Wat is datagovernance?
Data governance omvat de beleidsregels en procedures die worden geïmplementeerd om ervoor te zorgen dat de gegevens van een organisatie om te beginnen nauwkeurig zijn en vervolgens correct worden verwerkt terwijl ze worden ingevoerd, opgeslagen, gemanipuleerd, geopend en verwijderd.
Overzicht van 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.
Datagovernance 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 onberekenbaar dat alle onderdelen van de organisatie en alle besluitvormers met dezelfde informatie werken. Geen tijd meer besteed aan ruzie over wiens spreadsheet of plan "beter" of meer up-to-date is. Alle onderdelen van de organisatie worden gecoördineerd.
- Naleving van wet- en regelgeving en de branche: solide procedures voor datamanagement zijn de sleutel tot compliance. In feite zullen auditors en vertegenwoordigers van toezichthouders niet zozeer naar de gegevens kijken als wel naar de manier waarop die gegevens zijn gegenereerd, behandeld 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?
Een framework voor datagovernance verwijst naar het model dat de basis legt voor datastrategie en compliance. Beginnend met het datamodel dat de gegevensstromen beschrijft (invoer, uitvoer en opslagparameters) overlapt het governancemodel vervolgens de regels, activiteiten, verantwoordelijkheden, procedures en processen die definiëren hoe die gegevensstromen 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:
Gegevensomvang: master, transactioneel, operationeel, analytisch, Big Data, enzovoort.
Organisatiestructuur: rollen en verantwoordelijkheden tussen verantwoordelijke eigenaar, hoofd data, IT, bedrijfsteam en executive sponsor.
Datanormen en -beleid: richtlijnen die aangeven wat je beheert en reguleert en naar welk resultaat.
Oversight and metrics: parameters voor het meten van de uitvoering en het succes van de strategie.
Processen voor datagovernance
Data governance moet worden geïntegreerd in de processen voor het creëren, beheren en beschermen van data in de organisatie. Hieronder volgen enkele procedurele elementen en richtsnoeren:
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
Voor het creëren van het framework voor data governance zijn geen aanvullende tools vereist. Technologieën kunnen echter wel helpen bij het verzamelen, beheren en beveiligen van de gegevens. Houd rekening met het volgende:
Informatiebeheerapplicaties helpen bij het profileren van gegevens en het bewaken van de prestaties van het beleid van de onderneming op het gebied van datagovernance. Het vereenvoudigt het uitvoeren van initiatieven op het gebied van informatiebeheer in de verschillende bedrijfseenheden, het afdwingen van kwaliteitsnormen met gegevensvalidatie en het meten van de verbetering van gegevenskwaliteitsprocessen.
Oplossingen voor metadatamanagement, vaak EMM (enterprise metadata management) genoemd, categoriseren en organiseren de informatieactiva van een onderneming en zijn steeds belangrijker geworden in het tijdperk van big data. Informatie over het gegevensactief dat wordt verzorgd, omvat type, tags, bron en datums.
Technologieën voor levenscyclus- en contentbeheer van informatie beheersen datavolumes en beheren risico's met geautomatiseerde beleidslijnen voor het archiveren, bewaren en vernietigen van informatie. Contentmanagementspecifieke functies kunnen ook bedrijfsprocessen stroomlijnen door documenten te digitaliseren en relevante content te integreren met transacties en workflows.
Augmented data management, of augmented data-integratie, verbetert bestaande bedrijfsdata met informatie die is verkregen met behulp van nieuwe technologieën zoals AI (kunstmatige intelligentie) en machine learning. Het doel is om de besluitvorming te verbeteren en sommige applicaties te helpen meer op zichzelf af te stemmen.
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:
- Denk met het grote plaatje in gedachten, maar begin klein. Allemaal goed advies. Als je van nul af aan begint (en nog nooit een datagovernanceproces hebt gehad), ga je een nieuwe weg in. Het is altijd verstandig om klein te beginnen – test je ideeën en begrip op een beperkte manier om te leren, vaardigheden te ontwikkelen en de aanpak te valideren voordat je je inzet voor de hele inspanning. Tegelijkertijd is het belangrijk om het grote plaatje in gedachten te houden. Het is te makkelijk om in de minuut ingepakt te worden en af te dwalen van het algemene doel. Leg dus de doelen op hoog niveau van je project vast (hoe je data governance-proces eruit zal zien), bepaal een bescheiden stuk dat je proeftestgebied kan zijn en valideer je aanpak met deze "pilot"-test.
- Benoem een leidinggevende sponsor. Zoals bij alle bedrijfsoverkoepelende projecten is het belangrijk om een sponsor van de executive business te krijgen om de voorvechter van de datastrategie te zijn. Zij zullen actief pleiten voor en communiceren over de strategie naar de bredere organisatie. De sponsor zal ook verantwoordingsplicht afdwingen, de gewenste datamindset modelleren en gegevensproblemen tussen businessunits helpen oplossen.
- Bouw een businesscase op. Systemen voor datagovernance komen niet zonder kosten. Hoewel er geen speciale apparatuur nodig is om het kader te ontwikkelen en de details in te vullen, is er nog werk te doen – en dat zal resources verbruiken, met name werknemertijd. Het is een goed idee om voor zo’n project een businesscase op te bouwen. De businesscase moet een beschrijving op hoog niveau van het project bevatten, een beschrijving van de doelen en doelstellingen, verwachte voordelen en een schema met mijlpalen en metingen (indicatoren) van voortgang en succes. Deze indicatoren helpen het project op schema te houden terwijl het projectteam de voortgang beoordeelt aan de hand van de vooraf vastgestelde tijdlijn en mijlpalen. De businesscase herinnert teamleden ook aan de redenen waarom je dit project doet en waarom het belangrijk is voor de organisatie om het op tijd en correct af te handelen.
- Ontwikkel de juiste meetwaarden. Meten is essentieel, maar meer is niet altijd beter. Zelfs bij geautomatiseerde metingen kost het tijd en moeite; iemand moet naar resultaten kijken, ze interpreteren en misschien corrigerende maatregelen nemen. Te veel metingen – of metingen die niet zinvol zijn – kunnen contraproductief zijn. De gebruikers, operators en werknemers zullen snel uitzoeken wanneer maatregelen niet belangrijk zijn en mogelijk minder aandacht besteden aan de werkelijk betekenisvolle metingen als gevolg daarvan. Net als bij KPI's (Key Performance Indicators) is een hanteerbare handvol (meestal zes tot 10) nuttige en betekenisvolle metingen veel beter dan 50 of 100 die niet veel inzicht geven in hoe systemen daadwerkelijk functioneren en of de doelstellingen worden gehaald.
- Communiceer. De meeste mensen hebben een aangeboren afkeer om te veranderen op basis van angst voor het onbekende – maar de beste remedie is informatie. Open zijn voor degenen die worden beïnvloed door de nieuwe processen en procedures, of ze nu actieve deelnemers aan het proces zijn of niet. Leg uit wat je doet en waarom. Vertel hen hoe het hun werkleven zal veranderen (het kan een subtiele verandering zijn) en waarom het belangrijk is om samen te werken en de veranderingen te ondersteunen. Betrek degenen die het meest zullen worden beïnvloed bij de planning en uitvoering van de nieuwe procedures. Ze zijn het best gepositioneerd om te zien hoe de veranderingen de productiviteit zullen beïnvloeden, hoe ze kunnen worden aangepast om minder opdringerig te zijn, en hoe het proces kan worden verbeterd om betere gegevens te leveren.
Een handvol nuttige en betekenisvolle metingen (meestal zes tot tien) is veel beter dan 50 of 100 die niet veel inzicht geven in hoe systemen daadwerkelijk functioneren en of doelstellingen worden gehaald.
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.
Veelgestelde vragen over datagovernance
Ontdek de oplossingen voor master data governance
Beheer de levenscyclus van je data en verhoog de kwaliteit van je bedrijfsdata.
Ideeën die u nergens anders zult vinden
Meld u aan voor een dosis business intelligence die rechtstreeks in uw inbox wordt bezorgd.