Wat gebeurt er als iedereen verantwoordelijk is voor data, maar niemand een besluit neemt?
Een verkeerde productcode waardoor een levering vastloopt. Twee afdelingen die verschillende definities van dezelfde klant gebruiken. Of een datakwaliteitsprobleem dat al jaren bestaat, maar waarvoor niemand zich echt verantwoordelijk voelt.
Het zijn herkenbare situaties voor veel organisaties. En ze laten zien waarom Data Governance veel meer is dan het opstellen van beleid, het aanwijzen van Data Owners of het aanschaffen van een data catalog.
Op 4 november verzorgde ik bij Cibit voor het eerst de training DAMA CDMP Data Governance Specialist. Een interactieve dag waarin we de theorie uit DAMA-DMBOK2 vertaalden naar de dagelijkse praktijk, met korte workshops, examengerichte quizrondes en vooral veel discussie.
Uit de praktijkvoorbeelden en gesprekken kwamen drie inzichten naar voren die voor vrijwel iedere organisatie relevant zijn.
1. Een Data Owner zonder mandaat is geen echte Data Owner
Wie is verantwoordelijk voor de kwaliteit van klantgegevens? IT? De afdeling Sales? Of degene die de gegevens invoert?
Tijdens de training bespraken we het verschil tussen accountability en responsibility. Een Data Owner moet daadwerkelijk besluiten kunnen nemen over bijvoorbeeld definities, kwaliteitseisen en toegestaan gebruik. Een Data Steward helpt om die afspraken in de dagelijkse praktijk te organiseren.
Maar een functietitel alleen verandert niets.
Een deelnemer beschreef bijvoorbeeld hoe ingewikkeld gegevensbeheer wordt wanneer verschillende partijen in een logistieke keten afhankelijk zijn van dezelfde artikel- en leveranciersinformatie. Een fout kan direct gevolgen hebben voor transport, klanten en kosten.
De les: leg niet alleen vast wie verantwoordelijk is, maar vooral wie welke besluiten mag nemen en hoe problemen worden opgelost.
Vraag voor je eigen organisatie: weet iedereen wie beslist wanneer twee afdelingen het oneens zijn over dezelfde data?
2. Het beste governance-model bestaat niet
Centralized, replicated of federated Data Governance?
DAMA-DMBOK beschrijft verschillende manieren om governance organisatorisch in te richten. In de training onderzochten we welke modellen passen bij bijvoorbeeld universiteiten met zelfstandige faculteiten, ministeries, ziekenhuizen en internationaal opererende bedrijven.
Een gecentraliseerd model kan uniformiteit bevorderen, maar ook afstand creëren tot de dagelijkse praktijk. Een federatief model combineert centrale kaders met lokale verantwoordelijkheid, maar vraagt duidelijke besluitvorming en goede samenwerking tussen organisatieonderdelen.
Wat op papier logisch lijkt, werkt dus niet automatisch in iedere organisatie.
De les: kies een governance-model dat past bij de organisatiestructuur, cultuur en afhankelijkheden tussen bedrijfsonderdelen. Niet andersom.
Vraag voor je eigen organisatie: waar zijn gezamenlijke afspraken noodzakelijk en waar moet de verantwoordelijkheid juist lokaal blijven?
3. Begin niet met een governance-programma, maar met een bedrijfsprobleem
Dit was misschien wel de belangrijkste boodschap van de dag.
Organisaties beginnen regelmatig met het ontwerpen van een governance-organisatie, het schrijven van beleid of het selecteren van tooling. Maar welk probleem willen ze daarmee eigenlijk oplossen?
In een van de korte workshops gingen deelnemers aan de slag met precies die vraag. Ze identificeerden concrete dataproblemen, de bijbehorende bedrijfsrisico's, een mogelijke sponsor en een meetbaar resultaat.
In een andere opdracht vertaalden ze governanceprincipes naar praktische beleidsafspraken. Want een principe krijgt pas betekenis als het daadwerkelijk richting geeft aan beslissingen.
Ook discussieerden we over datakwaliteitsproblemen die jarenlang met handmatige correcties of spreadsheets worden omzeild. Juist die verborgen inefficiënties kunnen een uitstekende aanleiding zijn om met Data Governance te beginnen.
De les: start klein, maak de impact zichtbaar en bouw governance verder uit op basis van aantoonbare resultaten.
Vraag voor je eigen organisatie: welk terugkerend dataprobleem zou je binnen drie maanden aantoonbaar kunnen verbeteren?
Leren door te doen
Naast de inhoudelijke discussies speelden korte praktijkworkshops en interactieve quizrondes een belangrijke rol.
Tijdens de workshops pasten deelnemers de theorie direct toe op hun eigen organisatie. Met de live meerkeuzequizzen toetsten we tussendoor de kennis en oefenden we met vragen ter voorbereiding op het DAMA CDMP Data Governance Specialist-examen.
De antwoorden vormden vervolgens weer het startpunt voor gesprekken. Waarom is een antwoord juist? En waarom kan een andere keuze in de praktijk toch aantrekkelijk lijken?
De actieve deelname en positieve evaluaties maakten deze eerste editie bij Cibit bijzonder geslaagd. Dank aan alle deelnemers voor hun openheid, praktijkervaringen en kritische vragen.
Wat kun je morgen al doen?
Je hoeft niet te wachten op een compleet governance-framework.
Kies één belangrijk dataprobleem. Bepaal wie erover mag beslissen. Spreek af hoe je verbetering gaat meten.
Dat is vaak een waardevollere eerste stap dan het oprichten van een nieuwe commissie.
Want uiteindelijk draait succesvolle Data Governance niet om de hoeveelheid beleid, rollen of tooling, maar om betere beslissingen, betrouwbare data en aantoonbare bedrijfswaarde.
