Data Governance: de katalysator voor Data Quality

Governance' blijkt een katalysator voor data kwaliteit te zijn en dient daarom als strategisch inrichtingsvraagstuk op de agenda te staan van het topmanagement.

Inleiding
De dynamiek van de omgeving stelt in toenemende mate eisen aan het aanpassingsvermogen van organisaties. Deze wordt voor een groot gedeelte bepaald door de snelheid waarmee processen kunnen worden aangepast en benodigde informatie tijdig voorhanden is. 

In gereguleerde markten zoals de bankensector, is sprake van een continue stroom aan nieuwe rapportageverplichtingen. Dit vereist dat de organisatie snel kan beschikken over data, de bouwstenen van informatie, en dat deze van voldoende kwaliteit is. 

Het Basel Committee on Banking Supervision, legt door middel van BCBS #239, zelfs richtlijnen op aan banken als het gaat om de inrichting en het functioneren van datamanagement. Ook in niet gereguleerde markten is de snelheid waarmee kan worden ingespeeld op kansen en bedreigingen steeds bepalender in het succes van ondernemingen. Dit heeft er toe geleid dat veel organisaties de laatste jaren initiatieven hebben ontplooid om handen en voeten te geven aan datamanagement.  Deze hebben tot verbeteringen in bijvoorbeeld datakwaliteit geleid, maar konden na afloop van het verbeterproject, vaak niet worden vastgehouden. 

Dit is aanleiding geweest voor de auteurs om een onderzoek te starten naar de wijze waarop organisatie in Nederland hun datamanagement vorm hebben gegeven en wat de succesfactoren zijn voor de realisatie van de gewenste mate van data kwaliteit. Er is een datamanagement volwassenheidsmodel ontwikkeld  op basis van kwalitatief onderzoek en kwantitatief onderzoek bij de grotere gegevensverwerkende organisaties. In dit artikel worden de resultaten van het onderzoek gepresenteerd dat eind 2014 is afgerond.

Volwassenheid datamanagement in Nederland
Volwassenheidsmodellen stellen idealiter een groeipad voor naar een hoogste fase van volwassenheid. Het realiseren van de hoogste fase van volwassenheid moet voor de organisatie echter geen doel op zich zijn. Een bepaalde mate van volwassenheid zorgt ervoor dat de organisatie beschikt over een voor die specifieke organisatie werkbare vorm van datamanagement waarmee zij de toegevoegde waarde realiseert die van het datamanagement verwacht mag worden. Het hoogste volwassenheidsniveau is lang niet voor iedere organisatie ideaal. Bepaal een eigen realistisch ambitieniveau, zet dit af tegen het huidige volwassenheid en definieer vervolgens verbeteracties of projecten” is het credo.

Echter, een volwassenheidsmodel moet een begin en een eind hebben om zo richting te kunnen geven aan het groeipad naar het gewenste niveau van datamanagement. Om de volwassenheid van Nederlandse organisatie te meten is een volwassenheidsmodel gehanteerd dat bestaat uit zes datamanagement aspecten en vijf volwassenheidsfasen:

- Ad hoc datamanagement: een fase waarin binnen de organisatie nauwelijks sprake is van datamanagement. Als er al sprake is van datamanagement dan is hieraan binnen de ICT organisatie vorm gegeven rondom één of meerdere applicaties / databases.

- Afdelingsgericht datamanagement: In deze fase vindt een eerste voorzichtige herpositionering plaats van het datamanagement: van ICT en systemen naar business en afdeling. Van uniforme en gestandaardiseerde datasets is nog geen sprake.
_______________________________________________________________
Wilt u meedoen aan het datamanagement onderzoek 2016? Dan nodigen wij u van harte uit de vragenlijst in te vullen die te benaderen is via de volgende link. Elke 10e invuller krijgt een exemplaar toegestuurd van het boek ‘Best in Class: als u wilt gaan voor goud’. 
_______________________________________________________________ 
 
- Centraal datamanagement: het datamanagement wordt in deze fase uit de afdeling gehaald en gecentraliseerd, waarbij een structureel datagovernance programma en data governance organisatie worden ingericht. In deze fase zal een eerste aanzet tot standaardisatie en uniformering van datasets plaatsvinden.

- Sturend datamanagement: het datamanagement is onderdeel geworden van het doen en laten binnen de organisatie, waarbij het datamanagement voorafgaand aan verandertrajecten betrokken is in plaats van achteraf. Standaardisatie en uniformering van datasets is in deze fase een standaard.

- Corporate Assets: In deze fase wordt de data van de organisatie gezien als een ‘corporate asset’. Data is een bedrijfsmiddel geworden waaraan de organisatie kan verdienen. Zo is bij bepaalde organisatie de data kwalitatief van dusdanige aard dat deze organisatie haar data verkoopt aan andere organisaties.

De volwassenheid van een organisatie is gemeten aan de hand van  de mate waarin een organisatie aandacht heeft besteed aan ieder van de onderstaande aspecten:
 
 
Figuur 1: De zes data management aspecten

Deze zes aspecten zijn onderling sterk met elkaar verweven en dienen als zodanig te worden gestuurd en te worden beheerst. Door de samenhang tussen de zes aspecten kan de toegevoegde waarde van een hogere volwassenheid pas gerealiseerd worden als op alle aspecten vooruitgang is geboekt. Een op afdelingen gericht beleid voor data gaat moeilijk samen met een centraal georganiseerde datamanagement procesinrichting.

Kenmerken van het datamanagement volwassenheidsmodel zijn:
• Hoe hoger de volwassenheid hoe meer het datamanagement in het doen en laten van de organisatie wordt verankerd.
• Naarmate de volwassenheid toeneemt wordt een goed gebruik van data steeds meer gezien als een issue en verantwoordelijkheid van de business en minder van de ICT organisatie. 
• Er vindt een centralisering plaats van het datamanagement indien de volwassenheid van het datamanagement toeneemt.

Huidige status en ambitie datamanagement
De afgelopen jaren zijn organisaties zich gaan realiseren dat data geen ICT issue is, maar een business aangelegenheid. Data en de wijze waarop de data in de organisatie gebruikt kan worden, bepaalt immers voor een groot gedeelte de kwaliteit van de informatievoorziening die nodig is voor sturing en beheersing van de organisatie. 

Deze trend is terug te zien in de resultaten die betrekking hebben op datamanagement volwassenheid. Gemiddeld genomen bevinden Nederlandse organisaties zich op het kantelpunt van een afdelings- en ICT-gericht datamanagement naar een centraal en procesgericht datamanagement.  
__________________________________________________________________________________  
Big Data & Analytics verandert continu uw werk. Ruim 85 procent van de financials wil daarom verregaand investeren in deze capaciteit. Maar hoe begint u? Hoe werkt het? Wat kost het? U ontdekt het op 30 maart 2016 tijdens Big Data Day, een uniek event voor CFO's en controllers. Leer via praktijkvoorbeelden en verhalen van top experts hoe u Big Data & Analytics succesvol toepast. Zij helpen u om het laag hangende fruit direct te plukken. Schrijf u nu in
__________________________________________________________________________________  

Wat opvalt in de huidige volwassenheid van het datamanagement is dat de aspecten ‘Beleid’ en ‘Data Kwaliteit’ voorop lopen op de andere aspecten die de volwassenheid van het datamanagement bepalen. Het gebrek aan de benodigde data kwaliteit wordt veelal direct door de gebruikers van de data gevoeld. Binnen de afdeling wordt daarom ad hoc en vanuit knelpunten gepoogd de benodigde data kwaliteit te realiseren door deze binnen de afdeling te corrigeren. Om meer structuur te geven aan het bereiken van de benodigde data kwaliteit binnen de afdeling wordt vanuit de afdeling gestart met het formuleren van een eigen decentraal afdelingsbeleid. 

De ambitie ligt echter hoger: binnen twee jaar is het de ambitie om door te groeien naar sturend datamanagement. In een dergelijke organisatie is het datamanagement leidend geworden voor het doen en laten binnen de organisatie. Een gezond ambitieniveau daar de ervaring leert dat de groei naar een volgende fase van datamanagement volwassenheid gemiddeld twee tot drie jaar in beslag neemt. De beoogde groei naar de gestelde ambitie is volgens de respondenten benodigd om de data kwaliteit verder te verhogen. Om dit te bereiken is een inhaalslag benodigd op achterblijvende data management aspecten zoals governance, processen en beheer. 

Maar loont het nu de moeite voor een organisatie om te investeren in de zes aspecten van datamanagement? Met andere woorden, leidt de realisatie van het ambitieniveau inderdaad tot een verbetering van de datakwaliteit en zijn er datamanagement aspecten te benoemen die dienen als katalysator voor data kwaliteit? 

Relatie tussen data kwaliteit en datamanagement volwassenheid
Datakwaliteit is een ‘hot item’ binnen Nederlandse organisaties, omdat het belang ervan steeds meer wordt gevoeld in de uitvoering van de primaire bedrijfsprocessen. Vandaar ook de wens om de fase van een afdelings- en ICT-gericht datamanagement in te ruilen voor een datamanagement gericht op business en bedrijfsprocessen. Uit het onderzoek blijkt dat binnen organisaties met een hogere datamanagement volwassenheid, gemiddeld hoger scoren op datakwaliteit (zie figuur 3). De wens en ambitie om een stap te maken is dus verklaarbaar omdat deze lonend blijkt te zijn voor het behalen van deze doelstelling.
 
Figuur 2: Relatie Datakwaliteit en volwassenheid datamanagement 

Nederlandse organisatie bevinden zich momenteel op het kantelpunt van afdelings- en ICT-gericht datamanagement naar een centraal en procesgericht datamanagement. De data kwaliteit wordt op dit kantelpunt gewaardeerd met een 5,5. Net voldoende, maar voldoende ruimte voor verbetering.

Zodra een organisaties groeit naar een organisatievorm die behoort bij een volwassenheidsniveau van centraal en procesgericht datamanagement, wordt de datakwaliteit gemiddeld met een 6,3 gewaardeerd. Een aanzienlijke verbetering ten opzichte van organisaties die zich bevinden in de fase van afdelings- en ICT-gericht datamanagement. 

Als een organisatie doorgroeit naar een niveau van sturend datamanagement, dan wordt de gemiddelde data kwaliteit door organisaties die zich in deze fase bevinden zelfs gewaardeerd met een 7,5.

Concluderend blijkt dat er inderdaad een relatie bestaat tussen enerzijds de volwassenheid van het datamanagement en anderzijds de waardering van de data kwaliteit. Een groei van het datamanagement leidt tot een verbetering van de data kwaliteit. Investeren op de zes aspecten van datamanagement loont en zorgt voor de vermeende verbetering van de data kwaliteit. 

Governance als katalysator
Nu de vermeende relatie tussen data kwaliteit en datamanagement volwassenheid is aangetoond, rijst de vraag hoe de verschillende aspecten van datamanagement bijdragen aan deze verhoging van de datakwaliteit. Dit kan namelijk richting geven aan organisaties die bezig zijn te investeren in datamanagement.

Om deze vraag te beantwoorden is onderzocht in welke mate de zes datamanagement aspecten bijdragen aan de stijging van de gemiddelde data kwaliteit wanneer een organisatie afdelings- en ICT gericht datamanagement inruilt voor een centraal en procesgericht datamanagement. In onderstaande figuur is de toename in de gemiddeld gewaardeerde data kwaliteit afgezet tegen de zes aspecten van datamanagement 
 
Figuur 3: Toename van datakwaliteit per aspect

Het valt op dat ‘Data Kwaliteit’ en ‘Beleid’ relatief weinig bijdragen aan een structurele verbetering van de datakwaliteit. Zoals eerder aangetoond, zijn het juist deze aspecten die voorop lopen in de volwassenheid van het datamanagement in Nederlandse organisaties. 

Met name op de onderdelen die in de huidige stand van datamanagement achter blijven in ontwikkeling valt winst te behalen. Om structureel de data kwaliteit te verbeteren blijkt de inrichting van ‘Governance’, ‘Architectuur’ en ‘Processen’ een vereiste. Met name het aspect ‘Governance’ kan zorgen voor een boost in de gewaardeerde data kwaliteit.

Governance krijgt niet de aandacht die het op basis van de resultaten zou verdienen. Het is vaak één van de laatste onderwerpen op de agenda. Het belang ervan wordt mogelijk onderschat of het is een lastig onderwerp waaraan liever niet wordt begonnen. Wie is verantwoordelijk voor de data kwaliteit? Wie bepaalt het gewenste niveau van data kwaliteit? Wie is de eigenaar van de data? Allemaal vragen die door data governance beantwoord moeten worden. Het zijn antwoorden die een randvoorwaarde blijken te zijn om beoogde doelstellingen op het gebied van datakwaliteit te bereiken

In de praktijk blijkt dat data kwaliteitsprogramma’s niet of nauwelijks aandacht besteden aan de inrichting en implementatie van data governance. Het oplossen van data kwaliteit issues geniet meestal de voorkeur. Op zich een logische gedachte daar het oplossen van data kwaliteit direct resultaat geeft en het inrichten van een data governance meestal de nodigde strubbelingen tot gevolg heeft en pas op termijn gaat renderen. Met name de transitie van afdelings- en ICT-gericht datamanagement naar een centraal en procesgericht datamanagement is een uitdaging op het gebied van governance. De organisatievorm en bijbehorende verantwoordelijkheden in een afdelings- en ICT-gericht datamanagement passen niet in een centrale en procesgerichte variant van datamanagement. Taken, bevoegdheden en verantwoordelijkheden in het omgaan met data gaan verschuiven van de traditionele afdelings- en ICT-rollen naar nieuwe gecentraliseerde datamanagement rollen. 

De realisatie van de nieuwe organisatievorm en bijbehorende governance vraagt veel van de verandercapaciteit van de organisatie. Commitment en executiekracht van het management is een vereiste om de groei naar een volgende fase van datamanagement mogelijk te maken.

Slot
Nederlandse organisaties bevinden zich momenteel in de transitie van een op afdelingen en ICT ingericht datamanagement naar een centraal en procesgericht datamanagement. Een transitie die nodig is om de data kwaliteit naar het gewenste en benodigde niveau te tillen zodat er voldaan kan worden aan de toenemende eisen van de markt en regelgever. Vandaar dat Nederlandse organisaties de afgelopen jaren initiatieven zijn gestart om het datamanagement in te richten op de toekomst. Helaas hebben veel initiatieven niet de  resultaten kunnen vasthouden. 

Toch kan investering in datamanagement leiden tot een verbetering van de data kwaliteit. Het onderzoek heeft aangetoond dat er een verband bestaat tussen de groei van datamanagement en de gewaardeerde data kwaliteit. In de praktijk wordt vaak de nadruk gelegd op het oplossen van de data kwaliteit zelf en minder op aspecten zoals inrichting van governance, architectuur en processen. Met name het aspect ‘Governance’ blijkt een katalysator voor data kwaliteit te zijn en dient daarom als strategisch inrichtingsvraagstuk op de agenda te staan van het topmanagement. Governance moet niet langer de laatste, maar de eerste paragraaf zijn van de datamanagement strategie. 

De auteurs zijn werkzaam bij Bisnez Management. Dave Stam is management consultant en heeft veel ervaring met procesmanagement en datamanagement waaronder het doorlichten en ontwerpen van processen en het inrichten van enterprise datawarehouses. Hij publiceert met regelmaat over het vakgebied proces- en datamanagement  en doet hier ook onderzoek naar. Thijs Grievink is ook management consultant en heeft ruime ervaring op het gebied van optimalisatie van de bedrijfsvoering, business process- en gegevensmanagement.