Wat een data management framework is, en hoe je het in de praktijk brengt

Made with AI

Een data management framework is een gestructureerd model van de beleidsregels, processen en disciplines waarmee een organisatie data gedurende de hele levenscyclus consequent beheert.

Je leest hier wat de kernonderdelen zijn, wat de belangrijkste modellen zijn (DAMA-DMBOK, DCAM), hoe je een framework toepast op Google Cloud en hoe je het uitrolt zonder dat het vastloopt. Het artikel is geschreven voor data- en IT-leiders (CDO, Head of Data, data-architecten) in middelgrote tot grote organisaties, en blijft de hele tijd op dat niveau.

Wat een data management framework eigenlijk is

Een framework is de herbruikbare blauwdruk die de disciplines van databeheer ordent, zodat teams één taal spreken en niet twee keer hetzelfde probleem oplossen.

Het woord raakt vaak vermengd met twee andere, dus het helpt om ze vroeg uit elkaar te halen. Een framework is het gestructureerde model. Een strategie is het specifieke plan van je organisatie om dat model toe te passen. Een platform is de technologie waarop het draait. Data governance is het vierde begrip: het onderdeel dat bepaalt hoe data gebruikt mag worden. Houd je deze vier uit elkaar, dan verdwijnt de meeste verwarring.

De meeste frameworks leunen op een gevestigd model: DAMA-DMBOK geeft je een gedeelde woordenschat en afbakening, terwijl DCAM draait om het meten van volwassenheid. Ze delen de gebieden verschillend in, maar de onderliggende bouwstenen zijn dezelfde.

Waarom kiezen organisaties voor een framework in plaats van ad hoc databeheer?

Een gedeeld framework levert consistentie op. Teams en domeinen werken volgens dezelfde standaarden en spreken één taal, en nieuwe mensen zijn sneller ingewerkt omdat de structuur is opgeschreven in plaats van in de hoofden van een paar mensen te zitten. Het geeft je ook een verdedigbaar antwoord als een auditor of toezichthouder vraagt hoe data wordt beheerst.

Ad hoc databeheer doet het omgekeerde. Elk team lost dezelfde problemen op zijn eigen manier op. De kwaliteit verschilt per bron, en er is geen vast referentiepunt om beslissingen aan te toetsen. Dat werkt tot de organisatie groeit, en dan wordt het de bottleneck.

De kernonderdelen van een data management framework

Elk data management framework bestaat uit hetzelfde handjevol gebieden die je goed moet regelen als je data beheert. Het zijn geen losse projecten die je afrondt en afvinkt. De onderdelen leunen op elkaar, dus je hebt zelden met het ene te maken zonder de andere te raken.

Zie ze als de bouwstenen die een framework tot een geheel samenvoegt. Welke bouwstenen je eerst aanpakt, en hoe ver je met elk gaat, is een strategische keuze. Dat deel hoort dus bij je strategie en niet bij het framework.

• Data governance: de beleidsregels, het eigenaarschap en de beslisbevoegdheden voor hoe data gebruikt mag worden.
• Datakwaliteit: of data juist en volledig is en geschikt voor de beslissingen die erop steunen.
• Metadata en master data management: gedeelde definities en één betrouwbare versie van belangrijke entiteiten zoals klant of product.
• Data-integratie: data betrouwbaar verplaatsen en combineren tussen systemen.
• Architectuur en opslag: waar data staat en hoe die is gestructureerd.
• Beveiliging en privacy: toegangsbeheer, classificatie en compliance.

Een data management framework toepassen op Google Cloud

Een framework doet er pas toe als de onderdelen worden afgedwongen door echte functionaliteit in plaats van een slide. Op Google Cloud is de vertaling direct.

• Architectuur en opslag: Cloud Storage voor beheerde opslag, met BigQuery als centraal warehouse waaruit de rest van de omgeving leest.
• Kwaliteit en metadata: de beheerde catalogus- en lineagetools van Google Cloud, Knowledge Catalog (voorheen Dataplex), voor catalogiseren, data lineage en kwaliteitscontroles.
• Governance en beveiliging: Cloud IAM voor identiteit en toegang, zodat centraal wordt geregeld wie waarbij kan in plaats van per team.

Voor Europese organisaties is er een specifiek voordeel. Door EU-regio's te kiezen houd je je data binnen Europa, en de compliance-instellingen van het platform maken het makkelijker om aan het onderdeel beveiliging en privacy te voldoen. Daardoor wordt data onder governance iets waar je mee aan de slag kunt, en daar komt data-activatie om de hoek kijken.

Hoe je een data management framework invoert zonder dat het vastloopt

Het framework is zelden wat faalt. De uitrol vaak wel. Dit zijn een paar concrete correcties op de gebruikelijke fouten:

• Begin met één domein, niet met meerdere. Proberen de hele omgeving in één keer te dekken is de meest voorkomende reden dat een uitrol vastloopt. Zorg dat governance en kwaliteit werken in één domein met veel waarde, bewijs dat het model werkt en breid het dan domein voor domein uit.
• Wijs eigenaarschap toe voordat je tools koopt. Tools zonder duidelijke eigenaren verplaatsen de verwarring alleen sneller. Bepaal eerst wie eigenaar is van de data en van de beslissingen.
• Meet vanaf het begin. Als je niet kunt laten zien dat het eerste domein betrouwbaarder is geworden, kun je het volgende niet verantwoorden. Spreek vooraf een paar meetpunten af.

Een framework levend houden na de eerste uitrol is een discipline op zich. Dat is wat doorlopende managed services afdekken: eigenaarschap, monitoring en kostenbeheersing door de tijd heen.

Hoe we je helpen een data management framework toe te passen

We beginnen met een verkenningsfase waarin we je huidige niveau toetsen aan het framework, zodat je weet waar de echte gaten zitten voordat iemand iets bouwt. Daarna ontwerpen en bouwen we de onderdelen op Google Cloud, en we beheren ze, zodat het framework van een model op papier verandert in een werkende praktijk.

Dat steunt op ons Google Cloud Premier Partnerschap, op het feit dat we vanaf de eerste dag met het platform werken, en op projecten voor organisaties als Rituals, waarvan het enterprise dataplatform data uit het hele bedrijf samenbracht.

Wil je zien hoe dit eruit zou zien voor jouw datalandschap? Neem contact op voor een verkennend gesprek.

Veelgestelde vragen

Wat is het verschil tussen een data management framework en een datamanagementstrategie?

Het framework is het gestructureerde model van onderdelen en disciplines voor databeheer. De strategie is het specifieke plan en de roadmap van je organisatie om dat model toe te passen en bedrijfsdoelen te halen. Simpel gezegd: het framework is de blauwdruk, en de strategie bepaalt wat je eerst bouwt en waarom.

Welk data management framework moeten we gebruiken?

Welk data management framework je gebruikt, hangt af van het doel. Een body-of-knowledge-model als DAMA-DMBOK past bij organisaties die een gedeelde woordenschat en afbakening nodig hebben. Een assessmentmodel als DCAM past bij organisaties die hun volwassenheid willen benchmarken. De meeste organisaties passen een model aan op hun situatie in plaats van het in zijn geheel over te nemen.

Moeten we een heel framework in één keer invoeren?

Nee, en dat proberen is de meest voorkomende reden dat frameworks vastlopen. Wat werkt, is beginnen met governance en kwaliteit in één domein, bewijzen dat het model daar werkt en het dan onderdeel voor onderdeel uitbreiden. Een big-bang-uitrol bezwijkt meestal onder zijn eigen gewicht.

Hoe verhoudt een data management framework zich tot data governance?

Governance is één onderdeel binnen het framework, niet iets aparts. Het levert de rollen, beslisbevoegdheden en verantwoordelijkheden die bepalen hoe data gebruikt mag worden. Het is belangrijk omdat het de andere onderdelen, van kwaliteit tot beveiliging, echt afdwingbaar maakt, zodat ze meer zijn dan een voornemen.

Hoe lang duurt het om een data management framework in te voeren?

Een eerste assessment en een eerste domein onder governance kosten doorgaans enkele weken tot een paar maanden. De volledige uitrol wordt daarna gefaseerd over een langere periode, afhankelijk van de omvang van de organisatie en haar huidige volwassenheid. Doordat je klein begint, zie je vroeg resultaat in plaats van te wachten tot alles af is.