Gegevens worden beschouwd als het nieuwe goud van bedrijven. Een asset die je moet koesteren en goed managen. Hier lijkt een belangrijke rol weggelegd voor de controller, maar hoe ziet die eruit?
Datamanagement is een gangbaar begrip in organisaties met enige omvang. Maar kunt u vertellen wat het precies omvat? Standaardwerken zoals DAMA-DMBOK en CMMI-DMM bieden een volledig overzicht. Ze worden echter vaak als overweldigend ervaren.
Om datamanagement te laten landen, is een eenvoudige boodschap en pragmatische aanpak nodig. Zo wordt een olievlekeffect gecreëerd, waarmee datamanagement wordt doorgevoerd op de werkvloer.
Data awareness is een randvoorwaarde
Data awareness gaat verder dan opnemen in de strategie dat ‘data belangrijk zijn’. Er moet duidelijkheid komen over de rol van data in de bedrijfsvoering en hoe er voor wordt gezorgd dat de kwaliteit wordt verbeterd. De medewerkers krijgen zo helderheid over hun eigen rol en welke activiteiten zij kunnen ontwikkelen.
Het doel van de awareness is namelijk het aanzetten tot actie. Dat gebeurt niet alleen door iemand een mail te sturen over het belang van data voor de organisatie.
Fasen die worden doorlopen zijn:
- informeren: iemand is geïnformeerd;
- weten: er wordt nagedacht over de informatie;
- willen: men wil er echt mee aan de slag;
- doen: men beschikt over de middelen om de wil om te zetten in actie.
Het start met het management. Als zij niet hun wil tonen om aan de slag te gaan met datamanagement, heeft het geen zin. Zij nemen datamanagement mee in de strategie en maken middelen en mensen vrij om de plannen te realiseren. Dit betekent dat voor alle
datamanagementcomponenten acties worden benoemd.
Met games en workshops ervaren de medewerkers aan den lijve wat het belang is van data voor de bedrijfsvoering en hoe deze data worden gemanaged. Als het besef er is, is het zaak om dit continu te blijven voeden en uit te bouwen.
Dat betekent dat er aandacht moet worden besteed aan belangrijke momenten zoals de kick off voor datamanagement, het installeren van het team en het operationaliseren van de data governance.
Om te tonen dat datamanagement een belangrijk onderdeel is van de dagelijkse praktijk, komt het aan de orde in de jaarlijkse beoordeling– en evaluatiecyclus van de medewerkers. De datamanagementcompetenties en -doelstellingen zijn een onderdeel van de jaarplannen en de performance cyclus.
Data governance zorgt voor verbinding
Data governance is het geheel van (overleg)structuren, processen en afspraken die ervoor zorgen dat data betrouwbaar, beschikbaar en consistent zijn. Het zorgt ook voor een efficiënt escalatiemechanisme wanneer dit niet zo is.
Het verschaft structuur voor besluitvorming en het aanpakken van overkoepelende thema’s. Voorbeelden zijn vaststellen van budgetten en prioriteiten over verschillende afdelingen heen en vaststellen van data kwaliteitsnormen en afspraken over de bewaking hiervan.
Het omvat ook het zorgen voor gemeenschappelijke definities en verbinden van de gebruikers van de gegevens en de gegevensverstrekkers. Dit wordt geoperationaliseerd om te voorkomen dat het een papieren exercitie wordt. Niveaus die vaak voorkomen zijn:
- Strategisch: de data governance board bestaat uit senior management (data eigenaren). Ze vergaderen agenda-gedreven, maar kunnen ook ad-hoc vergaderen voor urgente beslissingen.
- Tactisch: het data governance team bestaat uit data stewards. Het is een forum waar data leveranciers en gebruikers gemeenschappelijke beslissingen voorbereiden en nemen over kwaliteit en definities, die meerdere domeinen raken.
- Operationeel: Op operationeel niveau is er overleg tussen iedereen op de werkvloer die een actieve rol heeft met betrekking tot data.
Data ownership ligt bij het management en de medewerkers
Als gegevens belangrijk zijn, is er ook een eigenaar, die zich verantwoordelijk voelt voor de kwaliteit van de gegevens en het oplossen van problemen als die zich voordoen. Iemand benoemen volstaat niet. Het is belangrijk duidelijk te maken wat het eigenaarschap inhoudt. Vaak omvat het de volgende activiteiten:
- bewaken van de kwaliteit van de data;
- verzorgen van meta-data management;
- beschikbaar stellen van data;
- ontwikkelen en beschikbaar maken van standaard definities;
- zorgen dat de data voldoen aan de regels voor bijvoorbeeld privacy en security.
Daarna moet duidelijk worden gemaakt van welke data iemand eigenaar is. Voor het bepalen van de scope kunnen de volgende vuistregels worden gehanteerd: ‘Wie bij de uitvoering van zijn werkzaamheden data genereert, is de eigenaar van die data’.
Dit omvat zowel data die worden ingevoerd, als nieuwe data die ontstaan door het verrijken van data. ‘Een manager is eigenaar van alle gegevens die door zijn medewerkers worden gegenereerd’.
Op deze wijze wordt het eigenaarschap belegd op de werkvloer en geconsolideerd op managementniveau. Een tandem van eigenaar en beheerder werkt vaak goed. De beheerders hebben de kennis, ervaring, maar ook de tijd voor de technische uitvoering. De eigenaar wordt aangesproken door zijn collega managers, als de kwaliteit van de gegevens niet goed is.
Datakwaliteit is abstract, kwaliteitsindicatoren maken het concreet
Ook bij datakwaliteit begint het met duidelijk te maken wat er precies mee wordt bedoeld. Kwaliteitscriteria helpen daarbij. Voorbeelden van criteria waarnaar wordt gekeken zijn:
- juistheid: mate waarin data correct en up-to-date zijn;
- tijdigheid: snelheid waarmee wijzigingen worden doorgevoerd;
- volledigheid: mate waarin alle data zijn ingevuld voor alle gegevensrecords;
- beschikbaarheid: beschikbaarheid op het moment dat daar behoefte aan is;
- consistentie: eenduidigheid van data tussen verschillende databronnen;
- privacy: voldoen van de data aan de (interne) privacy regelgeving;
- bedrijfsregels: mate waarin processen voor invoer en controle voldoen aan de interne regels.
Per activiteit zal de behoefte en dus de criteria verschillen. Bij het verwerken van een lead in het CRM-systeem, is het voldoende ongeveer te weten wie de potentiële klant is. Bij facturatie moeten alle klantgegevens 100 procent juist zijn, anders geeft dit problemen.
Datamanagement
Datamanagement begint met het besef dat data belangrijk zijn voor de bedrijfsvoering. Data awareness bij het management is een randvoorwaarde. Data awareness bij de medewerkers is noodzakelijk om het door te voeren in de dagelijkse praktijk. De data governance zorgt voor overleg tussen de verschillende onderdelen van de organisatie. Het zorgt voor de regie op en sturing van de datamanagement activiteiten zodat het consistent wordt doorgevoerd in de hele organisatie. De eigenaren moeten dan wel bekend zijn. De medewerkers die de data genereren, zijn verantwoordelijk voor de kwaliteit van hun werk. Het management is verantwoordelijk voor
hun werk en dus ook voor de kwaliteit van de data die zij genereren.
Figuur 1. Componenten DM
Centraal staat de kwaliteit van de data. Dit is Het doel van het managen van data. Kwaliteitscriteria maken een vaag begrip als kwaliteit concreet en meetbaar. Bij het bepalen van de kwaliteitscriteria staan de behoeften van de klanten centraal. Om deze data effectief te managen en snel resultaten te halen zijn een weloverwogen werkwijze en de juiste competenties van medewerkers cruciaal.
Om het verbeteren van datakwaliteit behapbaar, bestuurbaar en efficiënt te maken wordt een impactgedreven aanpak gehanteerd met de volgende vuistregels:
- start bij data waar impact van lage datakwaliteit het meest wordt gevoeld → impactgedreven
- kies specifieke attributen (bijvoorbeeld: ‘postcode’) om de kwaliteit te verbeteren → attribuut
- ontwikkel een datadashboard om de datakwaliteit en verbeteringen te tonen → fashboard
- verbeter de huidige kwaliteit en borg dit door verbeterde bedrijfsregels, definities, meta-data,
procedures etc. → verbeteren
Binnen de vastgestelde scope, worden kortcyclisch vijf stappen doorlopen om de verbeteringen te realiseren. Deze zijn weergegeven in figuur 2. Daarna wordt een nieuwe cyclus gestart en afgerond.
Figuur 2. Stappen van de mini audits
- Mini audit; evaluatie van eisen: het startpunt is de evaluatie van de eisen die worden gesteld aan de data. Data profilering en gesignaleerde mogelijkheden om te verbeteren dienen hier als input voor.
- Verfijning van verbeteringen: de gesignaleerde mogelijkheden voor verbeteringen worden verfijnd en verder geconcretiseerd.
- Acteren en verbeteren: verbeteringen worden doorgevoerd. Bedrijfsregels, definities, metadata, etc. worden ook aangepast.
- Toezien op verbeteringen: de verbeteringen worden gemeten in een datakwaliteitsdashboard, ook door de tijd heen. De uitgevoerde acties worden hierdoor structureel geborgd in de organisatie.
- Successen vieren: successen worden gevierd, waardoor de verbeteringen breed zichtbaar zijn in de organisatie en er een positieve mindset worde gecreëerd.
Klantbelang toont de waarde van data
Het externe belang van een goede datakwaliteit omvat niet alleen de eisen vanuit regelgeving, maar ook het belang van de (externe) klanten van organisatie. Er wordt bepaald in hoeverre hun behoeften worden beïnvloed door data, welke data dit zijn en welke kwaliteitscriteria voor de klant belangrijk zijn.
Aan de hand van de gegevensstromen wordt bepaald wat de impact is op het vastleggen, verrijken en beschikbaar stellen van de gegevens. Het spoor gaat terug tot de bron.
Bij elke stap wordt bepaald hoe de kwaliteitscriteria eruit zien. Bij het ontwikkelen van nieuwe producten worden de klanteisen gelijk gedefinieerd. Dit geeft een indicatie van de vereiste inspanning en kosten om aan een kwaliteitscriterium te voldoen. Als klanten willen dat informatie 24/7 beschikbaar is kan dat, maar het is wel duurder dan beschikbaarheid van 12 uur per dag.
Op deze wijze wordt een zorgvuldige afweging gemaakt tussen de toegevoegde waarde (voor de klant) en de inspanning die dat vergt. Het kan zelfs resulteren in een prijsdifferentiatie tussen diensten met verschillende kwaliteitscriteria.
De werkwijze is professioneel én pragmatisch
Om datamanagement daadwerkelijk te laten landen, moet een pragmatische werkwijze gevonden worden, die blijft hangen bij mensen en een olievlekeffect creëert. ‘Think Big, Act Small, Scale Fast’ klinkt niet alleen mooi, het werkt ook. Het gaat erom dat er eerst een duidelijk beeld moet zijn van het speelveld van datamanagement.
Van alle componenten die hiervoor zijn behandeld wordt vastgesteld wat de huidige situatie is, wat er moet gebeuren om succesvol te zijn en wat de urgentie is. In de praktijk wordt daarbij vaak gebruik gemaakt van een (online) scan.
De verschillende doelgroepen, zoals bijvoorbeeld management, gebruikers, it-deskundigen en deskundigen op het gebied van regelgeving, kunnen zo snel en heel gericht input geven op de onderwerpen waar zij verstand van hebben. De onderwerpen die worden geraakt zijn weergegeven in figuur 3.
Figuur 3. Onderwerpen datamanagement scan
Op basis van dit totaalbeeld worden de activiteiten gestart. Voor het verbeteren van de datakwaliteit worden kortcyclisch de vijf stappen van de mini-audit doorlopen om de verbeteringen te realiseren. De daarbij opgedane ervaringen worden gebruikt bij de volgende cycle. Gestart wordt met data waar de impact van lage data kwaliteit het meest wordt gevoeld. Door ´klein te acteren´ worden direct resultaten geboekt.
Dit wordt ´snel opgeschaald´ door de verbeteringen door te voeren in de hele organisatie en bij het ontwikkelen van nieuwe onderdelen van de informatievoorziening gelijk mee te nemen. Periodiek, bijvoorbeeld eens per (half) jaar wordt de datamanagementscan herhaald, om
vast te stellen dat de volwassenheid op het gebied van datamanagement is toegenomen.
Lees ook: Dynamiseren van de besturing door exploratie, empowerment en modulaire verbinding
Bemensing en de rol van de controller
Verbeteren van de datakwaliteit heeft impact op de huidige medewerkers en medewerkers die de nieuwe rollen gaan invullen. Voorbeelden zijn hieronder weergegeven:
- dataproducenten worden zich bewust van het eindgebruik, de noodzaak van schone data, en worden betrokken in het opstellen van spelregels (‘kraan dichtdraaien aan de bron’);
- data engineers en database administrators hebben een rol in het schoon en up-to-date houden van de gegevens, en in de vlotte ontsluiting ervan;
- data owners en stewards faciliteren de besluitvorming, en coördineren de acties;
- een vliegende-keep team komt overal tijdelijk helpen om de hele organisatie ´data-savvy´ te helpen worden.
Versnippering van rollen en competenties leidt tot onduidelijkheid over wie welke taak verricht. Het is inefficiënt en leidt tot dubbel werk. Bovendien ontbreekt het leereffect door kruisbestuiving en is er sprake van gefragmenteerde beantwoording van vragen vanuit een individueel perspectief.
Dit zijn redenen om de uitvoering en de bemensing van datamanagement goed te regisseren. Het gaat daarbij om het overzien van het gehele dataspeelveld, het prioriteren en het maken van keuzes bij het inzetten van de middelen en ook het onderhouden van de contacten met het management.
Gezien de benodigde competenties lijkt dit een rol die de controller op het lijf is geschreven. aarnaast is er een inhoudelijke rol voor het managen van de data architectuur, waarbij niet alleen principes worden vastgesteld, maar deze ook worden vertaald naar de dagelijkse praktijk. De controller vervult hierbij een toetsende rol om te bepalen of wordt voldaan regelgeving en of het past binnen de interne regels.
Tot slot is er heel veel uitvoerend werk om de datakwaliteit te verbeteren en te zorgen dat dit zo blijft. Voor de data op het gebied van performance en riskmanagement vervult de controller hierbij een belangrijke rol.
Het is dus belangrijk dat de controller het hele speelveld van datamanagement overziet en de rol pakt die bij hem past.
Meer lezen
De inhoud van dit artikel is gebaseerd op een hoofdstuk uit het boek Aan de slag met een systeem voor dynamische besturing dat in maart 2018 verschijnt bij Vakmedianet. Adequaat datamanagement is namelijk één van de randvoorwaarden voor dynamische besturing.
Lees ook: De controller als regisseur van de dynamische informatievoorziening: geld verdienen met data
Auteurs: Fred Conijn, Jeroen de Jong en Michiel Krol
Jeroen de Jong en Michiel Krol werken bij PA Consulting, Fred Conijn is managing consultant bij DynamicControl.NL (dynamic.control@ziggo.nl)
Dit artikel is verschenen in cm: 2018, afl. 1 en geactualiseerd in november 2019.
The Finance Academy
Wilt u meer weten over dynamic control? In de digitale PE-omgeving van The Finance Academy vindt u een PE-cursus over dit onderwerp. Fred Conijn gaat daarbij dieper in op het onderwerp. U kunt zich abonneren op The Finance Academy of u kunt ervoor kiezen alleen deze cursus te volgen. Meer informatie: thefinanceacademy.nl.
