Data governance en de impact op de bedrijfsvoering

 

Op 4 april 2019 vond de Broad Horizon summit ‘Scope on the Future’ plaats. Deze summit stond geheel in het teken van leiderschap in een digitale tijd van onzekerheden en snelle veranderingen. Een van de break-outsessies werd gegeven door Kees Groenewoud, directeur en ‘datapreneur’ van data-adviesbureau Cmotions: “Data governance is geen sexy onderwerp, maar wel steeds belangrijker voor een succesvolle bedrijfsvoering.”

Data maturity model

De behoefte van het gebruik van data is afhankelijk van de datamaturiteit van de organisatie. Het Davenport is hiervoor een handig model. Volgens Kees bestaat de Data Maturity Level in ieder organisatie uit verschillende niveaus:

Rapporteren – “Wat is er met de data gebeurd?”
Dashboarden – “Is er iets opvallends met de data gebeurd?”
Forecasten – “Wat gebeurt er als bepaalde data-trends doorzetten? “
Modelleren – “Waarom gebeurt het?”
Optimaliseren – “Wat willen we dat er gebeurt?”
“Zorg ervoor dat je eerst fatsoenlijk kunt rapporteren. Zorg er daarna voor dat je op basis daarvan dashboards kunt maken en kunt forecasten. Heb je dit op orde? Dan kun je advanced analytics toepassen. Hieruit kan je waardevolle inzichten verkrijgen. Die inzichten krijg je door te modelleren. Vervolgens kun je ook scenario’s maken. Zo ga je steeds een stapje verder in de volwassenheid van data binnen je organisatie”, aldus Kees.

Datalekkend postbankboekje

Kees: “Data governance is niet het meest sexy stuk uit de data science, maar het wordt wel steeds belangrijker.”

Kees had een oud overschrijfboekje van de Postbank bij zich om aan te tonen dat het steeds belangrijker wordt om data binnen de organisatie te beheersen. “Dit boekje van de Postbank is een soort data #metoo. Je moet je naam opschrijven, je adres en je moest er maar op vertrouwen dat het goed komt. Tegenwoordig zou je dit al een datalek noemen. Door digitalisering zijn de normen op het vlak van data enorm veranderd.”

Beheersing van datastromen

Wat is dan data governance? “In essentie betekent het dat je meester wordt in het omgaan met data in je organisatie. Data governance bewijst dat je alle beheersmaatregelen hebt genomen om op een ordelijke manier om te gaan met waardevolle data”, aldus Kees.

Data governance heeft echter ook te maken met een stoffig imago. “Men ziet het als stroperig, langdurig en frustrerend. Ze zien het ook als wollig, complex en als een terrein van dure consultants. Vaak weten organisaties simpelweg niet waar ze moeten beginnen.”

Creëren van (data)definities

Een belangrijk startpunt is dan ook om te beginnen met een analysemodel voor data, geeft Kees aan. “Vaak ontbreekt een datastrategie en een analysestrategie. Een goed analysemodel helpt bij het creëren van inzichten. Data governance dwingt je om na te denken over de impact van data op je businessprocessen.”

Voor zijn klanten begint Kees vaak met een groot vraagstuk, dat vervolgens in kleinere stukken wordt geknipt. “Welke informatie is op welke data gebaseerd, in welk systeem is deze data opgeslagen en wie heeft welke verantwoordelijkheid voor deze data?”, aldus Kees.

Stap voor stap kun je vervolgens meer inzicht krijgen in de waardevolle datastromen voor jouw organisatie. “Denk bijvoorbeeld aan het maken van en business- en data dictionary. Hierin leg je vragen vast als ‘Wat is een lead?’, ‘Wat is een klant?’. Ook het vastleggen van je ‘data lineage’, waar je data vandaan komt, is een belangrijk onderdeel.”

Data management organization

Bij het toepassen van data governance is inzicht een van de belangrijke sleutelwoorden. Een model of strategie, waarbij je stilstaat wat je centraal en decentraal organiseert, kan hierbij helpen. “Data Management Organization is een belangrijk onderdeel van data governance. Je brengt hier vooral inzichtelijk wie de mensen zijn die verantwoordelijk zijn voor data en welke rol zij vervullen.”

Klein beginnen, blijven leren

“Data governance is een continu onderdeel van de performance van de organisatie. Organisaties die het op orde hebben, beginnen meestal met kleine stappen. Dat kan al zo klein zijn als het definiëren van een datadictionary. Door kleine stappen te zetten en te blijven leren, boek je gaandeweg progressie”, aldus Kees.