InfoNu.nl > Zakelijk > Management > Redenen datagovernance: risico, winst en kostenreductie

Redenen datagovernance: risico, winst en kostenreductie

Redenen datagovernance: risico, winst en kostenreductie Er kunnen meerdere redenen (drivers) zijn om datagovernance en datamanagement in te voeren. Datagovernance is het geheel aan organisatie, beleid, processen en tools om de data binnen een bedrijf als een waardevol bedrijfsmiddel te benaderen en hier op een gestructureerde wijze mee om te gaan. Datamanagement gaat over inhoudelijk beheer van data, metadata en kwaliteit en privacy-aspecten van data. Een veelvoorkomende reden voor datagovernance is het moeten voldoen aan regelgeving (compliance). Een organisatie kan met goede datagovernance echter ook op andere manieren waarde toevoegen: risico verminderen, kosten reduceren, of de commerciële slagvaardigheid verbeteren door meer uit de data te halen. Het is verstandig om goed de toepassing (of 'use cases') in kaart te hebben, om binnen de organisatie steun te krijgen voor datagovernance.

Datagovernance en datamanagement

Datagovernance

Datagovernance zorgt ervoor dat rollen en verantwoordelijkheden rond data goed in de organisatie belegd zijn. Hiervoor worden processen en overlegstructuren ingericht, zodat informatiemanagement en datamanagement structureel geborgd wordt. Daarnaast worden er top-down een aantal beleidsprincipes opgesteld, en deze worden uitgewerkt in regels. Hierop vindt auditing plaats, zodat men binnen een organisatie zeker weet dat deze regels ook opgevolgd worden. Externe toezichthouders of klanten kunnen deze audits ook uitvoeren. Ook het monitoren van datakwaliteitsmanagement valt onder datagovernance.

Datamanagement

Binnen datamanagement wordt de verantwoordelijkheid voor de data verder uitgewerkt. Onderdelen van datamanagement zijn metadatamanagement, masterdatamanagement, datakwaliteitsmanagement en het goed omgaan met privacyregels rond het gebruik van data. Metadatamanagement gaat over het vastleggen van de betekenis en het gebruik van data. Masterdatamanagement gaat over het omgaan met een specifieke groep data, namelijk de belangrijke data van een organisatie die in meerdere processen worden gebruikt, zoals productdata en klantdata. Datakwaliteitsmanagement zorgt voor een structurele manier van omgaan met fouten in data, en het oplossen daarvan, door aanpassing van systemen of door handmatig of geautomatiseerd herstelwerk.

Waarom datagovernance en datamanagement?

Zoals aangegeven kunnen er binnen een organisatie meerdere redenen zijn om datagovernance en datamanagement in te voeren of te verbeteren. Globaal zijn deze in te delen indelen in de volgende categorieën: verminderen van risico, het vergroten van de commerciële slagvaardigheid, en het reduceren van kosten.

Risico verminderen

Compliance

Veel regelgeving vereist dat bedrijven hun data op orde hebben. Denk bijvoorbeeld aan de nieuwe Europese privacywetgeving. Om de naleving van wet- en regelgeving te waarborgen richten organisaties veelal een compliance proces en organisatie in. Voor banken en verzekeraars gelden vaak aanvullende verplichtingen ten aanzien van risk management, informatievoorziening en datagovernance. Dit kan zo ver gaan dat banken moeten kunnen aantonen hoe informatie op ECB-rapportages wordt afgeleid en opgebouwd vanuit data in bronsystemen en wat de kwaliteit van deze onderliggende data is. Op het niet naleven van regelgeving kunnen flinke boetes staan. Een ander risico betreft de imagoschade die organisaties mogelijk lijden als ze niet aan de richtlijnen voldoen, bijvoorbeeld doordat data op straat komen te liggen. Een use-case voortkomend uit een compliance-bevinding leidt vaak tot de verplichting om datagovernance structureel in te richten.

Verminderen van projectrisico's

Wanneer datagovernance en datamanagement goed zijn ingericht leidt dat tot een beter inzicht in de kwaliteit van de data. Projectteams kunnen dan vroegtijdig passende maatregelen nemen en zo het risico van een tegenvallend resultaat aanzienlijk verkleinen.

Vergroten van commerciële slagvaardigheid

Analyse strategische waarde

Het verwerken van data behoort steeds meer tot het kernproces van organisaties. Wanneer bekend is welke data met welke betekenis en welke kwaliteit in een organisatie aanwezig zijn wordt het een stuk eenvoudiger om deze data te analyseren en om mogelijkheden te vinden om ze op een andere manier toe te passen. Kan er met de beschikbare data wellicht beter gestuurd of voorspeld worden? Kunnen nieuwe producten kansrijk op de markt gebracht worden, bijvoorbeeld een 'mijn klant'-omgeving of een mobile app? Kunnen eigen data zinvol en handig worden gecombineerd met data van andere organisaties? Klanten verwachten op dit gebied steeds meer en door voorop te lopen is concurrentievoordeel te halen. Ook voor marketingdoeleinden is het van groot belang om inzicht te hebben in de kwaliteit van de data over klanten.

Meer vertrouwen in rapportages

Wanneer bij lijnmanagers bekend is dat op een structurele wijze aandacht wordt besteed aan de herkomst van informatie op rapporten en dat er gericht wordt gewerkt aan de datakwaliteit leidt dat tot meer vertrouwen. Het komt regelmatig voor dat informatie op verschillende rapporten niet met elkaar te rijmen is. Dat leidt tot veel uitzoekwerk, en kan managers er toe aanzetten hun eigen rapporten te gaan maken. Dit kost veel tijd en capaciteit, die beter kan worden aangewend om te werken aan procesverbetering op basis van de juiste informatie.

Voorkomen van stuurfouten

In het bovenstaande voorbeeld merkt de manager nog op dat informatie inconsistent en mogelijk foutief is. Maar wat als dat niet zo is? Als de omzet per ongeluk op een verkeerde manier wordt toebededeeld en zo op basis van verkeerde informatie wordt gestuurd? Dat kan leiden tot verkeerde prioriteiten. Betrouwbare informatie is de basis voor betere voorspellingen waarmee een organisatie de concurrentie kan voorblijven.

Communicatie tussen IT en business

Datagovernance en datamanagement met vaste overlegstructuren en processen voor metadatamanagement, masterdatamanagement en datakwaliteitsmanagement leiden tot betere communicatie tussen IT- en businessafdelingen. Er is minder discussie, omdat de kwaliteit van data bekend is en de registratie ervan centraal plaats vindt. Daardoor is de IT-afdeling minder bezig met brandjes blussen en kan zij meerwaarde leveren door met de business-afdelingen mee te denken over het beter inzetten van de beschikbare data binnen de organisatie.

Kortere time-to-market

Na verbetering van de datakwaliteit is analyse van data ten behoeve van strategische verbeteringen een stuk eenvoudiger. Bovendien zijn de resultaten veel betrouwbaarder. Dit kan helpen om niet alleen nieuwe producten mogelijk te maken maar ook om deze sneller in de markt te zetten en zo concurrentievoordeel te behalen.

Kostenbesparing

Versnellen systeemontwikkeling

De verschillende onderdelen van datamanagement geven meer inzicht in de betekenis, impact en kwaliteit van de data. Masterdatamanagement maakt duidelijk hoe data door bedrijfsprocessen ‘stromen’. Het is vooraf bekend wat de impact van dataproblemen verderop in de keten is. Metadatamanagement geeft meer inzicht in de betekenis van businesstermen en maakt duidelijk hoe deze zich verhouden tot de onderliggende data in de verschillende systemen. Tot slot leidt datakwaliteitsmanagement tot meer inzicht in de bestaande datakwaliteit. Hierdoor kunnen organisaties betere controles in systemen ontwikkelen en projectplannen maken met meer zekerheid en minder risico omdat datakwaliteit voor minder verrassingen zal zorgen. Al deze zaken dragen bij aan snelle en efficiënte systeemontwikkeling. Datagovernance regelt ook integratie van datamanagement met projecten. Daardoor is er voor IT-projecten één manier om met data en dataproblemen om te gaan, worden deze centraal vastgelegd en hoeft niet ieder IT-project zelf het wiel uit te vinden. Dit leidt kostenreductie en doorlooptijdverkorting.

Verminderen opleidingskosten

Eenduidige vastlegging van zaken rond de datamanagementprocessen zorgt dat overdracht eenvoudiger wordt. Nieuwe collega's worden makkelijker ingewerkt. Communicatie tussen afdelingen wordt vergemakkelijkt. Dit draagt bij aan het voorkomen van fouten en daarmee aan het reduceren van de kosten van foutherstel.

Verminderen redundante data en processen

Inzicht in datakwaliteit kan ook leiden tot vermindering van de hoeveelheid redundante data. Vooral in grote organisaties komt het nog al eens voor dat verschillende afdelingen processen en systemen inrichten voor het oplossen of voorkomen van een vergelijkbaar probleem. Dit is te voorkomen door beter metadatamanagement.
Redundantie kan ook binnen een systeem voorkomen. Wanneer men weinig weet over de betekenis van bepaalde datavelden in een omvangrijk systeem bestaat de kans dat bij aanpassingen van dat systeem ten onrechte nieuwe velden worden toegevoegd. Het voorkomen van dit type redundantie binnen en over systemen kan tot aanzienlijke besparingen op ontwikkelkosten leiden. En dan laten we de voordelen van het voorkomen van chaos, bij het maken van nieuwe rapportages op basis van deze redundante data, nog buiten beschouwing.

Verminderen herstelkosten

Tot slot zijn er nog de vaak zeer hoge kosten van herstel in het operationele proces ‘op de vloer’. Hoe later dataproblemen worden ontdekt, hoe hoger de kosten van herstel zijn. Het ergste is wanneer de klant hiermee wordt geconfronteerd. Dit kan leiden tot aanzienlijke reputatieschade waarvan de totale kosten moeilijk te kwantificeren zijn.

Communiceer de drivers en toepassingen

Datagovernance en datamanagement zijn zaken die een lange adem vergen. Door deze initiatieven te verbinden aan concrete toepassingen en bedrijfsdoelstellingen wordt het makkelijker om deze zaken structureel aan te pakken. Het kan helpen om één overzicht te maken, waarbij relevante maatregelen in het kader van datagovernance en datamanagement worden benoemd en ingedeeld naar de eerder genoemde categorieën (risicobeperking, commerciële slagvaardigheid en kostenreductie). Zo ontstaat een communicatiemiddel dat helpt om het belang van deze initiatieven te blijven benadrukken.

Lees verder

© 2017 Callidus, het auteursrecht van dit artikel ligt bij de infoteur. Zonder toestemming van de infoteur is vermenigvuldiging verboden.
Gerelateerde artikelen
Belang van goede definities in een bedrijfsbreed woordenboekBelang van goede definities in een bedrijfsbreed woordenboekGoede metadata en businessdefinities helpen bij kostenbeheersing en het halen van strategisch voordeel uit je data. Een…
Informatiegestuurd werken: hoe zet je het effectief in?Informatiegestuurd werken: hoe zet je het effectief in?Informatiegestuurd werken is een breed begrip dat erop neerkomt, dat organisaties data inzetten om de primaire processen…
Informatie vanuit Data, So What (Nou en)?Informatie vanuit Data, So What (Nou en)?Het hedendaagse management wordt overstelpt met data. Maar hoe maakt een hedendaagse manager daar nu informatie van? Een…
Datavirtualisatie: basis, functionaliteiten en uitdagingenDatavirtualisatie: basis, functionaliteiten en uitdagingenDatavirtualisatie is een methode voor het verkrijgen en benutten van data uit verschillende bronnen, zonder dat hierbij…
Werken met big dataWerken met big dataBig data lijkt te zorgen voor een nieuwe revolutie in het digitale tijdperk. Bedrijven die grootschalig gegevens hebben…
Bronnen en referenties
  • Inleidingsfoto: Tumisu / Pixabay
  • ‘Data Governance, How to Design, Deploy and Sustain an Effective Data Governance Program - John Ladley, 2012
  • DAMA Guide to the Data Management Body of Knowledge (DAMA-DMBOK) - juni 2012

Reageer op het artikel "Redenen datagovernance: risico, winst en kostenreductie"

Plaats als eerste een reactie, vraag of opmerking bij dit artikel. Reacties moeten voldoen aan de huisregels van InfoNu.
Meld mij aan voor de tweewekelijkse InfoNu nieuwsbrief
Infoteur: Callidus
Laatste update: 10-03-2017
Rubriek: Zakelijk
Subrubriek: Management
Special: Datagovernance
Bronnen en referenties: 3
Schrijf mee!