Connecting the Dots met Data Intelligence
Veel bedrijven gebruiken deze tagline; “Connecting the Dots”. Dat doen wij ook. Waarom? Wat is “Connecting the Dots” voor ons, en waarom kiezen we ervoor om het te gebruiken, ook al is het niet zo origineel?
Met “Connecting the Dots met Data Intelligence” refereren wij aan een Data Management Book of Knowledge (DMBOK) framework dat ons helpt iets behoorlijk complex uit te leggen op een zeer eenvoudige en makkelijk te begrijpen manier.
Hier lichten we onze visie op het verbinden van de “dots” rond Data Intelligence toe. Met het begrip Data Intelligence verwijzen we naar actiegericht Data Governance: ervoor zorgen dat we de gegevens die we gebruiken kunnen vinden, begrijpen en vertrouwen, en dit gebruik ook kunnen bijhouden.
Data Intelligence: Rol en Positie
Data Intelligence is de verbindende “dot” voor alle metadata (gegevens over de verschillende assets) van de andere dots. Laten we beginnen met de Data “dot”.
Data
Om Data Intelligence te implementeren leggen we de metadata vast van de data die we hebben. We beschrijven de schema’s, tabellen en kolommen van een organisatie en waar ze zich bevinden. We leggen details vast zoals technische gegevenstypes en zijn in staat de gegevens die in deze tabellen zijn opgeslagen te classificeren. Het belangrijkste is echter dat deze gegevens worden gekoppeld aan de feitelijke definities die het bedrijf gebruikt: de bedrijfstermen.
Bedrijfsterminologie
Wij zorgen ervoor dat een bedrijf een uniforme taal kan gebruiken om ervoor te zorgen dat er een gemeenschappelijk begrip is van de termen die worden gebruikt. En we leggen afwijkingen vast wanneer – bijvoorbeeld – een bedrijfsonderdeel moet afwijken van de gemeenschappelijke definities. Door de bedrijfstermen te koppelen aan de gegevens zorgen we ervoor dat het gemakkelijk te begrijpen is welke zakelijke betekenis de bekeken gegevens hebben. De verzameling van bedrijfstermen die we creëren wordt de business glossary genoemd. Door ervoor te zorgen dat bedrijfstermen op de juiste manier worden gedefinieerd (wij hebben hiervoor onze eigen richtlijnen), zorgen wij ervoor dat iedereen in de organisatie ze kan gebruiken.
Processes
Naast het koppelen van onze informatie over gegevens aan hun betekenis, is het zinvol om de gegevens te koppelen aan processen. Processen gebruiken data als hun input, data is de output van processen en data kunnen je meer vertellen over de prestaties van je proces. Door de data te koppelen aan het proces kunnen we zien welk proces welke data produceert. Dit kan handig zijn wanneer er een probleem is met de gegevenskwaliteit of wanneer we moeten weten wie verantwoordelijk is voor deze creatie. In hetzelfde voorbeeld over datakwaliteit kunnen we zien welke processen worden beïnvloed door een slechte datakwaliteit. Omdat we ook aansluiten op het People-deel van de organisatie, weten we meteen wie we moeten waarschuwen dat de inputgegevens van slechte kwaliteit zijn.
Technology
Door gegevens te koppelen aan de technologie waar ze zijn opgeslagen, kennen we de fysieke locatie van onze gegevens. Maar we kunnen een systeemeigenaar (omdat we systemen ook koppelen aan People) ook vertellen wat voor soort gegevens zijn opgeslagen in het systeem waarvoor hij/zij verantwoordelijk is. Dit kan zeer relevant zijn wanneer de gegevens privacygevoelig zijn en/of een hoog beveiligingsniveau vereisen.
People
De belangrijkste factor in elke organisatie: de mensen. Door mensen/rollen toe te wijzen met betrekking tot data, bedrijfstermen, processen, technologie en beleid weten we altijd wie verantwoordelijk is voor bepaalde data. Maar ook wie verantwoordelijk is voor een proces dat de data produceert. Of we kunnen gemakkelijk zien wie de Subject Matter Expert is voor een bepaald systeem dat de gegevens opslaat die u wilt gebruiken. Door rollen toe te kennen en de mensen die deze rollen vervullen bij te houden en vast te leggen in een centraal registratiesysteem (zoals Collibra), zorgen we ervoor dat mensen in de business altijd de juiste mensen over het juiste (verbonden) onderwerp kunnen vinden.
Policies
Beleid kan intern of extern beleid zijn. Voor bedrijven die zich in sterk gereguleerde markten bevinden, zoals banken, verzekeringsmaatschappijen etc. zijn beleidsregels als BCBS239, SolvencyII, IFRS etc. belangrijk om aan te voldoen. Wij koppelen de data die aan het beleid moeten voldoen aan het eigenlijke beleid, maar ook aan de bedrijfsregels/datakwaliteitsregels die bij het beleid horen. Een ander voorbeeld zijn AVG-gegevens. De AVG (Algemene Verordening Gegevensbescherming) classificatie van gegevens helpt mensen die deze gegevens in hun processen willen gebruiken, maar kan een systeemeigenaar ook laten zien dat er gevoelige gegevens in zijn/haar systeem zijn opgeslagen en dat er bepaalde beveiligingsmaatregelen moeten worden getroffen.
De cirkel sluiten – Data Intelligent worden
Wanneer we de “dots” verbinden zoals hierboven uitgelegd, zijn we in staat veel vragen te beantwoorden vanuit alle verschillende invalshoeken. En natuurlijk zal de vraag zijn, waar te beginnen? Hoe toon je de waarde aan? Hoe krijg je de juiste mensen aan boord? Dit noemen we de implementatie van Data Intelligence. Wil je meer weten over hoe je dit voor elkaar krijgt? Neem gerust contact op!
