Neem contact op
Bel mij terug

Leer in 11 minuten

  1. Waarom een data governance beleid belangrijk is
  2. Wat er mis kan gaan bij de praktische implementatie van zo’n beleid
  3. Wat je kunt doen om niet in die valkuilen te lopen

Out of control – Vijf data governance valkuilen

Veel bedrijven hebben moeite hun data governance beleid te vertalen naar een praktische set van maatregelen die er voor zorgt dat de organisatie ‘in control’ is met betrekking tot alle aanwezige data. Maatregelen die waarborgen dat kwaliteit, beveiliging, betrouwbaarheid, betekenis en gebruik van data en datastromen continu gemonitord worden en dat de organisatie voldoet aan de op dat moment geldende wet- en regelgeving. Is dat erg? Jazeker, want zonder een gedegen en goed uitgevoerde data governance aanpak: 

  • worden belangrijke beslissingen mogelijk genomen op basis van onbetrouwbare data 
  • wordt data door verschillende personen op een verschillende manier geïnterpreteerd door gebrek aan eenduidige definities 
  • wordt bepaalde data verkeerd of zelfs helemaal niet gebruikt 
  • neemt de kans op (ernstige) datalekken toe 
  • ontstaan er ‘data-eilanden’ en wordt data niet efficiënt gebruikt of ontstaat er zelfs wantrouwen ten opzichte van de betrouwbaarheid van data 

Er is veel informatie te vinden over het opzetten van een data governance beleid. Een goede leidraad bij het opzetten van een beleid is het DMBOK-raamwerk van de Global Data Management Community (DAMA). Het uitgangspunt van dit raamwerk is dat data governance het fundament is dat zorgt voor een bedrijfsbrede visie en strategie m.b.t. datamanagement. Het data governance beleid beschrijft daarvoor regels, afspraken, eigenaarschap, rollen en verantwoordelijkheden en kijkt nadrukkelijk naar de ‘business value’ van het beleid. Datamanagement gaat vervolgens over het uitvoeren van het beleid over alle disciplines in de cirkel hieronder. 

En net als bij een het bouwen van een huis begin je met het fundament. Zonder goed data governance beleid is ‘stevig’ data management niet mogelijk. Zo’n beleid begint met een visie en strategie waar alle stakeholders hun commitment aan geven. Op die manier is data governance niet meer afhankelijk van één persoon (zoals dat nu vaak het geval is). Uiteraard kun je bij het opstellen van een beleid wel kijken wat je al in huis hebt en dat inpassen of verbeteren. 

Iedereen die een data governance beleid wil ontwikkelen of verbeteren raden we van harte aan zich te verdiepen in het DMBOK framework. In dit artikel gaan we daar niet verder op in. Waar we het hier over willen hebben zijn de belangrijkste valkuilen waar veel organisaties instappen bij de implementatie van het opgestelde beleid. Want hoe gedragen en geborgd je data governance beleid ook is, zonder goede uitvoering los je de hierboven genoemde problemen nog steeds niet op. Met de tips hieronder hopen we dat jij kunt leren van de bedrijven die je voorgingen en kunt voorkomen dat je in dezelfde valkuilen loopt. 

Valkuil 1: data governance uitvoeren als een project 

Op de een op andere manier wordt er vaak gedacht dat data governance een project is, met een kop en een staart. Gek eigenlijk, want niets is zo veranderlijk als de data en datastromen binnen een organisatie. Er is dus ook continu onderhoud nodig van regels, afspraken, definities, eigenaarschap etc. Het gaat er dus om dat je data governance processen inricht die dit faciliteren. En ook deze processen ontwikkelen zich in de loop van de tijd. Een beleid implementeer je niet in één keer, je groeit langzaam naar volwassenheid toe. Een goede manier om dit te doen, is door een regelmatige ‘scan’ uit te voeren volgens de richtlijnen van het DMBOK-framework. Waar staan we nu? Waar willen we naartoe? Wanneer willen we daar zijn? En wat is onze volgende stap? Daarmee maak je iedere keer een groeistap die je vervolgens goed borgt in de processen, zodat je structureel werkt aan een volwassen, professioneel data governance beleid.

Valkuil 2: data governance het feestje van één afdeling maken 

Misschien is het wel een gevolg van valkuil 1: vaak is data governance belegd bij slechts één afdeling of voelt alleen een specifieke afdeling zich verantwoordelijk voor de uitvoering van het beleid. Soms is met name de ICT-afdeling afdeling bezig met de afgesproken regels en afspraken en zijn business afdelingen daar niet of nauwelijks bij betrokken. Of juist andersom: data governance is een ‘managementfeestje’ met mooie plannen maar geen duidelijk plan of middelen voor implementatie.

Een veel voorkomend probleem is bijvoorbeeld het bijhouden van definities. Vaak is dit niet als een proces geïmplementeerd en wordt het alleen gedaan als er een (data)project loopt, meestal door de IT-afdeling. Dit betekent niet alleen dat definities snel verouderen, maar ook dat de nadruk ligt op de technische correctheid en volledigheid van de data, waardoor de functionele waarde van de data laag is. Kennis van de business en context is cruciaal om data en datastromen betrouwbaar te houden en goed te beschrijven. Technisch gezien kan het 50 graden worden in Nederland, maar iemand die de context kent, zal weten dat er iets met de data aan de hand is. 

Data governance werkt alleen als management, business en IT het beleid helder op het netvlies hebben en samenwerken aan de uitvoering van dat beleid. Zo kan het vastleggen en onderhouden van definities de verantwoordelijkheid van de business zijn, waarbij de IT-afdeling de vastlegging goed faciliteert. Het uitgangspunt is steeds dat afdelingen samen kijken hoe regels en afspraken het beste samen uitgevoerd kunnen worden. 

Valkuil 3: data governance onderschatten 

We zien het vaak: te groots en meeslepend beginnen met data governance zonder te weten wat de gevolgen zijn. Vaak onder druk van ‘datalekangst’ of nieuwe wet- en regelgeving. Met enthousiaste plannen die bij voorbaat gedoemd zijn te mislukken omdat de organisatie nog lang niet volwassen genoeg is om al die nieuwe regels en afspraken goed te implementeren. Het is relatief eenvoudig om een lijvig data governance beleid op te schrijven en grootse plannen te maken, maar kun je alles waarmaken? Is er voldoende draagvlak? Beschik je over de benodigde kennis en middelen? Heb je zicht op alle processen die nodig zijn? Data governance goed implementeren is een behoorlijk verandertraject voor je collega’s! Misschien kun je beter kleinere, realistische stapjes zetten die passen bij de organisatie en de mensen. Dat is ook beter voor de motivatie van de betrokken teams. Het maturity model uit het DMBOK-framework geeft je hiervoor een goede leidraad. Je kunt als organisatie niet in één keer de stap van level 0 naar level 5 zetten. De kunst is om stapsgewijs op te schuiven richting een volgend level, maatregelen goed te borgen en mensen te laten wennen aan nieuwe werkwijzen, en pas dan de stap naar een volgend niveau te zetten. Een geleidelijk groeiproces dus.

Valkuil 4: data governance binnen de boardroom houden

Het initiatief voor het verbeteren van het data governance beleid ontstaat vaak in de boardroom. Dat is mooi voor het draagvlak, maar vaak heeft die board maar een beperkt (of geen eenduidig) zicht op het datalandschap van de organisatie. Dat initiatief wordt vaak ingegeven door een ‘trend’ – denk aan nieuws over datalekken of nieuwe wetgeving als GDPR – waardoor er plotseling snel een plan voor ‘good governance’ moet komen. Maar hoe kun je een plan maken als je niet weet waar dat plan precies betrekking op heeft? Niet voor niets eindigen veel van dit soort initiatieven in mooie managementrapporten die ergens in een la verdwijnen. Wil je een data governance plan maken? Betrek dan meteen experts van ‘de werkvloer’ erbij. Collega’s die weten hoe het datalandschap in elkaar zit, welke systemen er zijn, hoe datastromen lopen, waar en door wie data gebruikt worden, hoe definities zijn vastgelegd etc. Mensen die – geënthousiasmeerd door de board – de data governance kar willen trekken. Op die manier is het veel duidelijker waar je aan begint. En dat is belangrijk, want – we kunnen het niet voldoende herhalen – data governance is meer dan een eenmalig project. 

Valkuil 5: definities niet beschikbaar

We hebben het al een paar keer over definities gehad. En niet voor niets. Het beschikken over goede definities van beschikbare data is maar één onderdeel van data governance, maar wel een heel belangrijk onderwerp! Het gaat er daarbij niet alleen om dat er definities zijn, maar ook dat ze: 

  • consequent bijgehouden worden 
  • eenvoudig ‘op te halen’ zijn voor alle gebruikers van data 
  • te koppelen zijn binnen de context van de gebruiker (direct gekoppeld aan de data en niet in een apart ‘woordenboek’) 
  • voldoende context en betekenis aan data geven om die data te gebruiken 
  • in een eenduidige ‘taal’ zijn opgesteld, zodat iedereen (ook niet technische gebruikers) ze snapt en over dezelfde uniforme definities communiceert

Dit is precies waar een groot deel van de ‘business value’ van data governance zit: als gebruikers weten welke data voor ze beschikbaar is, wat die data precies betekent en wat je ermee kunt, kunnen ze maximale waarde uit data halen. Definities als geïntegreerd onderdeel van je datasets, om de data in de juiste context te kunnen plaatsen.

Helaas beperken veel definitie-initiatieven zich nog tot een definitiehandboek (vaak in Word) dat meestal maar door een paar mensen echt gebruikt wordt. Logisch, want het gebruiken van definities zou geen zoektocht moeten zijn. Hoe het dan moet? Investeer structureel en blijvend in een ‘business glossary’ (zakelijke woordenlijst) in combinatie met een ‘gegevenswoordenboek’ die samen direct te koppelen zijn aan die data die iemand gebruikt. Zodat als iemand naar een getal op een dashboard kijkt, er naast dat getal direct de definitie te zien is. Dat is geen eenvoudige opgave, maar absoluut de investering waard.

Conclusie 

Wil je aan de slag met data governance binnen je organisatie? Dan hopen we dat je wat hebt aan onze tips. Zorg vooral dat je niet te theoretisch te werk gaat, maar dat je steeds kijkt naar de praktische (en technische!) haalbaarheid van de maatregelen die je bedenkt.

Welke stappen neemt jouw organisatie om data correct, betrouwbaar en volledig te houden? 

De moderne data-architectuurVeel bedrijven willen migreren naar een modern en flexibel dataplatform in de cloud. Dit eBook legt uit wat daarbij komt kijken.Download het gratis eBook!