In een eerdere blog over de federatieve data-architectuur bespraken we het belang van data modelleren: hoe je data zo structureert en organiseert dat deze begrijpelijk, betrouwbaar en bruikbaar wordt voor iedereen binnen je organisatie. Dat is een essentieel onderdeel van datagedreven werken binnen de publieke sector.
In deze blog zetten we de volgende stap. Want hoe organiseer je samenwerking rondom data in een publieke organisatie waar verschillende afdelingen en teams autonoom werken, vaak met eigen systemen en processen? De centrale vraag is: hoe zorg je ervoor dat deze teams samenwerken zonder hun zelfstandigheid te verliezen? Het antwoord ligt in de toepassing van een data mesh.
In deze blog neem ik je mee van de visie achter data mesh naar hoe je het écht in de praktijk brengt.
Hoewel een data mesh veel voordelen biedt, is het niet in elke situatie de juiste keuze. Voor kleinere organisaties zonder meerdere autonome teams kan de aanpak een uitdaging zijn. Ook wanneer extreem lage latency vereist is, of als je organisatie goed functioneert met een geïntegreerd systeem zoals een ERP-platform, kan een meer centraal georganiseerde data-architectuur effectiever zijn. Kies altijd voor een aanpak die past bij jouw organisatie en situatie.
Waarom is data mesh relevant voor publieke organisaties?
Publieke organisaties werken vaak met complexe data en verschillende domeinen, zoals zorg, veiligheid, onderwijs of sociale diensten. Elk domein kent zijn eigen behoeften en verantwoordelijkheden, maar ze moeten ook samenwerken om maatschappelijke doelen te bereiken.
Een data mesh helpt door data als product te behandelen en eigenaarschap bij de domeinteams te leggen. Zo bepalen teams zelf hoe ze data beheren en delen, terwijl centrale teams zorgen voor e ondersteuning, governance en integratie.
Het opzetten van een data mesh is voor veel organisaties een actueel vraagstuk. Een terugkerend thema is hoe je succesvol kunt samenwerken aan een moderne data-architectuur in een organisatie waarin mensen gewend zijn autonoom te werken, vaak met hun eigen technologie en architectuur. De uitdaging is om deze domeinen met elkaar te verbinden, zonder de autonomie te verliezen. Dit vraagt niet alleen om technische oplossingen, maar ook om een andere manier van organiseren en samenwerken.
Deze aanpak stelt organisaties in staat zelf prioriteiten te stellen, de juiste keuzes te maken voor zowel operationele als analytische toepassingen, en minder afhankelijk te zijn van centrale teams. Hierdoor kunnen teams sneller waarde leveren. Om dit te laten werken, moeten de centrale faciliterende teams, zoals het data platform team en het governance team, het werk wel aankunnen. Dit vraagt om duidelijke afstemming, gezamenlijke roadmaps en een heldere visie op rollen en verantwoordelijkheden.
De 4 pijlers van de data mesh-architectuur
De kracht van een data mesh zit in de combinatie van vier fundamentele principes:
1. Domeinoriëntatie en eigenaarschap
Domeinteams zijn verantwoordelijk voor hun eigen data. Ze leveren die data als een “dataproduct” op. Dit betekent dat ze zorgen voor duidelijke definities, goede kwaliteit en gebruikscontext.
2. Data als product
Deze pijler vormt het hart van de data mesh-aanpak. Data is geen bijproduct meer van processen, maar een volwaardig product dat actief wordt ontwikkeld, beheerd en geleverd. Elk dataproduct is eigendom van een businessdomein en ondersteunt direct de besluitvorming binnen dat domein. Een dataproduct bevat niet alleen de data zelf, maar ook documentatie, kwaliteit, de leveringsafspraken, definities, lineage, verwerking en context van tijdigheid. Hierdoor kunnen andere afdelingen of instanties diezelfde data hergebruiken zonder telkens nieuwe koppelingen of extracties te moeten maken.
De levering van data kan bijvoorbeeld via gestandaardiseerde API’s. Het product vertegenwoordigt een halffabricaat dat door de afnemende partij, bijvoorbeeld een business analist, verder wordt verwerkt tot een eindproduct, zoals een KPI-dashboard of rapportage. Deze aanpak vraagt om een duidelijke scheiding van verantwoordelijkheden: het domein levert het product, de afnemer bepaalt de presentatie.
Tegelijkertijd blijft controle noodzakelijk. Het vermijden van datasilo’s en point solutions is essentieel. Geleverde data moet minimaal gekoppeld zijn aan de relevante masterdata, zodat consistentie en herleidbaarheid gewaarborgd blijven.
3. Self-serve dataplatform
Een platform stelt domeinteams in staat stelt zelfstandig dataproducten te ontwikkelen en te delen. Dit vereist robuuste datavirtualisatie, zodat domeinteams hun eigen (virtuele) databases kunnen beheren.
4. Organisatiebrede samenhang
Federatieve governance zorgt voor gedeelde definities, gemeenschappelijke context en transparantie. Denk aan een dataportaal, contracten, actieve metadata en datamanagement tooling die eigenaarschap en verantwoording ondersteunt. Deze samenhang is cruciaal om te voorkomen dat domeinen volledig los van elkaar opereren en inconsistenties ontstaan.
Data mesh in de praktijk bij publieke organisaties
In de praktijk betekent dit dat een centraal team faciliteert en regisseert, terwijl domeinen worden toegerust om zelfstandig dataproducten te ontwikkelen. Gebruikersgroepen zoals business analisten, data scientists en operations vinden via een datacatalog zelf benodigde data, combineren en gebruiken, zonder afhankelijk te zijn van technische specialisten.
Een typische use case laat zien hoe een centrale virtuele database fungeert als verbindende laag, terwijl domeinen hun eigen virtuele databases zelfstandig beheren. Datamanagement tooling ondersteunt hierbij het eigenaarschap, de lineage en de verantwoording (zoals doelbinding en transparantie).
Centrale regie blijft essentieel: neem regie, faciliteer en controleer. De uitdaging is om centrale regie te combineren met lokale autonomie. Dit vraagt om een organisatie die klaar is voor verandering, met een datateam dat optreedt als evangelist en enabler.
Veelgestelde vragen over data mesh
Zo’n praktijkvoorbeeld maakt het concept tastbaar maar roept ook vragen op, zoals:
Is een data mesh vooral een organisatorische verandering, en de data fabric architectuur meer een technische?
Ja, dat klopt. Maar ze sluiten elkaar niet uit. Sterker nog: ze kunnen naast elkaar bestaan en elkaar versterken. De data mesh richt zich op eigenaarschap en samenwerking, terwijl de data fabric architectuur zich richt op integratie en technische infrastructuur.
Betekent een data mesh dat je geen groot datawarehouse meer nodig hebt?
Niet per se. Bestaande investeringen in een datawarehouse zijn waardevol en kunnen hergebruikt worden. Ze vormen echter niet langer de kern van je nieuwe aanpak. Denk eerder aan een federated data warehouse, waarin domeinproducten worden gecombineerd. Gebruik wat je hebt, maar voorkom dat het je belemmert in modernisering.
Heb je nog een datawarehouse nodig als je een data fabric architectuur hebt?
Waarschijnlijk niet als je het vanaf nul opbouwt. Maar als je al een datawarehouse hebt, gebruik het dan waar het waarde toevoegt. Vermijd overbodige replicaties, ETL-processen en onnodige historieopbouw. Kijk naar succesvolle modernisatie, zoals cloudmigratie en ontkoppelde bronontsluiting.
Tot slot: van visie naar actie
Data mesh is geen doel op zich, maar een middel om samenwerking, eigenaarschap en schaalbaarheid te organiseren in een moderne data-architectuur. Het vraagt om een combinatie van centrale regie en lokale autonomie, ondersteund door technologie en governance. De verbinding tussen domeinen, mensen en processen is essentieel en daarin speelt datamanagement een centrale rol.
Met slim gebruik van datavirtualisatie, self-service tooling en federatieve governance, ontstaat een wendbare en toekomstbestendige data-organisatie. Geen revolutie, maar een evolutie die bestaande investeringen respecteert én ruimte laat voor nieuwe inzichten.
Data mesh helpt overheidsorganisaties om efficiënter, schaalbaarder en innovatiever om te gaan met data, in lijn met hun vaak complexe en gedecentraliseerde structuur.
Wil je weten hoe data mesh in jouw organisatie kan werken?
Begin klein, maak heldere afspraken en bouw stap voor stap aan een data-omgeving die aansluit bij jouw publieke missie.
Download ons e-book over het federatief datamodel of plan een sessie met een van onze data-architecten. Ze denken graag met je mee over een aanpak die past bij jouw organisatie.
