Onze Consulting Director Benelux Ties Carbo ontdekte onlangs dat Funnels visie op data governance nog wat bijgeschaafd en verduidelijkt moest worden. In een interview met Funnel duikt hij in de belangrijkste strategieën van data governance om rekening mee te houden.

Bij Funnel zijn ze niet bang om toe te geven dat ze het soms mis hebben. Nou ja, misschien niet zozeer "fout" als wel niet volledig op de hoogte. We zijn tenslotte ook maar mensen - ondanks alle data waar we dagelijks mee werken.

Dat was onlangs het geval toen een scherpzinnige waarnemer het recente stuk van Funnel over data governance las. Hoewel het stuk veel onderwerpen behandelde onder de paraplu van data governance, miste het misschien wat context en een vooruitdenkend standpunt over de kwestie.

Gelukkig was dit geen doorsnee lezer. Het was Ties Carbo, Consulting Director bij Artefact - een Funnel Solution Partner. Toevallig is Ties een expert op het gebied van moderne data governance en werkt hij elke dag met klanten om de beste data governancestructuren te creëren. Dus besloten ze om samen te gaan zitten en zijn beste ideeën over wat er in het artikel werd gemist vast te leggen.

Drie dingen die mensen verkeerd begrijpen over data governance

Aan het begin van het gesprek wees Ties erop dat er drie belangrijke elementen zijn die zijn klanten het meest verkeerd begrijpen over het onderwerp.

Ten eerste zien veel mensen dit als een IT-probleem. Het is niet moeilijk om te zien waarom. Data governance omvat veel potentieel complexe technische componenten zoals modellen, processen en platforms. Vanuit het perspectief van Ties reiken de implicaties van goed bestuur echter veel verder dan IT.

"Natuurlijk zijn er veel technische componenten voor data governance," zegt Ties, "maar het is een organisatiebreed onderwerp."

Dit speelt in op de tweede misvatting: mensen denken dat het alleen om naleving gaat.

De waarheid is dat dit onderwerp zoveel meer omvat. Naleving van GDPR-kwesties is slechts één onderdeel van hoe een goede data governance je hele organisatie kan beïnvloeden. In feite adviseert Ties klanten vaak om compliancekwesties aan te pakken als sluitstuk van nieuwe data governancestructuren...

Dat brengt ons bij onze derde misvatting.

Volgens Ties werken veel teams geïsoleerd van elkaar aan data governance. Een deel van de organisatie werkt aan data governance maar richt zich alleen op naleving, terwijl een andere groep ervoor zorgt dat data-in magazijnen van de juiste kwaliteit zijn, en meer.

De juiste benadering is om dit alles holistisch te bekijken, als één gigantisch data ecosysteem. Als je data governance vanuit een breder perspectief begint te zien, begrijp je al snel dat het een bedrijfsbrede zorg is.

Met een Michelin-ster bekroond bestuur data

Ties ziet data governance bijna als een keuken. Je moet je keuken zo schoon mogelijk houden. Deze netheid (en het schoonmaken) kun je zien als je data compliance rollen en verantwoordelijkheden, beleid en processen. Maar je moet nog steeds koken in die keuken, toch? Waarom zou je anders een keuken hebben?

Ervoor zorgen dat al je kookgerei op zijn plaats staat, je potten en pannen klaar zijn, je souschefs goed zijn opgeleid, je recepten worden gevolgd en je eten naar de gasten gaat, omvat de rest van goed data bestuur.

Begrijpt u? Een schone keuken helpt je bij het leveren van een geweldige voedselervaring, net zoals data governance je kan helpen waarde te halen uit data.

Dus wat is data governance precies?

Ok. We weten dat compliance slechts één onderdeel is van het hele concept data governance. Hoe zit het met de rest? Volgens Ties zijn er vier hoofdcomponenten: data structuren, data beleid, data bedrijfsmodellen, data hulpmiddelen.

  • Data structuren: Zie dit als je modellen en kaarten. Ze helpen je te begrijpen waar je data hebt en wat het is. Om terug te komen op ons keukenconcept: de chef-kok moet weten waar elk station zich in de keuken bevindt. Daarnaast moet elke kok weten waar elk onderdeel van zijn mise en place is opgeborgen.

  • Data beleid: Dit zijn de regels die je hebt opgesteld. Ja, naleving kan hier worden gevonden, maar ook je beleid voor data kwaliteit. Je moet normen opstellen voor de manier waarop data wordt bijgehouden. In de keuken moet een chef-kok recepten opstellen, ervoor zorgen dat die recepten worden gevolgd en elk gerecht proeven wanneer het op tafel komt - om ervoor te zorgen dat elk gerecht perfect wordt opgediend.

  • Data bedrijfsmodellen: Stel je voor dat je je structuren hebt opgezet en je beleid op orde hebt. Je moet nog steeds vaststellen wie verantwoordelijk is voor elk facet data in de organisatie. Wie is er bijvoorbeeld verantwoordelijk voor het schoonhouden van de verkoop data ? Wie kan fouten in de data opsporen?

    In onze keukenanalogie moet een chef-kok aan elk station een kok toewijzen op basis van hun huidige specialiteiten. De koks in deze verschillende gebieden van het bedrijf (de keuken) runnen dan hun stations volgens hun specifieke behoeften.

  • Data gereedschap: Deze is vrij eenvoudig. Dit aandachtsgebied betreft de verschillende elementen van je data stack die je gebruikt om je data te beheren. Voor bedrijven die net beginnen met hun data governance-reis, kunnen dit Excel-sheets en Visio-diagrammen zijn. Maar de meer volwassen spelers hebben speciale tools, zoals data lineage, meta-data management, data kwaliteitsmanagement en meer.

Het ideale model van data bestuur

Tijdens ons gesprek vertelde Ties dat data governance vaak over het hoofd wordt gezien in veel organisaties waar hij mee te maken heeft. Dit lijkt echter langzaam te veranderen.

Nu bedrijfsleiders zich bewust worden van het belang van data als strategisch bedrijfsmiddel, beginnen ze ook de waarde van goed bestuur in te zien.

Zelfs verschillende afdelingen beginnen in te zien dat data governance niet langer alleen een IT-kwestie is. Bij marketing bijvoorbeeld begrijpen we hoe waardevol data van hoge kwaliteit kan zijn. Maar alleen marketeers kunnen de kwaliteit van data meten in een marketingcontext.

"Het IT-team kan je niet vertellen of de data correct is," zei Ties. "Ze kunnen je alleen vertellen dat de data staat waar hij hoort te staan. Specifieke teams moeten ervoor zorgen dat de data voldoet aan de standaarden van hun use case."

De ideale benadering van data governance is volgens Ties de data mesh-benadering.

"In een echte data organisatie werkt iedereen tegelijkertijd met data ," zegt Ties. "Door een federated governance structuur te volgen, heeft iedereen een gevestigd belang in de data en met de mogelijkheid om de structuur op te schalen."

Data bestuur voor het AI tijdperk

Deze moderne benadering van data governance, waarbij iedereen in de organisatie "eigenaar" is van een stuk van de data, wordt steeds belangrijker. Kijk maar eens naar de opkomende generatieve AI tools.

Hoewel veel mensen ChatGPT kennen, kan de onderliggende technologie worden gebruikt (dankzij het open source karakter) om eigen AI tools te maken. Een bedrijf zou bijvoorbeeld GPT-3 of GPT-4 kunnen nemen, het op een eigen geïsoleerde server kunnen zetten en het voeden met een heleboel eigen data om een aangepaste, bedrijfsspecifieke AI te maken.

Een SaaS organisatie wil misschien een soortgelijk systeem implementeren om een zeer goed geïnformeerde chatbot te maken om vragen van bestaande en potentiële klanten te beantwoorden. Het zou gebruikers kunnen adviseren hoe ze een product het beste kunnen gebruiken, of prospects kunnen overtuigen waarom het ene stuk software beter is dan het andere.

Dit AI gereedschap is echter zo goed als de data die je erin stopt.

"De data (en de kwaliteit van die data) die je met deze tools kunt voeden, is je onderscheidende concurrentiepositie," aldus Ties. "Goede data governance is hier een belangrijk onderdeel van. Zonder goede governance wordt de data al snel een puinhoop, wat leidt tot een minder effectieve AI.

"De organisatie met een betere data en data bestuursstructuur zal in het voordeel zijn."
Ties Carbo, Directeur Advies Benelux

Pluk de vruchten van goed data bestuur

Elk bedrijf heeft zijn eigen unieke aanpak nodig voor data governance. Als u echter een data mesh-benadering als uw Poolster gebruikt, zet u uzelf op het pad naar een groter concurrentievermogen en betere data resultaten.

Of u nu de kwaliteit van uw data wilt verbeteren, wilt voldoen aan de compliance-eisen van een nieuwe markt, nieuwe tools wilt implementeren of meer, een strategische en holistische benadering van uw data governance helpt u verder.

Neem gerust contact met ons op om je vragen over data governance te bespreken!