Data Governance is een onderwerp waar veel organisaties momenteel mee te maken hebben, maar wat is het eigenlijk en hoe start je er mee?
Het valt mij op dat momenteel bij heel veel organisaties over Data Governance wordt gesproken. Men is zich blijkbaar bewust dat data een steeds belangrijker goed is. Een goed waar veel waarde uitgehaald kan worden, mits er op een goede manier mee wordt omgegaan. Hoewel er bij deze organisaties over Data Governance wordt gesproken, worstelen veel van hen met de vraag wat het begrip eigenlijk inhoud en hoe ze een Data Governance omgeving kunnen opzetten. Hierdoor duurt het vaak lang voordat een Data Governance programma daadwerkelijk wordt gestart.
De onduidelijkheid omtrent Data Governance begint vaak al met de vertaling van de term governance. Het is lastig een eenduidige definitie te vinden. Wat is eigenlijk governance? Een echt Nederlands woord bestaat hiervoor niet en het woord dat het dichtst in de buurt komt is besturing: data besturing. Vrij vertaald gaat Data Governance dus over het besturen van data of te wel er voor te zorgen dat we controle krijgen en vooral ook houden over data. Hierbij worden met data niet alleen gegevens maar ook de informatie die verkregen wordt uit gegevens bedoeld.
Data Governance gaat om de controle over data in de breedste zin van het woord. Het heeft betrekking op de gehele levenscyclus van data: Vanaf het verzamelen en de opslag van data tot aan waarde creatie en het gebruik van data. Aspecten die hierbij aan bod komen betreffen onder andere beveiliging, kwaliteitsbewaking, vastlegging van definities, vastlegging van transformatieregels en vastlegging van de oorsprong van data (lineage).
Tegelijkertijd hebben organisaties te maken met steeds grotere hoeveelheden data die moeten worden verwerkt en waar men steeds sneller informatie uit wil vergaren die men op ieder gewenst tijdstip op ieder gewenste locatie wil kunnen gebruiken.
Overheden en waakhonden stellen alsmaar hogere eisen aan de wijze waarop organisaties dit mogen doen en moeten organisatie zich steeds meer verantwoorden en aantonen aan deze wet- en regelgeving te voldoen. Denk hierbij bijvoorbeeld aan de AVG, Algemene verordening gegevensbescherming, met betrekking tot persoonsgegevens, Basel III richtlijnen voor banken en Solvency II richtlijnen voor verzekeraars.
Doelstellingen Data Governance
Een goed Data Governance proces moet dus rekening houden met een groot aantal facetten. Niet alle facetten hoeven echter altijd even uitgebreid te worden uitgewerkt. Op welke facetten de nadruk moet worden gelegd, hangt af van de doelstellingen die een organisatie nastreeft. Deze doelstellingen zijn meestal nauw verweven met de strategische ambitie van een organisatie.
Doelstellingen van een Data Governance programma kunnen meer intern of meer extern gedreven zijn. Een voorbeeld van een intern gedreven doelstelling is bijvoorbeeld meer waarde willen creëren uit data en hiervoor het volwassenheidsniveau van de organisatie te vergroten. Een voorbeeld van een extern gedreven doelstelling is meer compliant te willen zijn aan wet en regelgeving.
Data Governance Maturity Model
Meestal gaat het er niet alleen om om Data Governance voor de huidige situatie in te richten, maar juist om Data Governance zodanig in te richten dat meegegroeid kan worden met de ambities van de organisatie. Om deze ambities in kaart te brengen en te bepalen hoe ver men nog van die ambities verwijderd is, kan men gebruik maken van een zogenaamd Data (Governance) Maturity Model. In zo’n model kan men de huidige en de geambieerde doelsituatie plotten. Vervolgens kan men aflezen hoe ver de geambieerde situatie verwijderd is van de huidige situatie en welke stappen nodig zijn om deze doelsituatie te bereiken. In het maturity model wordt aangegeven welke Data Governance inrichting bij een volwassenheidsfase past. Een voorbeeld van zo’n model is het Info Support – Data en Analytics Maturity Model. Dit model geeft de fases van volwassenheid weer van data en analytics binnen een organisatie. Bij elke fase hoort ook een inrichting van Data Governance. In dit model is goed zichtbaar dat hoe meer een organisatie met data wil doen, hoe groter de rol van Data Governance wordt en hoe meer aandacht men hieraan moet geven.
Inrichting Data Governance omgeving
Bij het inrichten van een Data Governance omgeving hebben we met heel veel aspecten te maken. Zo moeten er standaarden en richtlijnen voor de omgang met data worden opgesteld, moet er een organisatie worden ingericht die zorg voor de juiste behandeling en interpretatie van data en moeten hulpmiddelen (tools) worden uitgezocht die gebruikt kunnen worden bij het beheren van deze data. Welke standaarden en richtlijnen worden uitgewerkt, hoe de organisatie moet worden ingericht en welke tooling moet worden ingezet, is helemaal afhankelijk van de situatie en de doelstellingen die door een organisatie worden gesteld. Data Governance betreft dus een stukje maatwerk en geen kant en klare “one size fits al” oplossing.
Het inrichten van een Data Governance omgeving is complex en gebeurt meestal vanuit een programma dat speciaal hiervoor wordt opgezet. Om het programma succesvol uit te voeren is het belangrijk de juiste personen te betrekken. Te vaak mislukken Data Governance programma’s doordat deze vanuit de IT organisatie worden geïnitieerd en min of meer worden ‘opgedrongen’ aan de rest van de organisatie. Aangezien Data Governance nauw samenhangt met de strategie en doelstellingen van de organisatie, is het logischer zo’n programma vanuit de business organisatie aan te sturen. De business weet immers het best waar het bedrijf naar toe wil en welke Data Governance doelstellingen hierbij passen. De IT-organisatie blijft natuurlijk wel een belangrijke rol spelen in de ondersteuning van het programma en moet dan ook nauw worden betrokken.
Als de doelstellingen van het programma bekend zijn, kan worden nagedacht over de precieze invulling van het programma. Hierbij worden de gebruikelijke onderdelen van een programma bepaald, zoals het vaststellen van budgetten, het bepalen van stakeholders, de opdeling van het programma in projecten, prioritering van stappen, de wijze van rapporteren, het beschrijven en toekennen van verantwoordelijkheden.
Zoals bij zoveel programma’s en projecten kan ook bij een Data Governance programma de kans van slagen vergroot worden door kleine, beheersbare stappen met een duidelijke doelstelling te nemen en deze voortdurend te evalueren. Door kleine stappen te nemen kan snel worden gestart en kan waar nodig direct worden bijgestuurd, waardoor risico’s beperkt blijven. Belangrijk is in ieder stap een bruikbaar resultaat na te streven dat met de rest van de organisatie kan worden gedeeld. Hierdoor is het programma zichtbaar binnen de organisatie en kan draagvlak voor het vervolg traject worden verkregen.
Conclusie
Data Governance is een complex proces, maar niet zo complex dat het niet kan worden uitgevoerd. Voordat men start moet men zich goed bedenken wat de doelstellingen van het programma en ambities van de organisatie zijn. Door vervolgens kleine stapjes te nemen, kan snel worden gestart, snel meer inzicht worden verkregen in mogelijke opbrengsten en kan direct waarde voor de organisatie worden gerealiseerd. Een handig hulpmiddel om de huidige en gewenste volwassenheidsniveau van de organisatie in kaart te brengen en stappen naar het gewenste niveau af te leiden, is een Data (Governance) Maturity Model.