Data governance: Gebruik en hergebruik, regie op de rol van data

Data wordt zelden eenmalig gebruikt. Denk aan wat jouw jaarplan voedt: de strategie en bijbehorende strategische doelen van de organisatie, evaluaties van vorige plannen en resultaten, ervaringen uit het verleden, benodigde verbeteringen. Het is allemaal data. Data die zich eerder liet verbinden tot andere producten, zoals de strategie of een evaluatierapport, is nu de grondstof voor het portfolio van volgend jaar.

Data by Design loopt als rode draad door deze reeks: in het eerste artikel als integrale blik op het jaarplan, in het tweede als spelregels voor de ontwikkeling van ‘digital leadership’. In dit derde deel ligt de focus op de waarde van data, specifiek op de optimalisatie daarvan. Deze waarde ontstaat niet vanzelf, maar wordt enkel blijvend gerealiseerd onder de juiste regie.

Zowel bij het inwinnen van nieuwe data, als bij het hergebruiken of verrijken van bestaande data, spelen dezelfde vragen een belangrijke rol: welke behoefte vervult de data, welke kwaliteit is vereist, wie krijgt er toegang en wat mag het kosten? Vragen die worden beantwoord bij het inrichten van passende data governance.

Data governance: Gebruik en hergebruik, regie op de rol van data

Bewuste sturing op de waarde van data

Het implementeren van de juiste data governance zorgt voor bewuste sturing op de waarde van data, in de hele levenscyclus: van inwinning via gebruik en hergebruik tot aan vernietiging. Vier ontwikkelingen laten zien wat er op het spel staat: soms de waarde die je kunt verzilveren, soms het risico dat je moet beheersen. In beide gevallen is sturing niet langer vrijblijvend.

Vier ontwikkelingen binnen data governance

Data als bouwsteen: Data wordt steeds vaker in verschillende contexten hergebruikt. Daarmee kun je data beschouwen als bouwsteen voor dienstverlening. Je kunt dit vergelijken met lego, waarmee je van bestaande blokjes de meest uiteenlopende bouwwerken maakt. Dat reduceert complexiteit en verlaagt kosten voor dubbele inwinning, mits die blokjes daadwerkelijk herbruikbaar zijn opgezet.
Diepgang & domeinkennis: Hoe specifieker de behoefte, bijvoorbeeld bij diepgaande analyses, hoe meer domeinkennis er nodig is om data goed te interpreteren. Die kennis is vaak schaars, terwijl analyse zonder kennis niet de juiste inzichten levert. Door domeinspecifieke kennis te standaardiseren en goed vast te leggen, wordt het bruikbaar voor een bredere groep generieke kennishouders en neemt de schaarste af.
Objectiviteit & interpretatierisico: Elke stap tussen de oorspronkelijke bron en het uiteindelijke gebruik voegt interpretatie toe. Hoe meer verwerkingsstappen, hoe groter het risico dat betekenis wordt aangepast en de objectiviteit van data vermindert. Elke keer dat de data wordt (her)gebruikt, wordt dat aantal stappen groter. Dit risico is te beheersen door consequent vast te leggen waar data vandaan komt en wat ermee is gebeurd.
Interoperabiliteit & uitwisseling: Zodra data de eigen organisatie verlaat, bijvoorbeeld via een organisatie-overstijgende waardeketen of cross-sectoraal, wordt het risico op foutieve interpretatie nog groter. Standaarden die uitwisseling in de keten van een data-ecosysteem vergemakkelijken, zijn dan onmisbaar. Zonder een gedeelde manier om data te structureren en te ontsluiten, gaat de betekenis van data die buiten haar oorspronkelijke context wordt gebruikt gemakkelijk verloren, of wordt de data zelfs incorrect gebruikt.

Federatief, niet vrijblijvend

Sturing staat niet gelijk aan centrale controle. De volgende vijf uitgangspunten versterken jouw data governance en zorgen ervoor dat gedeelde data een gedeelde waarheid blijft, herbruikbaar in verschillende contexten, met kwaliteit die bewaakt wordt door het hele data-ecosysteem.

Federatief eigenaarschap: beleg het eigenaarschap niet centraal, maar duidt eigenaren van deelproducten in een specifieke context. Daarmee borg je niet alleen de kwaliteit, maar ook de passende beschikbaarheid en de juiste toegang voor de betreffende behoefte.
Een gedeeld basismodel, gespecificeerd en waar nodig verrijkt per afnemer: bouw een generiek kernmodel als gemeenschappelijke waarheid, met ruimte voor specifieke verdieping, verrijking of verduidelijking per behoefte.
Data is zowel een bouwsteen, als een product: data die wordt (her)gebruikt, verdient dezelfde zorg als wat je aan een klant levert: een eigenaar, een kwaliteitsstandaard en documentatie. Het verliest waarde wanneer het gezien wordt als toevallig restant van een ander proces of buiten de juiste context wordt gebruikt.
Gedeelde spelregels voor hergebruik, geen goedkeuring per aanvraag: stel per behoefte vast wie welke data mag (her)gebruiken en onder welke voorwaarden. Deze kaders vergroten de wendbaarheid, zonder de kwaliteit te verminderen.
Eigenaarschap zichtbaar, niet alleen belegd: het vaststellen van eigenaarschap is geen theoretische exercitie. Het is pas waardevol als de eigenaar zijn verantwoordelijkheden neemt en uitdraagt.

Van AI-wildgroei naar een data product

Waar artikel twee liet zien hoe zelfstandige initiatieven zonder gedeelde spelregels uiteenvallen tot AI-wildgroei en integratie-spaghetti, gaat data governance over de omgekeerde beweging: de versplinterde data samenvoegen tot een product, vanuit verschillende bouwstenen in de juiste context onder de juiste voorwaarden.

Net als Data by Design hoort ook data governance vooraf te worden belegd. Beslissingen over waar te investeren, welke dienst uit te breiden of welk risico te nemen, leunen uiteindelijk op dezelfde bronnen. Zodra eigenaarschap en spelregels vooraf zijn belegd, kan de organisatie op die beslissingen vertrouwen. Zonder die regie worden dezelfde uitvragen mogelijk op basis van verschillende berekeningen beantwoord.

De juiste governance is de basis voor betrouwbare besluiten en voor een organisatie die weet wat ze aan data te beschermen heeft. In het volgende artikel gaan we in op wat dit betekent voor de weerbaarheid van de organisatie.

Uitdieping van de vier pijlers:

Herken jij deze uitdagingen?

Neem vooral contact op

Plan een adviesgesprek