Inzicht

Organisatorische oplossingen voor datakwaliteit en -integratie

Bij het verbeteren van datakwaliteit en dataintegratie zijn organisatorische oplossingen onmisbaar. Alleen technische oplossingen zijn niet voldoende. Het is juist de combinatie van organisatorische en technische oplossingen die het meest effectief is. Maar welke organisatorische oplossingen zijn er? En hoe zet je ze in?

Data ownership als een van de organisatorische oplossingen om de datakwaliteit te verbeteren

Een van de organisatorische oplossingen om datakwaliteit en -integratie te verbeteren is het principe van data ownership. Data ownership betekent in letterlijke zin eigendom van data. Datasets worden gekoppeld aan een persoon die controle heeft over die datasets. Denk bijvoorbeeld aan klantdata bij Sales, voorraaddata bij Productie en beschikbare inzetbaarheid bij HR. Die persoon is vervolgens verantwoordelijk voor de beschikbaarheid en juistheid van die dataset.

Waar begin je met het implementeren van data ownership?

Het eigenaarschap over een stuk data kan per organisatie verschillen. In de praktijk zien we dat data ownership meestal op deze vier niveaus wordt gedefinieerd:

  • De maker: De persoon die de data heeft gecreëerd.
  • De gebruiker: De persoon die de data (dagelijks) gebruikt.
  • De samensteller: De persoon die de data selecteert en samenstelt voor (dagelijks) gebruik.
  • De sponsor: De persoon die ervoor zorgt dat de data beschikbaar is.

Je kunt ook een combinatie van bovenstaande definities gebruiken om data ownership in te vullen. Dit kun je bijvoorbeeld koppelen aan het type data. Voor rapportagedata kan data ownership worden belegd bij de aggregator, terwijl voor stamdata de verantwoordelijkheid bij de makers ligt.

Data stewardship voor een betere datakwaliteit en -integratie

Een tweede organisatorische oplossing, die ook veel in de praktijk wordt gebruikt om datakwaliteit en -integratie te verbeteren, is data stewardship. Het verschil tussen data ownership en data stewardship is tactisch versus operationeel. De datasteward is operationeel verantwoordelijk voor de dataset. De data owner kijkt vooruit naar hoe je de datakwaliteit kunt verbeteren, waarbij tactische en strategische doelen in het achterhoofd worden gehouden.

Voordelen van data ownership en data stewardship:

1. Eenvoudige implementatie

Data ownership is een organisatorische oplossing die eenvoudig te implementeren is. Potentiële data owners zijn al aanwezig binnen de business, het vereist weinig tot geen technische oplossingen om te implementeren (al is de implementatie effectiever in combinatie met technische oplossingen) en het is een goede eerste stap naar een meer datagestuurde organisatie.

2. Het doorbreken van silo's.

Data owners en datastewards werken samen met data owners en datastewards van andere afdelingen en onderdelen van de organisatie. Dit kan helpen om organisatorische silo's in de bedrijfscultuur te doorbreken.

Data Management Office voor een datagestuurde organisatie

Een van de andere organisatorische oplossingen om datakwaliteit en -integratie te verbeteren is een meer geavanceerde oplossing. Deze derde manier draait om het implementeren van een Data Management Office (DMO). Het DMO is een aparte afdeling binnen de organisatie die zich toelegt op het onderhouden en faciliteren van data in de hele organisatie. Naast data owners en stewards maken ook analisten deel uit van het DMO. Meestal zijn dit twee typen analisten: businessanalisten die de data afwegen tegen de doelstellingen van de organisatie en data-analisten die de data toetsen aan de datakwaliteitsnormen van de organisatie. Data-architecten en data-engineers zijn ook rollen die vaak binnen het DMO vallen. Zij zijn verantwoordelijk voor de architectuur van datastromen binnen de organisatie.

3 manieren om het DMO in te richten

Het DMO kan op drie verschillende manieren worden geïmplementeerd. Onderstaand model biedt helderheid:

Organisatorische oplossingen datakwaliteit

In zijn gecentraliseerde vorm functioneert het DMO volledig als een aparte afdeling van de organisatie. Alle rollen fungeren als ondersteuning voor de hele organisatie. In de hybride vorm heeft elke afdeling binnen de organisatie een eigen 'mini-DMO', die is verbonden met het centrale DMO. Dit 'mini-DMO' kan bijvoorbeeld een groep analisten, BI-specialisten en datascientists zijn die zich specifiek richten op een afdeling, zoals finance. Het DMO kan ook gedecentraliseerd zijn. In dat geval heeft elke afdeling een eigen DMO. Dit DMO heeft nog wel een kleine centrale tak die de IT-architectuur afhandelt, zoals de IT-afdeling of data-architecten en -engineers.

Voordeel van het Data Management Office: naast controleren ook creëren

Data ownership richt zich primair op het controleren van de data op basis van vastgestelde kwaliteitsnormen. Het houdt zich bezig met het verleden en het heden, maar niet met de toekomst. Het Data Management Office werkt daarnaast samen met analisten en datascientists. Zij gebruiken hun expertise en kennis om de data van vandaag te laten werken voor meer waarde morgen, volgende maand of volgend jaar.

De som van technische en organisatorische oplossingen voor datakwaliteit en -integratie

Deze organisatorische oplossingen voor datakwaliteit en -integratie helpen je organisatie om datagedrevener te worden. Toch is het bij het oplossen van vraagstukken rondom datakwaliteit en -integratie ook belangrijk om naar de technische oplossingen te kijken. De kracht zit in de combinatie van deze organisatorische oplossingen met technische oplossingen om datagedreven werken te versterken.

Meer weten?

Wil je meer weten over deze organisatorische oplossingen om de datakwaliteit te verbeteren? Neem contact met ons op of bekijk onze andere artikelen.