Wat is data governance?

Tip: als je de voorkeur geeft aan video's boven tekst, hebben we ook een webinar over data governance gehost!

Pijlers van data governance

Er zijn drie belangrijke pijlers van data governance die samen het kader vormen voor het beheren van eigendom en controle over data in een organisatie. Dit zijn Beleid, Rollen en Verantwoordelijkheden, en Processen.

Beleid

“Wat”

Beleid zijn de regels die een organisatie vaststelt om haar data te beheren. Het heeft geen zin om beleid te definiëren zonder een solide zakelijke rechtvaardiging; daarom moeten je data governance-beleidsregels geïnformeerd worden door je datastrategie. Bijvoorbeeld, het niveau van data kwaliteit dat vereist is in een dataset, moet de belangrijkheid en waarde van de data in je bedrijfsprocessen weerspiegelen. Elk gedefinieerd beleid moet een duidelijke zakelijke waarde hebben die het biedt en moet worden goedgekeurd door de Data Governance Raad.

Rollen en verantwoordelijkheden

“Wie”

Er moet een duidelijke definitie zijn van wie welke verantwoordelijkheid draagt binnen je data governance-kader. Rollen en verantwoordelijkheden dekken welke rollen moeten worden gedefinieerd binnen je data governance-initiatief en wat de verwachtingen van elk van deze rollen zijn.

De exacte rollen hangen af van de grootte en structuur van je organisatie, maar als minimum worden de volgende rollen verwacht:

• Data Governance Officer: verantwoordelijk voor het ontwerpen en onderhouden van het data governance-kader en het meenemen van de organisatie in de data governance-reis.
• Data Governance Raad: een raad van executives vanuit de hele organisatie die eigendom heeft over data governance en beslissingen neemt wanneer er discussiepunten opkomen.
• Data Eigenaren: hebben eigendom en verantwoordelijkheid voor een of meer datasets. Data-eigenaren zijn verantwoordelijk voor de kwaliteit en het gebruik van hun dataset en bepalen het niveau van data governance dat vereist is voor hun specifieke datasets.
• Data Stewards: aangesteld door de data-eigenaren, zijn data stewards verantwoordelijk voor het documenteren en onderhouden van hun dataset en het oplossen van eventuele kwaliteitsproblemen die zich in de set voordoen.

Houd er rekening mee dat het niet per se nodig is om aparte posities voor elk van deze rollen te creëren. In plaats daarvan kunnen deze rollen worden toegewezen aan bestaande posities die de vereiste expertise hebben. Bijvoorbeeld, data-eigenaren en data stewards worden verwacht dat ze diepgaande kennis hebben van de bedrijfsprocessen waartoe hun datasets behoren.

Processen

“Hoe”

Ten slotte definiëren de processen hoe je je data governance-beleidsregels zult implementeren en handhaven. Deze processen kunnen zowel technisch als organisatorisch zijn. Een veel gedefinieerd proces is bijvoorbeeld wat te doen wanneer een data kwaliteitsfout wordt ontdekt en wie verantwoordelijk is voor het oplossen ervan. Alle processen moeten duidelijk gedocumenteerde stappen en verantwoordelijkheden hebben en gemakkelijk toegankelijk zijn voor de organisatie.

Processen zijn ook waar de technische aspecten van data governance in beeld komen. Veel tools zijn ontwikkeld om data governance-initiatieven te ondersteunen, waaronder data catalogi, tools voor data kwaliteit en monitoringtools. Deze tools variëren van open source tot enterprise-aanbiedingen en van volledig code-gebaseerd tot UI-gedreven. De beste match voor je initiatief hangt sterk af van de grootte en technische mogelijkheden van je organisatie en de complexiteit van je data landschap.

Veelvoorkomende misvattingen

Er zijn veel mythes en misvattingen rond data governance. Hier belichten we enkele veelvoorkomende valkuilen die zich voordoen bij het opzetten van een data governance-initiatief en hoe deze te vermijden.

Valkuil 1: je data team volledig verantwoordelijk maken voor data governance

Hoewel het data team technische kennis van de data heeft, hebben zij over het algemeen niet de gedetailleerde zakelijke kennis van wat deze data vertegenwoordigt. De manier waarop data wordt behandeld en beheerd, moet worden geïnformeerd door de zakelijke waarde die deze data vertegenwoordigt. Daarom moet data governance een gezamenlijke inspanning zijn tussen de zakelijke en datateams.

Valkuil 2: data governance zien als een eenmalige inspanning

Data governance kan niet worden geïmplementeerd als een eenmalige inspanning, maar betekent eerder een verschuiving in cultuur met betrekking tot eigendom en verantwoordelijkheid voor data. Data governance is een doorlopende inspanning en moet geïntegreerd worden in de dagelijkse processen rond data.

Valkuil 3: streven naar het hoogste niveau van data kwaliteit en governance

Een veelvoorkomende aanname is dat je altijd moet streven naar het hoogste mogelijke niveau van data kwaliteit en governance. Hogere niveaus van data kwaliteit gaan echter ook gepaard met hogere implementatie- en onderhoudsinspanningen. Daarom moet een kosten-batenanalyse worden uitgevoerd, op basis van de zakelijke waarde die door de data wordt vertegenwoordigd. Er moet een scheiding worden gemaakt tussen bedrijfskritische data en minder belangrijke data, en kwaliteits- en governance regels moeten dienovereenkomstig worden gedefinieerd.

Data governance bij Digital Power

Bij Digital Power kunnen we je helpen bij het definiëren en implementeren van data governance op een manier die geschikt en op maat gemaakt is voor jouw organisatie. Dit kan zowel als een op zichzelf staand project, als jouw gids, of als een aanvulling op een van onze andere diensten.

Als onderdeel van onze data governance-oplossing bieden we een volwassenheidsscan aan waarin we het huidige niveau van data governance binnen jouw organisatie beoordelen. We definiëren ook het gewenste niveau van governance in lijn met de datastrategie van jouw organisatie. Met deze input wordt een traject gedefinieerd om het gewenste niveau te bereiken op zowel organisatorische als technische aspecten van data governance.

1x per maand data insights, praktijkcases en een kijkje achter de schermen ontvangen?

Meld je aan voor onze maillijst en blijf 'up to data':