: parameters om de uitvoering en het succes van de strategie te kunnen meten.
Processen voor datagovernance
Datagovernance moet worden geïntegreerd in de processen voor het creëren, beheren en beschermen van de data in de organisatie. Hieronder volgen enkele procedurele elementen en richtlijnen:
- Procedures en documentatie: dit is meer dan alleen een vereiste om de accountants tevreden te houden: de documentatie moet een duidelijk beeld geven van alle processen. Bovendien moeten de procedures worden versterkt middels scholing en extra incentives om de medewerkers te motiveren.
- Data-integriteit: overwegingen voor data-integriteit moeten zijn ingebouwd in procedures volgens het model en framework voor datagovernance. Je kunt verwachten dat deze toevoegingen wat extra aandacht en procedurele discipline van de werknemers zullen vragen en gevolgen kunnen hebben voor de efficiëntie (misschien moet je een paar seconden toevoegen aan een proces). Een beetje automatisering kan hierbij helpen. Met relatief goedkope, beproefde technologieën zoals barcodescanners en aanraakschermen kunnen data sneller en nauwkeuriger worden verzameld, vooral wanneer deze instrumenten worden gecombineerd met IIoT-sensoren (het Industrial Internet of Things) en worden gekoppeld aan bestaande procesbesturingssystemen.
- Audits en kwaliteitscontrole: zorg ervoor dat in alle procedures periodieke controles op de geldigheid van data zijn opgenomen om te controleren of de processen en de procedures worden nageleefd. Een regelmatig schema van controles door een kwaliteitsteam werkt het beste.
Wat zijn de grootste uitdagingen op het gebied van datagovernance?
Organisatorische en personele kwesties kunnen de grootste uitdaging zijn. Bij elke bedrijfstransformatie zijn verantwoordelijke personen en verantwoordelijkheden nodig, en moet er een voorvechter zijn die de leiding neemt bij de verandering. Bovendien vereist zo'n transformatie een cultuuromslag zodat datamanagement niet meer wordt gezien als een saaie, laaggekwalificeerde klus, maar als een taak van het hoogste belang. Werknemers die met data in aanraking komen, met name kritieke data, en die data creëren, wijzigen, gebruiken of op een of andere manier verplaatsen, moeten begrijpen welke rol ze spelen bij het correcte onderhoud van die data en daar verantwoordelijkheid voor nemen.
Een andere grote uitdaging is de snelle verspreiding van data, die na verloop van tijd alleen maar prominenter wordt. Veel van deze nieuwe data zijn ongestructureerd, of heel anders dan wat we in het verleden hebben gezien of waarmee we eerder hebben gewerkt. Dit geeft niet alleen meer belasting op bestaande systemen en databases, maar maakt ook nieuwe procedures en vereisten voor governance noodzakelijk.
Tools en technologie voor datagovernance
Er zijn geen extra tools nodig om een framework voor databeheer te creëren, maar er zijn wel technologieën die kunnen helpen bij het verzamelen, beheren en beveiligen van de data, bijvoorbeeld:
- Informatiesteward-applicaties helpen bij het profileren van data en het bewaken van de prestaties van het beleid inzake datagovernance van de onderneming. Ze maken het makkelijker om initiatieven op het gebied van informatiebeheer in de verschillende bedrijfsonderdelen uit te voeren, kwaliteitsnormen met datavalidatie af te dwingen en verbeteringen van datakwaliteitsprocessen te meten.
- Oplossingen voor metadatamanagement worden vaak EMM (enterprise metadata management) genoemd. Ze worden gebruikt voor het categoriseren en consistent ordenen van de informatiebronnen van een onderneming en worden steeds belangrijker in het tijdperk van big data. Van data-assets worden onder meer soort, tags, bron en datums bijgehouden.
- Technologieën voor levenscyclus- en contentbeheer van informatie besturen datavolumes en beheren risico's met geautomatiseerd beleid voor het archiveren, bewaren en vernietigen van informatie. Functies die specifiek bedoeld zijn voor contentbeheer, kunnen ook bedrijfsprocessen stroomlijnen door documenten te digitaliseren en relevante content te integreren met transacties en workflows.
- Augmented-datamanagement, of integratie van augmented data, verrijkt bestaande bedrijfsdata met informatie die wordt verkregen met behulp van nieuwe technologieën, zoals AI (kunstmatige intelligentie) en machine learning. Dit moet leiden tot betere besluitvorming en moet ervoor zorgen dat sommige applicaties meer automatisch bijgesteld kunnen worden.
Vijf best practices op het gebied van datagovernance
Deskundigen zijn het er in het algemeen over eens dat dit de eerste vijf best practices voor gegevensbeheer zijn:
- Houd het grote plaatje voor ogen, maar begin klein. Een goed advies. Als je helemaal blanco begint (en nog nooit een proces voor datagovernance hebt gehad), sta je voor iets compleet nieuws. Het is altijd verstandig om klein te beginnen: test je ideeën en begrip in het klein zodat je ervan kunt leren, gaandeweg vaardigheden ontwikkelt en de aanpak kunt valideren voordat je er volledig voor gaat. Tegelijkertijd is het belangrijk om het grote plaatje voor ogen te houden. Het risico is groot dat je verzandt in de details en de algemene doelstelling uit het oog verliest. Leg dus de algemene doelen van je project (hoe je proces voor datagovernance eruit zal zien) vast, haal hier een klein stukje uit als proefgebied en valideer je aanpak met deze 'pilot'-test.
- Benoem een sponsor op directieniveau. Zoals bij elk bedrijfsoverkoepelend project is het belangrijk dat een sponsor vanuit de directie optreedt als voorvechter van de datastrategie. Deze sponsor zal de strategie actief bepleiten en erover berichten aan de bredere organisatie. De sponsor zal ook verantwoordingsplicht afdwingen, de gewenste datamindset vormgeven en dataproblemen tussen bedrijfsonderdelen helpen bemiddelen.
- Bouw een businesscase op. Systemen voor datagovernance kosten geld. Er is weliswaar geen speciale apparatuur nodig om het framework te ontwikkelen en de details in te vullen, maar er moet wel het een en ander gedaan worden. En dat kost wat, met name tijd van je werknemers.
Het is een goed idee om een businesscase voor een dergelijk project op te bouwen. De businesscase moet een algemene beschrijving van het project bevatten, een overzicht van de doelstellingen, de verwachte voordelen en een tijdlijn met mijlpalen en meetpunten (indicatoren) voor de voortgang en het succes. Deze indicatoren helpen je het project op schema te houden terwijl het projectteam de voortgang kan beoordelen aan de hand van de vooraf bepaalde tijdlijn en mijlpalen. De businesscase herinnert teamleden ook aan de redenen waarom je dit project uitvoert en waarom het belangrijk is voor de organisatie om het goed en op tijd af te ronden. - Ontwikkel de juiste cijfers. Meten is essentieel, maar meer is niet altijd beter. Ook automatische metingen leveren werk op. Iemand moet de resultaten bekijken en interpreteren, en eventueel corrigerende maatregelen treffen. Te veel meetwaarden, of meetwaarden die niet zinvol zijn, kunnen contraproductief zijn. De gebruikers, operators en werknemers zullen het snel doorhebben als meetwaarden niet belangrijk zijn en zullen daardoor minder aandacht besteden aan de meetwaarden die wel betekenisvol zijn. Net als bij KPI's (Key Performance Indicators) is een hanteerbaar, klein aantal (meestal zes tot tien) nuttige en betekenisvolle meetwaarden veel beter dan 50 of 100 waarden die maar heel weinig inzicht geven in de werking van de systemen en in het behalen van de doelstellingen.
- Communiceer. De meeste mensen hebben een aangeboren afkeer van verandering uit angst voor het onbekende: informatie is hiervoor de beste remedie. Wees open tegen degenen die gevolgen zullen ondervinden van de nieuwe processen en procedures, of ze nu actief deelnemen aan het proces of niet. Leg uit wat je doet en waarom. Vertel hun hoe het hun werk zal veranderen, ook al is het misschien een subtiele verandering. En leg uit waarom het belangrijk is om samen te werken en de veranderingen te steunen. Betrek degenen die het meest van de veranderingen zullen merken bij de planning en implementatie van de nieuwe procedures. Zij kunnen het beste beoordelen hoe de veranderingen de productiviteit zullen beïnvloeden, hoe ze kunnen worden bijgesteld zodat ze minder indringend zijn en hoe het proces kan worden verbeterd om betere data te leveren.
Een hanteerbaar, klein aantal (meestal zes tot tien) nuttige en betekenisvolle meetwaarden is veel beter dan 50 of 100 waarden die maar heel weinig inzicht geven in de werking van de systemen en in het behalen van de doelstellingen.
Houd in gedachten dat datagovernance een doorlopend proces is, niet een eenmalig project. Ja, er moet vooraf het een en ander worden gedaan om het systeem in te richten, maar deze processen zullen deel gaan uitmaken van het dagelijks leven in je organisatie. Ook moeten de processen zelf voortdurend worden bewaakt en opnieuw worden beoordeeld in relatie tot veranderingen in volume, type en karakter van de data die je organisatie verwerkt.
Verken de oplossingen voor governance van master data
Bestuur de levenscyclus van je data en verbeter de kwaliteit van je bedrijfsdata.
Veelgestelde vragen over datagovernance
Datamanagement verwijst naar alle functies die nodig zijn om data te verzamelen, controleren, beveiligen, verwerken en leveren. Bij datagovernance draait het uitsluitend om de kwaliteit en betrouwbaarheid van data. Het omvat het beleid en de activiteiten die samen de infrastructuur vormen. Ook worden de individuen (of functies) binnen een organisatie benoemd die zowel de autoriteit als de verantwoordelijkheid hebben voor het hanteren en beschermen van specifieke soorten en typen data.
Datagovernance bepaalt de processen en procedures en benoemt de personen of functies die verantwoordelijk zijn voor de nauwkeurigheid en betrouwbaarheid van data. Datastewardship daarentegen is de implementatie van die procedures. Datastewards beheren en controleren de procedures en tools die worden gebruikt om data te verwerken, op te slaan en te beschermen.
Masterdatamanagement (of stamgegevensbeheer) en governance moeten samenwerken. Bij datagovernance draait het uitsluitend om de kwaliteit en betrouwbaarheid van data. Het bepaalt het beleid, de regels en procedures die zorgen voor de nauwkeurigheid, betrouwbaarheid en veiligheid van data. Masterdatamanagement is een andere term voor het concept van een gecentraliseerde, enkele bron voor bedrijfsdata (één versie van de waarheid). Masterdata zijn de kerngegevens die essentieel zijn voor alle zakelijke transacties, zoals facturering aan klanten of voorraadinkoop. Deze transacties vereisen een centrale repository van klant-, leveranciers- en artikeldata.
SAP Insights nieuwsbrief
Meld je vandaag nog aan
Meld je aan voor onze nieuwsbrief en krijg belangrijke inzichten.