Data management

Met vertrouwen bouwen op data

Data Management

Data management heeft als doel om uw organisatie structureel te voorzien van hoogwaardige, consistente data. Data waar u op kunt vertrouwen. En dan gaat het vooral om die data, die u helpt om uw business doelen te bereiken. Data management staat ten dienste van uw bedrijfsstrategie en -doelstellingen, het is geen doel op zich. 


Kunt u vertrouwen op uw data?

Iedereen in uw organisatie maakt op een of andere manier wel gebruik van data. Business controllers, analisten en data scientists maken analyses en rapportages op basis van data. U neemt besluiten en legt verantwoording (aan derden) af op basis van data. 

Alle gebruikers moeten ervan op aankunnen dat de data van de juiste kwaliteit is. Ook is het van belang dat iedereen gebruik maakt van dezelfde, consistente data(bronnen).

Vraagt u eens af: 

  • Hoeveel medewerkers lijsten bestaan er echt in uw organisatie? (Excel meegeteld)
  • Bevatten die echt allemaal dezelfde data? (Heeft u wel een eens de personeelslijst van HR vergeleken met de formatieplaatsen van de rapportage van Finance?)
  • Als u beslissingen neemt op basis van analyses en rapportages: wat weet u van de kwaliteit van de onderliggende data? Vraagt u daar wel eens naar?

Het is funest voor het vertrouwen in data (en dus in het vertrouwen van de analyses en rapportages) als er sprake is van inconsistente data.

Data management geeft dat vertrouwen doordat het structureel te organiseren. 

Het betekent dat de hele organisatie met dezelfde data(bronnen) werkt en dat binnen de organisatie “spelregels” zijn afgesproken over het creëren, gebruik en beheren van data. Het zorgt ervoor dat de organisatie beschikt over de juiste kwaliteit van de data en dat de data consistent en vindbaar is. En als de data toch niet blijkt te kloppen, weet de gebruiker waar men terecht kan en wordt het data issue daadwerkelijk opgelost. 

Data management geeft de gebruikers ook de informatie om te kunnen verifiëren dat de aangeboden data geschikt is voor het doel waarvoor ze het willen gebruiken. De betekenis van de data is bekend en is vastgelegd in een data dictionary die iedereen kan inzien.  

Data management geeft u dus het vertrouwen in de data en helpt om besluiten op basis van de juiste inzichten te nemen. Het ontzorgt de gebruikers. Zij kunnen direct aan de slag met de aangeboden data. 


U managet al data

Elke organisatie werkt met data en de data wordt op de een of andere manier beheerd en gemanaged. Alle onderwerpen uit de voorgaande paragraaf zult u waarschijnlijk herkennen. Hoogstwaarschijnlijk zult u aandacht besteden aan datakwaliteit als er bijvoorbeeld een data intensief project opstart, als er nieuwe rapportages of analyses gemaakt moeten worden. 

Vaak start men dan met het verzamelen van de benodigde data en gaat men op zoek naar de betekenis en de kwaliteit van de data, of probeert men verschillen in data uit verschillende bronnen te verklaren. 

Ook zien we in de praktijk vaak dat het bouwen van een nieuw rapport voor een externe toezichthouder veel tijd kost omdat men eerst veel onderzoek moet doen naar de herkomst en betrouwbaarheid van de data in inconsistenties moeten worden opgelost. 


U doet dus al aan data management, maar als u het niet structureel aanpakt waarschijnlijk op een dure en risicovolle manier. En in het slechtste geval kunt u het bij het volgende project of rapport weer overnieuw doen. Helaas zien dit in de praktijk nog steeds vaak.

Gaat u eens na: hoeveel tijd is een data scientist of -analist in uw organisatie kwijt aan het zoeken, beoordelen, interpreteren en opschonen van data? 

Eigenlijk is dat zonde. De dataspecialisten zouden zich bezig moeten houden met het creëren van waarde uit de data voor in organisatie in plaats van het zoeken naar data(bronnen), het achterhalen van de betekenis van de datavelden of het schonen van de data.


Data management vraagt om een integrale aanpak

Zoals eerder gezegd, heeft data management als doel om uw organisatie structureel te voorzien van hoogwaardige, consistente data. Dit klinkt eenvoudig, maar om daar te komen is samenwerking en planning nodig. Data management gaat in eerste instantie niet zozeer om de juiste tooling en technieken maar over samenwerking, doelstellingen, spelregels, verantwoordelijkheden.  

De eerste vraag die opkomt is: welke data moet worden gemanaged? Een organisatie maakt gebruik van zoveel in- en externe data dat het ondoenlijk is alles op hetzelfde niveau te managen. Het is dus van belang te weten welke data voor uw organisatie het meest waardevol is of welke data extra bescherming behoeft, bv wat zijn de kritische data elementen in het kader van vertrouwelijkheid, privacy, risico management of externe rapportages? 

Dit vraagt om een integrale aanpak. De strategie en doelstellingen geven namelijk antwoord op de vraag. Zo ook externe toezichthouders, risico managers, compliance en uiteraard de wet- en regelgeving (zoals AVG). 

Andere vragen die aan bod komen als u start met het structureel oppakken van data management: 

  • Wat wilt u precies bereiken met data management?  
  • Welke spelregels, beleidsafspraken, architectuurprincipes zijn er nodig?
  • Wie mag eisen aan de datakwaliteit bepalen?
  • Welke rollen binnen de organisatie zijn nodig om de data te managen? 
  • Wie is eigenaar van de data?

Deze vragen hebben met name betrekking op de data governance (zie het data management framework) en zorgen ervoor dat de verantwoordelijkheden van het data management zijn belegd in de organisatie. 

Data governance is nodig om het data management goed in te richten in uw organisatie. Zoals het inrichten van de benodigde data management processen, zoals het data issue management dat ervoor zorgt dat de dataproblemen worden gezien en structureel worden opgelost. Data issues trekken zich niets aan van organisatiegrenzen, dus een organisatiebreed perspectief is nodig. 

Implementatie van data management

Het implementeren van data management vraagt dus om een integrale en gestructureerde aanpak. De implementatie kent vele onderwerpen en facetten; het heeft harde en zachte kanten. Enerzijds is gaat het om het gebruik van de juiste techniek en methoden, anderzijds gaat het om cultuur, gedrag en leiderschap. Het daarom nodig om vanuit een framework en best practices te werken. 

Het DIKW framework geeft overzicht over de onderwerpen van zowel het data governance als het data management. De data governance onderwerpen staan bovenaan in het framework. Dit zijn de onderwerpen die de richting en de organisatie van het data management vorm geven. De organisatiebrede fundamenten van het data management staan onderaan. Daartussen stroomt de data van bron naar gebruiker. 

Er zit ook samenhang in de onderwerpen en niet elk onderwerp brengt u even snel bij uw doel. 

Een organisatie is ook vaak met veel van de onderwerpen van het framework bezig. 

Dat is mooi, maar als er geen data management beleid of visie is binnen de organisatie dan zijn de zwaartepunten meestal organisch gegroeid. De vraag is dan of dat ook de juiste zwaartepunten zijn. 

Bijv. is het optuigen van een datadictionary op dit moment wel slim of moeten we eerst zicht krijgen of de datakwaliteit en de betrouwbaarheid van de databronnen wel aansluit bij de behoefte van de gebruikers?

Het framework kan u helpen die vraag te beantwoorden. 


Data management framework


De ervaring van DIKW Intelligence leert dat een data Management framework houvast geeft bij de implementatie en bij het stellen van prioriteiten. Maar bovendien is het een krachtig communicatiemiddel naar de stakeholders. Het framework laat namelijk zien dat iedereen in de organisatie een rol speelt in het managen van data, iedereen is gebruiker of creëert data op de één of andere manier.  


Onze oplossing

DIKW Intelligence helpt u dit framework te implementeren en begeleidt u in iedere stap.

DIKW Intelligence heeft op basis van haar ervaringen een eigen data management framework ontwikkeld dat rekening houdt met uw organisatie. 

Zoals de fase waarin de organisatie staat qua data management en de omvang en cultuur van uw organisatie.


Wilt u weten hoe data management voor u kan werken? 
Neem dan contact op met Mark van Berkel


Blogs

Data management door Nick van de Venn — last modified 18-11-2022
Met vertrouwen bouwen op data
Bayesiaanse Statistiek door Marc Jacobs — last modified 25-07-2022
Wiskundig raamwerk voor ouderwets leren
R vs Python door Nick van de Venn — last modified 05-07-2022
Samenwerken is de sleutel
Je fietsroutes eenvoudig in kaart brengen... door Nick van de Venn — last modified 05-05-2022
Marcel-Jan doet het eenvoudig met behulp van Python.
Het DIKW model door marco — last modified 24-02-2022
In vier stappen waarde creëren met data
DIKW Academy: Waar theorie en praktijk samen komen door marco — last modified 21-02-2022
DIKW docenten delen hun expertise uit de praktijk
Laat data voor u renderen! door marco — last modified 08-02-2022
Bluemine: Analytics as a service
30 jaar intelligence: Nieuwe uitdagingen om met data waarde toe te voegen door marco — last modified 08-02-2022
Van oude computerterminal naar smartphone

Recente blogs

Data management door Nick van de Venn — last modified 18-11-2022
Met vertrouwen bouwen op data
Bayesiaanse Statistiek door Marc Jacobs — last modified 25-07-2022
Wiskundig raamwerk voor ouderwets leren
R vs Python door Nick van de Venn — last modified 05-07-2022
Samenwerken is de sleutel

Nieuws & Evenementen

Data science opleidingen gaan weer van start! door marco — last modified 08-02-2022
Vanaf 21 september start ons succesnummer weer! Twaalf weken data science in R, we hebben er weer zin in
Aedes data science workshop 2 van 3 door marco — last modified 07-02-2022
Voor Aedes organiseert DIKW drie workshops data science
Op zoek naar de speld in de hooiberg door marco — last modified 07-01-2022
Stichting 12q haalt geld op voor onderzoek