Goede voorspellende modellen vallen of staan bij datagovernance

Data zijn al lang niet meer een bijproduct van processen, maar vormen voor veel bedrijven een belangrijke asset die een grote waarde vertegenwoordigt. Om iets met die data te kunnen doen, moet die echter wél van goede kwaliteit zijn. En daar zit vaak het probleem. Alle reden om te investeren in datagovernance. Dick Zeeman van Data Talents volgde daarom naast de Certified Data Management Professional (CDMP)-opleiding bij Connected Data Academy ook de Specialist vervolgtrainingen Data Quality en Data Governance. Door zijn hoge examenscores en overtuigende CV is hij nu CDMP Master, hiermee behoort Dick tot een selecte groep in Nederland.

“Het CDMP Master certificaat is heel uniek”, zegt Erik Fransen van de Connected Data Academy, onderdeel van Connected Data Group, een Open Line bedrijf. Hij is tevens CDMP Trainer en secretaris in het bestuur van DAMA Nederland. “Er wordt geen lijst vrijgegeven, maar zover ik weet zijn er maar een handvol CDMP Masters in Nederland.” Het is dan ook niet vreemd dat veel opdrachtgevers om zijn kennis zitten te springen. Want er zijn al niet zoveel datagovernance consultants. En al helemaal geen consultants die het niveau hebben van Dick.

Dicks interesse voor datakwaliteit komt voort uit het feit dat hij ziet dat bedrijven zoveel kansen op dit gebied laten liggen. Hij vertelt: “Data is meer dan een bijproduct van processen. Je kunt er meer waarde uit halen dan wat financieel getinte BI-rapporten. Denk bijvoorbeeld aan voorspellende modellen die je helpen om processen efficiënter in te richten. In veel organisaties is er echter één grote spelbreker: datakwaliteit. Want als je data gaat gebruiken om processen nauwgezet te sturen, dan moet je er wel van op aan kunnen dat die data kloppen.”

Trainingen

Voor Dick was dit belang van datakwaliteit reden om naast de CDMP Fundamentals training ook twee specialist trainingen te volgen bij Connected Data Academy: die gericht op datakwaliteit en datagovernance. Hij zegt: “Centraal in ons vakgebied staat de DAMA DMBoK (Data Management Body of Knowledge). Dat is niet het spannendste boek om te lezen. Door samen met enkele collega’s van Data Talents de opleidingen bij Connected Data Academy te volgen, krijg je veel meer feeling met hoe je de DMBoK in de praktijk toepast. De trainers maken continu de vertaalslag van de theorie naar de praktijk. Ze gebruiken voorbeelden die cursisten aandragen. Daardoor gaat de materie leven.”

Behalve nieuwe kennis opdoen, gebruikt Dick de trainingen ook om bestaande kennis op te frissen en in perspectief te plaatsen. “Ik werk al vijftien jaar in het datavakgebied. Net als bij autorijden is het zo dat je op een gegeven moment dingen op de automatische piloot doet. Deze trainingen en het framework dat wordt gebruikt, helpen je om jezelf weer even te realiseren waarom je ook alweer wat doet. Het gaat uit van een gemeenschappelijke basis en een gemeenschappelijke taal, waardoor het makkelijk wordt om voorbeelden uit het ene domein te vertalen naar een ander domein.”

Van datakwaliteit naar datagovernance

Als de data van matige kwaliteit is, komt dat meestal doordat de governance niet goed is belegd, zegt Dick. “Governance betekent dat je beleid maakt. Dat beleid is nodig, want datakwaliteit staat niet op zich. Het gaat hand in hand met vragen als: welke data gebruiken we in welke processen? Wat is de kwaliteit van die data en welke kwaliteit hebben we nodig om voorspellingen te kunnen maken? Wie is er eigenaar van welke data? Je hebt namelijk iemand nodig in de business met voldoende mandaat om verbeteringen aan te brengen en structurele problemen op te lossen.”

Een belangrijke reden om processen meer datagestuurd te maken, zijn de personeelstekorten in veel sectoren. Immers: hoe efficiënter je je beschikbare personeel inzet, hoe minder mensen je nodig hebt. “Je wilt processen voorspelbaar maken en je wilt dat ze ‘first time right’ worden uitgevoerd”, zegt Dick.

Processen voorspellen

Neem als voorbeeld een groot logistiek bedrijf. Voor het sturen en voorspellen van hun processen zijn zij afhankelijk van veel gegevens die door externe partners worden geleverd, zoals leveranciers en vervoerders. Wanneer één van die partners onjuiste data levert, heeft dat consequenties voor de hele keten, met vertragingen, extra kosten en ontevreden klanten tot gevolg. Dick: “Wanneer bijvoorbeeld een grote lading inkomende goederen een dag later arriveert dan jij verwacht, dan heb je op het verkeerde moment personeel ingepland, dan kun je orders niet uitleveren naar klanten en ga zo maar door. Het is daarom belangrijk om goed zicht te hebben op de datakwaliteit. Dat doe je door die kwaliteit te meten. Dan kun je op tijd ingrijpen en kun je bovendien structurele verbeteringen doorvoeren door de juiste afspraken met de partners te maken.” Dit voorbeeld laat goed zien dat datagovernance geen IT-exercitie is. “Het is een businessthema. Het gaat om mensen, processen en gedrag.”

Balans zoeken

Datagovernance gaat naast mensen en gedrag ook om regels, procedures en andere dingen waar mensen over het algemeen een hekel aan hebben. Daarom is het altijd belangrijk om de balans te zoeken, zegt Dick. “Je wilt geen extra regels of controles bedenken, je wilt er aan de bron voor zorgen dat data goed worden vastgelegd en daarna automatisch in andere processen worden overgenomen. Je hebt het dan meestal over een andere inrichting van processen en van ondersteunende IT-systemen.”

Daar snijden we meteen het volgende vraagstuk aan: kosten. Want het aanpassen van processen of systemen brengt altijd kosten met zich mee. “Maar de opbrengsten zijn in de regel zo verschrikkelijk veel hoger”, zegt Dick. Tijdens de training Data Governance van de Connected Data Academy komt daarom het maken van een businesscase ook aan de orde. “Want uiteindelijk overtuig je het management met een businesscase”, weet hij.

Tips

Een ander onderwerp waar de training ook bij stilstaat, is het afbakenen van de scope van een project. Want in de regel genereren bedrijven gigantische hoeveelheden data en zijn de teams die belast worden met datagovernance en datakwaliteit te klein om alles in één keer aan te pakken. Dick adviseert daarom: “Begin bij de processen waar je de meeste knelpunten ervaart.”

In het genoemde voorbeeld zijn dat de afhankelijkheden tussen de verschillende samenwerkende partijen: leverancier, transportondernemer, distributiecentrum. Om de processen beter te voorspellen en risico's op verstoringen te verkleinen is het van belang te weten hoe de gegevens in de processen gebruikt worden, maar ook wie er binnen de organisatie voor verantwoordelijk is. Dick: “Voor al die databronnen wijs je een eigenaar aan, die verantwoordelijk wordt voor de datakwaliteit. Als de kwaliteit onvoldoende is, helpt de data governance-specialist de data-eigenaar bij het bedenken van maatregelen om die te verhogen.”

Een tweede advies dat Dick geeft is: “Probeer om de organisatie te laten inzien dat data en techniek twee verschillende dingen zijn. Data zijn niet van een IT-afdeling, maar van de business. Natuurlijk is er een relatie tussen data en IT, maar die begint bij de data en nooit bij de techniek. In de praktijk zie ik vaak dat organisaties bij de techniek beginnen. Die wijzen de product owner van een IT-systeem aan als data-eigenaar. Dat klopt niet. Ik hoor dit ook regelmatig van collega’s van Data Talents en het onderwerp kwam ook vaker terug tijdens de trainingen van de Connected Data Academy. Wees je er dus van bewust dat het de business moet zijn die eigenaar is van de data. IT is ondersteunend, maar zeker niet leidend.”