Leer in 8 minuten
- Waarom traditionele op controle gerichte data governance niet goed werkt
- Welke vier verschillende vormen van data governance je kunt toepassen
- Aan welke zeven pijlers je moet werken om naar een volwassen data governance toe te werken
Nu veel bedrijven datagedreven werken tot een strategisch thema hebben gemaakt, staat data governance ook steeds meer in de schijnwerpers. Tijdens de afgelopen Data & Analytics Summit van Gartner was data governance dan ook een belangrijk thema. De boodschap was daarbij helder: stel vooraf goed vast wat je wilt bereiken met data governance, anders verzand je in een eindeloos programma. En besef dat je de business case voor alleen data governance niet rond krijgt, maar dat die gedragen moet worden door de use cases op basis waarvan je governance implementeert. Zoals we ook al bepleiten in ons eBook: ‘Data governance – Het fundament voor datagedreven werken’. In dit artikel bespreek ik wat je kunt leren van de visie van Gartner.
Van alleen controle naar adaptive data governance
Uiteraard geeft Gartner een aantal voorspellingen over data governance:
- Through 2022, only 20% of organizations investing in information governance will succeed in scaling governance for digital business.
- By 2023, 30% of organizations will exceed data and analytics ROI by governing the least amount of data that matters most to their strategic goals.
In de praktijk kom je vooral data governance tegen die ‘controle’ als uitgangspunt heeft. Controle is natuurlijk een belangrijk aspect, maar zorgt er ook voor dat data governance programma’s vooral als een vertrager werken (het moet) in plaats van als een enabler (het kan). Deze traditionele aanpak boekt te langzaam resultaten en levert voor projecten te veel werk op om echt de switch te kunnen maken naar datagedreven werken. Met als gevolg dat veel data en analytics projecten zich niet aan het governance beleid houden. Bovendien worden dit soort projecten zowel in centrale teams als binnen de business domeinen uitgevoerd, terwijl het governance beleid daar geen duidelijke scheidslijnen en verantwoordelijkheden voor aanreikt. Genoeg redenen dus om naar een nieuwe manier van data governance te kijken: adaptive governance. Waarbij je niet uitgaat van ‘one size fits all’, maar de invulling van governance laat afhangen van de (veranderende) context: de use case.
Bron: Gartner (2020)
Vier vormen van data governance
Kennelijk zijn er dus meerdere vormen van data governance? Ja! Gartner onderscheidt er in onderstaand model vier:
Bron: Gartner (2020)
Hieronder licht ik ze kort toe, aan de hand van het pace layer model (zie ook mijn artikel: ‘Het centrale datamodel als fundament voor data governance’):
- Control
Bij deze vorm ligt de nadruk op ‘grip op data’. Deze vorm blijft nog steeds het fundament onder het governance beleid van een organisatie, maar wordt met name toegepast op ‘system of record’ data en voor compliance. Het draait hier vooral om regels, beleid, standaarden en richtlijnen. - Outcomes
Hier zijn de governance regels vooral gebaseerd op ‘waarde’. Op basis van de mogelijke risico’s en de verwachtte opbrengst wordt de afweging gemaakt hoe uitgebreid en strikt de regels zijn. Uiteraard binnen de grenzen van wat de organisatie wil en kan. Deze vorm van governance is dus een stuk dynamischer en vooral geschikt voor bijvoorbeeld marketingafdelingen of ketenoptimalisatie. Het draait hier om ‘system of differentiation’ data. - Agility
Bij deze vorm van governance hebben teams en/of mensen het mandaat beslissingen te nemen over de manier en mate van data governance die wordt toegepast. Hier is de governance gebaseerd op vertrouwen. Deze vorm wordt toegepast bij ‘system of innovation’ data, bijvoorbeeld bij self service analytics of een innovatielab. - Autonomous
Deze vorm gaat nog een stap verder. Hier wordt de benodigde governance op ad-hoc basis bepaald door mensen of systemen. Dit kom je vooral tegen waar beslissingen worden genomen in geautomatiseerde processen gebaseerd op algoritmes. Dit valt ook onder ‘system of innovation’ data. Hier komen overigens ook ethiek en transparantie om de hoek kijken, maar daarover later meer.
Het is niet zo dat iedere organisatie ook al deze vormen van data governance moet toepassen. Het gaat er vooral om dat dit model helpt om een weloverwogen beslissing te nemen op basis van de bestaande manier van werken en de huidige knelpunten in het data governance beleid. Het model helpt om per use case, afdeling, proces of systeem te bepalen welke governance je wilt toepassen. Een voorbeeld:
Bron: Gartner (2020)
Data governance volwassenheid
Gartner gebruikt zeven ‘must-have foundations’ om vast te stellen hoe volwassen het data governance beleid van een organisatie is:
Bron: Gartner (2020)
Wat zijn die pijlers waar je als bedrijf met een lage volwassenheid aan moet werken?
- Value and outcomes
Zorg dat je data governance beleid verbonden is aan echte bedrijfsresultaten en waarde. Wat heb je aan data governance zonder toegevoegde waarde? - Accountability and decision rights
Zorg dat die mensen verantwoordelijk zijn die ook daadwerkelijk de consequenties kunnen dragen van de genomen beslissingen. Goede communicatie tussen de governance board (strategie) en het stewards overleg (operatie) kan hier zorg voor dragen. - Trust
Niet alle data en informatie is gelijk. Categoriseer en stel eisen per categorie en kijk dan of die voldoen. Druk kwaliteit van data bijvoorbeeld uit in: onbekend, beweerd, erkend, bewezen. En vertrouwen in data van bevestigd tot verzekerd. - Transparancy and ethics
Zorg dat je data governance regels en processen transparant zijn en gebaseerd op ethische principes. Zo kom je niet voor verrassingen te staan. - Risk and security
Maak een goede afweging tussen welk risico je wilt nemen en wat het je oplevert. Hoe meer waarde, hoe meer risico je mag nemen. Dit kan natuurlijk alleen als er voldoende context is om de relatie tussen risico en waarde vast te stellen. - Education and training
Zorg dat alle betrokkenen goed getraind zijn. Ook hier geldt weer dat het geen eenheidsworst is. Een ‘voorloper’ heeft andere training en begeleiding nodig dan iemand met weerstand tegen het beleid. Deze laatste heeft vooral behoefte om het ‘waarom’ te begrijpen. - Collaboration and culture
Verander de cultuur in de organisatie met betrekking tot governance. Zorg voor samenwerken en elkaar helpen in plaats van negatieve controle. Daarbij is het heel belangrijk de taken juist te beleggen. Wat valt er onder centrale aansturing en wat kan decentraal besloten worden? Dit geeft ook de ruimte aan afdelingen om op hun eigen domein/niveau te handelen.
Een paar adviezen tot besluit
Het is fijn om te constateren dat veel van wat Gartner beschrijft overeenkomt met de aanpak voor data governance die we in ons eBook beschrijven. Met als belangrijkste conclusie dat het enorm belangrijk is om governance in te richten voor data, maar dat de inrichting context afhankelijk (adaptief) moet zijn. Een centrale gedachte is belangrijk, maar alleen als die anders ingevuld kan worden per use case. Heb je als organisatie alle vier de vormen van data governance nodig en moet je je op alle zeven pijlers gaan ontwikkelen? Ook dat zal verschillend zijn per organisatie. Data governance is maatwerk. Maar een aantal algemene adviezen kan ik je zeker wel geven:
- Kijk allereerst vanuit het perspectief van de hier gepresenteerde modellen naar je huidige data governance en behoudt wat al goed is!
- Bouw data governance stap voor stap op, aan de hand van duidelijke (en waardevolle!) use cases.
- Zorg voor een blijvende structuur door per use case vast te leggen hoe en waarom je het hebt aangepakt, zodat die aanpak ook herhaalbaar is.
- Kijk vooral naar datastromen die nu nog niet onder governance zijn. Waarom is dat zo? En wat is er nodig om dat wel voor elkaar te krijgen?
- Er is geen vast recept voor data governance. Als het voor een bepaalde use case lukt om data governance in te richten door bepaalde procedures of regels aan te passen, doe dat dan gewoon en leg vooral goed vast waarom dat gedaan is.
Werk stap voor stap toe naar je eigen adaptive data governance, op maat voor jouw organisatie.
Op welke manier maakt jouw organisatie onderscheid tussen verschillende vormen van data governance afhankelijk van datagebruik en domein?