Enterprise Data Management: use and need

Inleiding

onze digitale wereld is gebaseerd op informatie. Data is overal en iedereen gebruikt het voor hun dagelijkse bedrijf. Data management heeft onlangs gezien een stijging in populariteit bij bedrijven, organisaties, analisten en adviseurs. Wat drijft deze ontwikkeling, Gezien het feit dat dit onderwerp over het algemeen niet als erg sexy wordt beschouwd?

gegevens zijn een weergave van feiten. Door gegevens in context te plaatsen, wordt informatie gecreëerd. Het ontbreken van goed databeheer betekent vaak automatisch dat management-en operationele informatie niet effectief is. Op de lange termijn zal dit een organisatie zodanig verlammen dat ze niet meer naar behoren kan functioneren. De reden hiervoor is dat belangrijke beslissingen te laat worden genomen, omdat mensen niet meer kunnen vertrouwen op managementinformatie. Daarnaast vereist business process management steeds meer tijd en inspanning omdat taken en verantwoordelijkheden van afdelingen niet goed op elkaar zijn afgestemd. In deze situatie creëert en beheert iedereen alleen de gegevens die nodig zijn voor de uitvoering van zijn of haar eigen taken, en maakt daarom gebruik van een eigen reeks gegevensdefinities. Omdat afdelingen elkaar van onnauwkeurigheid beschuldigen, worden er massaal controlemaatregelen opgelegd en worden de operaties nog scherper, wat leidt tot een neerwaartse spiraal voor de hele onderneming. Daarom is er een dringende zakelijke reden om data management een onafhankelijke en professionele positie binnen organisaties toe te wijzen.

bovendien zorgen regels en voorschriften voor een gestructureerde organisatie van gegevensbeheer. Regelgeving in de financiële sector, zoals Bazel en Solvency, verplicht een governancekader te implementeren voor datakwaliteit en traceerbaarheid van informatie die wordt gebruikt in organisatorische rapporten. In dit verband stelt Bazel II: “de bank moet beschikken over een proces voor het doorlichten van gegevens die worden ingevoerd in een statistisch model voor de voorspelling van wanbetaling of verlies, dat een beoordeling omvat van de nauwkeurigheid, volledigheid en geschiktheid van de gegevens die specifiek zijn voor de toekenning van een goedgekeurde rating.’Kwalitatief datamanagement is belangrijk om aan deze criteria te kunnen voldoen, maar kan ook zeer tijdrovend zijn om te implementeren. In deze context is het moeilijk om regels en voorschriften na te leven of overeenkomsten met leveranciers en klanten te sluiten.Het beheer van bedrijfsgegevens omvat alle activiteiten binnen organisaties die gericht zijn op de gestructureerde identificatie, classificatie, registratie, modellering, ontgrendeling, beveiliging, archivering en verwijdering van gegevens. In dit kader vertegenwoordigt de term ‘onderneming’ het organisatiebrede karakter van datamanagement.

het feit dat databeheer zo ‘ n cruciale rol speelt in de bedrijfsvoering wordt onderstreept door verklaringen van ambtenaren op C-niveau. Aloys Kregting, CIO van DSM, verkozen tot CIO van het jaar in 2011, zegt: ‘de CIO moet zich vooral bezighouden met de waarde van informatie. Je moet precies weten welke mensen welke informatie nodig hebben wanneer, en faciliteren dat proces ook. Dit onderstreept eens te meer het belang van rapportering en stamdatamanagement.”

als tweede voorbeeld kunnen we wijzen op de CEO van een olie-exploratie-en productiebedrijf, die zich realiseert dat goed databeheer de volgende stap is in de vooruitgang van zijn bedrijf in de richting van business excellence, en het in staat zal stellen zich te onderscheiden van zijn rivalen: “Continuous improvement efforts will now focused on profiting of these changes and discover the verborgen value they offer. Dit betekent dat vereenvoudigde processen en versterkt databeheer moeten worden gestimuleerd om snellere en beter onderbouwde besluitvorming te bieden, beter te kunnen inspelen op de behoeften van de klant en minder verspilling-wat allemaal resulteert in betere concurrentieprestaties.”

gegevens als een actief

zoals hierboven vermeld, zijn gegevens een weergave van feiten. In een zakelijke omgeving betekent dit’feiten betreffende de bedrijfsvoering’. Zonder context of structuur hebben deze gegevens geen toegevoegde waarde voor een bedrijf. Het mist de inhoud en betekenis om enige echte waarde te hebben. Hierbij maken we onderscheid tussen gestructureerde gegevens (opgeslagen en gearrangeerd in een database) en ongestructureerde gegevens (in de vorm van documenten, bestanden, afbeeldingen, tekstberichten, formulieren, video ‘ s of geluidsopnamen, die niet in rijen, kolommen of records kunnen worden opgenomen).

zonder aanvullende informatie is het moeilijk, zo niet onmogelijk om deze gegevens voor gebruik te classificeren, te registreren en te ontgrendelen. Het moment dat we context brengen aan deze gegevens-dat is wanneer het Betekenis krijgt. Vervolgens voegen we een referentie toe, een datum en een tijd, de Betekenis van het bericht, een formaat. Hiermee worden de gegevens gestructureerd en informatie. Als we alle verschillende informatiebronnen met elkaar verbinden, door relaties op te bouwen en patronen te identificeren, wordt deze informatie kennis. Dit is dus de toegevoegde waarde van business intelligence (BI): het verbinden van verschillende informatiebronnen in een organisatie om de besluitvorming door het management van het bedrijf te verbeteren. Zie ook Figuur 1.

figuur 1. Waarde van data, geplaatst in context.

organisaties die het best in staat zijn hun gegevens te structureren en deze informatie open te stellen voor de kenniswerkers binnen het bedrijf hebben een concurrentievoordeel. Door gebruik te maken van de inherente commerciële kracht van deze data krijgen bedrijven en organisaties een strategische voorsprong op hun concurrenten. Eric Schmidt, voormalig CEO van Google, verklaarde in 2010: ‘ik geloof niet dat de samenleving begrijpt wat er gebeurt als alles beschikbaar, kenbaar en opgenomen is door iedereen de hele tijd.’En Gartner verklaart: ‘In de private sector schatten we bijvoorbeeld dat een retailer die big data ten volle gebruikt de potentie heeft om zijn operationele marge met meer dan 60% te verhogen.'()

maar het gaat niet alleen over goede structurering en ontsluiting van gegevens. Gedurende enkele jaren was het heersende idee dat BI het probleem van managementinformatie zou oplossen. De meeste wereldwijde bedrijven en organisaties hebben complexe software geïmplementeerd en dure BI-programma ‘ s uitgevoerd. Toch is het management niet tevreden. Omdat BI voornamelijk gericht is op gestructureerde data, wordt er onvoldoende geïnvesteerd in het ontsluiten van de waarde van ongestructureerde data. Bovendien kan managementinformatie niet gemakkelijk worden aangepast aan veranderende bedrijfsbehoeften. KPMG verklaarde: “enorme investeringen in IT garanderen niet noodzakelijkerwijs betere informatie. Belangrijker is het fundamenteel veranderen van de manier waarop gegevens worden verzameld, verwerkt en gepresenteerd.”()

informatie die via een datawarehouse wordt blootgesteld, is waardeloos als de kwaliteit van de onderliggende dataset slecht is. Ongestructureerde gegevens (CA. 85% van alle bedrijfsgegevens) is niet toegankelijk via een datawarehouse. De vraag is dan ook: hoe kunnen we deze data upgraden en wat is een goed databeheer voor ongestructureerde data? In dit verband betekent ‘goed’ in overeenstemming met de kwaliteitscriteria die de organisatie aan de gegevens heeft opgelegd. Het is duidelijk dat’ goede data ‘ niet zomaar uit het niets verschijnt. Er is een kader nodig. Dit kader bestaat uit activiteiten die een bedrijf op een logische en precieze manier moet organiseren en insluiten in de organisatie. Dit heet data management en omvat alle organisatorische activiteiten gericht op de bedrijfsvoering, met het oog op het identificeren, classificeren, registreren, modelleren, ontgrendelen, beveiligen, archiveren en verwijderen van gegevens op een gestructureerde manier. Voor dergelijke activiteiten maken we gebruik van de term ‘Enterprise Data Management’ (EDM), omdat het gaat om activiteiten die organisatiebrede worden uitgevoerd.

het besef dat goed beheer van gegevens waarde kan toevoegen aan bedrijfsactiviteiten en winsten kan verhogen, heeft analisten en adviseurs ertoe gebracht gegevens op hetzelfde niveau te brengen als andere bedrijfsmiddelen zoals grond, gebouwen en machines. In deze context worden gegevens gedefinieerd als een bedrijfsmiddel. Activa moeten goed worden beheerd: goed onderhouden en beschermd, met toegewezen eigendom en tijdige verwijdering of vervanging van gegevens als deze verouderd raken. Net als andere activa kunnen ook organisatorische gegevens worden verkocht om de waarde ervan te extraheren. Concurrenten zullen bijvoorbeeld klantinformatie waarderen omdat deze kan worden gebruikt om de verkoop te verbeteren.

bestuurders van toonaangevende bedrijven over de hele wereld hebben dit volledig erkend. Gegevensgerelateerde programma ‘ s staan prominent op hun actielijsten. De Hackett Group stelt: ‘wat bedrijven erkennen is dat ze veel geld hebben gegooid naar de applicaties, maar, zonder standaardiseren en reinigen van hun gegevens, krijgen ze nog steeds informatie die geen zin heeft. Ze hebben bedrijven die verschillende definities gebruiken, die metrics anders berekenen, die verschillende hiërarchieën gebruiken. Dit hele concept van master data management is absoluut cruciaal voor bedrijven om uiteindelijk tot het punt te komen waar ze predictive analytics hebben.’De business case voor het initiëren van master data management (MDM) programma’ s lijkt evident: ‘in 2013 zal MDM de data redundantie van organisaties verminderen, wat 80% van de kosten voor het beheren van redundante data kan besparen.”()

modellen voor beheer van bedrijfsgegevens

het beheer van gegevens wordt al geruime tijd veel aandacht besteed en er is een overvloed aan modellen en methoden die allen beweren het beste antwoord te bieden op de structuur van beheer van bedrijfsgegevens. De Internationale Organisatie voor normalisatie, beter bekend als ISO, heeft talloze normen, die elk een subaspect van het dataspectrum bestrijken. ISO 27001 houdt zich bijvoorbeeld bezig met informatiebeveiliging. ISO 15489 is de norm die wordt toegepast op het beheer van informatie vanuit een archiefperspectief. ISO 23081 is de standaard voor metagegevens. Daarnaast kan men ISO 19005 gebruiken als richtlijn voor het verschijnen van gegevens. We hebben dus een overvloed aan normen. Andere frameworks zoals COSO en frameworks zoals Cobit en ISF spreken over het belang van data in een bredere zin, maar alleen vanuit een risicoperspectief.

Data Management Body of Knowledge

een vollediger model lijkt het model van DAMA-DMBOK te zijn. Het bevat een verzameling best practices op het gebied van datamanagement die door de jaren heen zijn aangevuld met nieuwe inzichten uit de praktijk. De Dama-DMBOK Guide (voluit: Data Management Body of Knowledge) is een publicatie van de Data Management Association, een internationale organisatie gericht op datamanagers en dataprofessionals voor de verspreiding van kennis over datamanagement.

de DMBOK identificeert tien verschillende datafuncties. Deze functies zijn weergegeven in Figuur 2. Data governance is de functie die de andere domeinen met elkaar verbindt. In elk van de domeinen moet aandacht worden besteed aan omgevingsfactoren, zoals de huidige werkmethoden en procedures, gebruikte technieken en de organisatiecultuur.

Figuur 2. Datadomeinen volgens DAMA ().

DAMA heeft zijn zwakke punten. Bijvoorbeeld het feit dat de genoemde functies alleen in brede termen naar elkaar verwijzen, wat betekent dat een gebruiker niet altijd de relatie tussen functies en vervolgens de overkoepelende betekenis van de combinatie herkent of begrijpt. Bovendien lijkt DAMA gericht te zijn op traditionele, gestructureerde data, althans op dit moment. In dit geval wordt er weinig aandacht besteed aan het belang van content uit de sociale media. Databeveiliging binnen DAMA is vooral gericht op de technologische bescherming van data. Daarnaast is het verschil in de manier waarop generaties met gegevens omgaan niet expliciet erkend als relevante factor (omgevingsfactor). Tot slot – en dat is misschien wel het grootste bezwaar-is het vooral een conceptueel kader. Het ontbreekt aan praktische voorbeelden om begrippen en termen voldoende duidelijk te maken voor de lezer, wat een risico van inconsistente interpretatie met zich meebrengt. De manier waarop het kader moet worden uitgevoerd is ook nogal onduidelijk. Dit is in strijd met het primaire doel van een lichaam van kennis. De toepassing van deze kennis moet immers gericht zijn op het stimuleren van consistentie in de toepassing van datamanagement. Het is om deze redenen dat we DAMA alleen gebruiken voor de identificatie van functies, want die zijn inderdaad solide.

KPMG Enterprise Data Management model

de bovengenoemde modellen bevatten belangrijke elementen waarmee rekening moet worden gehouden bij de realisatie van een professionele data management Organisatie. Voor de operationalisering van datamanagement is echter ook een andere reeks aspecten van belang, aspecten die niet door deze modellen worden bestreken.In de eerste plaats gaat het om het feit dat gegevens worden uitgewisseld tussen systemen zowel binnen de organisatie als tussen de organisatie en derden. Daarom moet datamanagement ervoor zorgen dat er goede afspraken worden gemaakt over het formaat waarin de gegevens worden geleverd, over de validatie van de kwaliteit van de geleverde gegevens, over mogelijke verrijkingsrondes voordat de gegevens verder worden verwerkt, en over eventuele procedures als er fouten optreden in het proces. Wij groeperen deze activiteiten onder de termen ‘acquisitie en authoring ‘en’distributie’.

daarnaast moet EDM er ook voor zorgen dat het EDM-kader als geheel kan worden gehandhaafd. De organisatie moet beschikken over processen om documenten en gebreken te registreren die zijn vastgesteld tijdens de operationele uitvoering van EDM-activiteiten. Deze moeten worden besproken in de bestuursorganen van EDM en moeten leiden tot een aanpassing van de bestaande procedures en technieken. In deze context kan men denken aan een situatie waarin een data quality dashboard gebruikt binnen een organisatie moet worden aangepast omdat de organisatie een nieuw data object wil monitoren. In dergelijke gevallen zou er een ‘veranderingsproces’ moeten zijn dat de besluitvorming over deze wijziging regelt en de wijziging van het dashboard uitvoert nadat de beslissing is genomen.

ten slotte moeten alle EDM-activiteiten die door een organisatie worden uitgevoerd, worden beoordeeld aan de hand van hun effectiviteit en efficiëntie. Net zoals het geval is met de primaire processen binnen een organisatie, zou er een ‘plan, do, check, act’ mechanisme voor EDM moeten zijn, zodat men kan controleren of de uitvoering van EDM activiteiten voldoet aan de afspraken hierover. ‘Procesmonitoring’ maakt dit mogelijk, en stelt de EDM-organisatie in staat om onafhankelijk defecten te identificeren en corrigerende maatregelen te nemen.

deze stappen zijn weergegeven in het KPMG EDM-model in Figuur 3.

Figuur 3. KPMG Enterprise Data Management model.

Hieronder volgt een korte beschrijving van de belangrijkste elementen van het model.

• Gegevensgovernance is gericht op het sturen van gegevensbeheeractiviteiten. Zaken als strategie, beleid, rollen, taken en verantwoordelijkheden vallen onder deze categorie.
• Gegevensarchitectuur houdt zich bezig met de definitie en documentatie van gegevensobjecten en gegevensstructuren in een gegevensmodel. Deze vormen de basis voor informatieanalyse en proces-en systeemopbouw in een organisatie.
• Stamgegevensbeheer betreft de kwaliteit van stam-en referentiegegevens. Het uiteindelijke doel is om unieke (‘gouden’) platen te creëren.
• Data Warehousing is de activiteit die zorgt voor de definitie van de architectuur die wordt gebruikt om gegevens in relationele databases op te slaan.
• Business Intelligence omvat het openen van gegevens die zijn opgeslagen in datawarehouses. De gegevens moeten zodanig worden verstrekt dat zij nuttige informatie aan het management verschaffen, zodat zij met kennis van zaken beslissingen kunnen nemen.
• Gegevenskwaliteitsmanagement betreft een structurele documentatie van kwaliteitscriteria, de analyse van de werkelijke gegevenskwaliteit en rapportage over gegevenskwaliteit.
• inhoudsbeheer is gericht op de classificatie van gegevens, de structurering van documentstromen en de toegang daartoe.
• archivering is gericht op de verplaatsing van inactieve gegevens naar andere omgevingen.
• in het kader van Governanceactiviteiten heeft ‘metagegevens’ betrekking op informatie over elementen van gegevensbeheer, zoals technische en functionele beschrijvingen van gegevensobjecten en gegevensmodellen.
• databasebeheer is gericht op het operationele technische beheer van databases.
• gegevensbeveiliging is gericht op het beveiligen van gegevens tegen onbevoegde toegang en gebruik van deze gegevens.
• Identity Management geeft, concluderend, de toegang tot gegevens aan.

voor een meer gedetailleerde beschrijving van een aantal van deze EDM-elementen verwijzen we u naar de afzonderlijke bijdragen over EDM-elementen die in dit Compact zijn opgenomen.

EDM vanuit een organisatorisch perspectief

binnen het toepassingsgebied van dit artikel is het alleen aan ons om te reageren op de vraag hoe het EDM-model het best in de praktijk kan worden toegepast.

als je goed kijkt naar de verschillende componenten van EDM, zoals weergegeven in Figuur 3, krijg je de indruk dat er weinig logische volgorde in deze componenten zit. Figuur 3 laat zien dat er geen voorgestelde prioritering of fasering van de constructie en uitvoering van de elementen is. Het is echter duidelijk dat data governance alle andere elementen met elkaar verbindt. Hiermee willen we aangeven dat er geen ranking is tussen de domeinen, en dat de volgorde waarin de componenten van EDM zijn gerangschikt puur willekeurig is. Data governance vormt hier een uitzondering. De link die data governance vormt tussen alle andere onderdelen van EDM laat duidelijk zien dat er geen enkele data management activiteit met succes kan worden ontwikkeld en geïmplementeerd als er geen data governance binnen de organisatie is.

Data governance legt de basis voor alle data management activiteiten. Zonder deze fundering zouden de activiteiten slechts een stapel losse stenen zijn zonder structuur en cement. Dit kan betekenen dat BI-oplossingen worden aangeschaft en geïmplementeerd terwijl er onvoldoende gegevensstandaarden of gegevensdefinities zijn. Of het kan zijn dat de gegevenskwaliteit die nodig is om betrouwbare managementinformatie te genereren, ontoereikend is. Dit kan leiden tot het ontwerp en de aankoop van systemen die niet compatibel zijn met andere systemen omdat er geen overkoepelend bedrijfsmodel is dat als basis kan dienen voor alle systeemontwikkelingen. Het kan uiteindelijk resulteren in een organisatie die actief gebruik maakt van de sporen die internetgebruikers achterlaten op websites, zonder rekening te houden met privacyregels, wat kan leiden tot beeldschade en misschien claims.

Data governance zorgt ervoor dat er een organisatiebrede visie en strategie voor data management bestaat, ondersteund door het management. De visie informeert ons over wat we willen bereiken. Het geeft als het ware de ambitie van de organisatie aan. Alle gegevensgerelateerde activiteiten moeten aan deze visie voldoen en de strategie moet zorgen voor consistentie in deze activiteiten. Strategie bepaalt ook de omvang van data management binnen een organisatie. Zonder het overkoepelende DAMA-model te negeren, kunnen organisaties er de voorkeur aan geven bepaalde aspecten buiten beschouwing te laten omdat ze waarschijnlijk al ergens anders worden ingevuld, in een decentrale eenheid. Een steeds terugkerend fenomeen is bijvoorbeeld het feit dat HR een eigen datamanagementorganisatie creëert en slechts beperkt gebruik maakt van de richtlijnen en standaarden die de centrale datamanagementorganisatie heeft ontwikkeld.

gegevensbeheer zorgt er ook voor dat aandacht wordt besteed aan de formulering van beleidsregels. In deze context hebben we het over informatiebeveiligingsbeleid, beleidsregels met betrekking tot dataarchitectuur, archivering en datakwaliteit. Daarnaast zorgt data governance voor de organisatorische inbedding van data management. Het is noodzakelijk om te bepalen: wie is uiteindelijk verantwoordelijk, waar en hoe worden beslissingen genomen over strategie, beleid, normen, rollen, eigendom? Bijvoorbeeld, hoe en wanneer worden rapporten over data management activiteiten binnen de organisatie geformuleerd? Op welke manier organiseren we de uitvoering van master data maintenance activiteiten?

uit dit overzicht zal duidelijk zijn gebleken dat gegevensbeheer de basis is van goed gegevensbeheer. Ongeacht het stadium van volwassenheid waarin een organisatie zich kan bevinden, is het altijd nuttig om de kwaliteit van data governance serieus te onderzoeken en te controleren of haar bereik al dan niet toereikend is.

stel je voor dat een organisatie haar data governance volledig in orde heeft. Zijn er dan steunpunten beschikbaar of best practices die kunnen verduidelijken welke van de andere componenten van databeheer direct in aanmerking komen voor optimalisatie, in termen van prioritering? Helaas is dit niet het geval. Met andere woorden, de ervaring heeft ons geleerd dat dit afhangt van de prioriteiten die uit de agenda van de organisatie zelf naar voren komen.

stel je voor dat een organisatie besluit om een bestaand informatiesysteem te vervangen door een nieuw ERP-systeem. Men zou zich dan afvragen over de impact die dit zou kunnen hebben op data management. Wat moet de hoogste prioriteit hebben? Dit kan ertoe leiden dat “Data Quality Management” de hoogste prioriteit krijgt als gevolg van de noodzakelijke migratie. Vervuilde data wordt gereinigd, meta-documentatie wordt aangepakt en het master data management wordt verbeterd. De implementatie van een data-integratietoepassing kan er bijvoorbeeld toe leiden dat het data-architectuurmodel wordt bijgewerkt en dat een toepassing voor gegevenskwaliteit wordt geselecteerd en geïmplementeerd om gegevens te reinigen en te verrijken voordat deze met andere platforms worden gedeeld.

Figuur 4. Relatie tussen business model en EDM.

concluderend zijn wij van mening dat, op basis van data governance en afhankelijk van de bedrijfsagenda van de organisatie, die data management activiteiten die de meeste toegevoegde waarde in de realisatie van de agenda op een bepaald moment te brengen moeten worden voortgezet. De details zijn weergegeven in Figuur 4. Gericht op visie en strategie, wordt het businessmodel geconstrueerd dat nodig is om de doelstellingen te realiseren die in de visie en strategie zijn vastgelegd. Dit businessmodel stelt eisen aan de primaire en ondersteunende processen. Er zijn middelen nodig om deze processen te laten functioneren, en die kunnen later worden onderverdeeld in mankracht, data en IT-middelen. Precies wat en hoeveel nodig is aan de data kant in een specifiek geval wordt bepaald door de business agenda. EDM biedt een voet aan de grond voor de manier waarop dit moet worden georganiseerd. Dit omvat een op maat gemaakte aanpak en kan niet worden ingekapseld in een vast patroon van data management activiteiten.

conclusie

In deze bijdrage hebben wij een inleiding gegeven tot EDM als een benadering van het beheer van alle gegevens die een organisatie genereert of verwerft. Een goede implementatie van deze aanpak zorgt ervoor dat deze gegevens voldoen aan de kwaliteitseisen van de organisatie en dat de gegevens die nodig zijn om processen uit te voeren en om het management in staat te stellen gefundeerde beslissingen te nemen correct, volledig en tijdig beschikbaar zijn. Wanneer dit het geval is, zijn gegevens een actief dat net als alle andere bedrijfsmiddelen moet worden beheerd. Vervolgens hebben we de samenstellende delen van EDM verder gedefinieerd. Zo is er een kader van beheersactiviteiten ontstaan dat de basis vormt voor de kwaliteit van de gegevens. Tot slot hebben wij betoogd dat de uitvoering van de samenstellende delen niet volgens een vast patroon kan plaatsvinden. In de operationalisering is het de bedrijfsstrategie en prioritering die bepalen welke componenten van EDM worden geselecteerd en geoptimaliseerd. Een cruciale rol wordt toegekend aan data governance, die zorgt voor de organisatiebrede en management-gesponsorde visie en strategie.