De volgende stap: datamanagement inrichten

download deze column als pdf

	Ik vind deze column een aanrader
	1207 personen hebben deze column positief beoordeeld

In twee eerder verschenen columns heb ik de automatisering van respectievelijk de asset manager en service provider beschreven. Daarin stond onder andere dat als dat gepaard gaat zonder een eenduidig datamodel en de rollen voor het juist aanleveren van data niet goed ingevoerd worden, het als een mooie lijst in een museum zonder schilderij is. In deze column ga ik in op datamanagement.

Kennelijk hebben sommige dingen tijd nodig. In een artikel van al 13 jaar geleden[1] stond dat veel pakketten als elektronische kaartenbak gebruikt worden. Onze ervaring, nu bijna 15 jaar later, is dat dit bij veel bedrijven nog steeds zo is. Het werk wordt zo dan wel efficiënter uitgevoerd, maar de data wordt nog weinig gebruikt als stuurinformatie. Een belangrijke oorzaak is dat niet benoemd is welke stuurinformatie nodig is. Maar ook komt het voor dat de gegevens niet actueel of consistent zijn. Hoe zorg je er nu voor dat dit wel gebeurt?

Voordat we daarop ingaan, gaan we kort in op oorzaken van onjuiste en niet volledige data. We zien dat het niet altijd duidelijk is wie een uitspraak mag doen als er een wijzigingsverzoek komt voor bijvoorbeeld een nieuw rapport, gewijzigde data of metadata in het geautomatiseerde systeem. Data in verschillende systemen is niet altijd geautomatiseerd gekoppeld, waardoor bij wijzigingen het wel in systeem 1 maar niet in systeem 2 wordt aangepast. Ook is het datamanagementproces vaak niet gemodelleerd. Rollen en verantwoordelijkheden van het dit proces zijn niet duidelijk. Tenslotte is lang niet altijd helder wat de impact van wijzigingen in de data is.

Dit heeft een aantal implicaties. Het is komt voor dat na een wijzigingsverzoek rapporten worden gewijzigd in een asset management informatiesysteem. Daardoor konden anderen, die het rapport ook gebruikten, niet meer met het gewijzigde rapport uit de voeten. Door het niet actueel zijn van gegevens is het ook moeilijk om asset management processen te besturen en te verbeteren.

Wanneer een bedrijf er voor wil zorgen dat de datakwaliteit verbetert en data ook schoon blijft, is het nodig een datamanagementproces in te richten. Daarnaast kan het nodig zijn de datakwaliteit te verbeteren door deze te verrijken met gegevens en op te schonen. Die twee onderdelen kunnen deel uitmaken van een project om de datakwaliteit te verbeteren

Bekijken we eerst het datamanagementproces. In onderstaande figuur is het proces in hoofdlijnen te zien.

Bij het eerste proces moet worden vastgesteld met welke stuurinformatie het management wil sturen. Daar horen ook de normen en de beheerders bij, alsmede een definitie van rapporten om doelen te meten.

In het proces ‘Beheer metadata’ moet de gewenste data-atlas en het datamodel opgesteld worden. Hierin staat welke data we willen hebben en de gewenste datakwaliteit. Het datamodel bevat de businessobjecten (entiteiten), de relaties ertussen en de attributen. Dit moet zijn afgeleid uit de gewenste stuurinformatie. Ook moet worden bepaald hoe met wijzigingen omgegaan wordt (denk aan wie daarover mag beslissen).

Het proces ‘Beheer data’ bevat het beoordelen en ontwerpen van wijzingen in de data en het datamodel, het realiseren van wijzigingen in de metadata en het implementeren van de wijziging in de data.

In dit proces is een Plan – Do – Check – Act cyclus terug te vinden (net zoals in PAS55 en ISO9001). Daarom wordt in het laatste proces gemeten of de gewenste kwaliteit wordt gehaald en worden indien nodig verbeteringen gedefinieerd.

Het verbeteren van de data zelf kan bestaan uit het verbeteren van de:

• volledigheid van de data (zijn de benodigde gegevens aanwezig)
• juistheid van de data (is de data in overeenstemming met de werkelijkheid)
• consistentie van de data (stemmen de data tussen bronsystemen en afgeleide systemen overeen).

Bedenk dat het verbeteren van de datakwaliteit lijkt op het verbeteren van de beschikbaarheid van de installatie. Om van een verbetering van de kwaliteit van de data van 70 naar 80% te gaan is nog niet zo moeilijk. De juistheid en consistentie kunnen soms met geautomatiseerde scripts met relatief weinig inspanning een behoorlijk verbeterd worden. Het kan ook nuttig zijn om ervoor te zorgen dat bepaalde combinaties van data niet kunnen voorkomen. Dat voorkomt dat in de toekomst onjuiste gegevens in het systeem voorkomen.

Om de kwaliteit van bijvoorbeeld 95 naar 96% te verbeteren, kunnen grote investeringen nodig zijn. Het invoeren en verbeteren van het datamanagementproces hoeft daarmee geen sinecure te zijn! Bepaal dus of een dergelijke verbetering nog zinvol is.

De werkwijze heeft grote voordelen maar betekent ook veranderingen. De beheerder (proceseigenaar of –coördinator) krijgt verantwoordelijkheid (en bevoegdheden) om wijzigingsvoorstellen goed- en af te keuren. Rechtstreekse verzoeken van eindgebruikers aan automatiseerders om (meta)data te wijzigen worden bijvoorbeeld niet meer behandeld. Bedenk ook dat dikwijls grote investeringen nodig zijn. Zijn projecten voor de invoering van IT-systemen soms al projecten die in de miljoenen Euro’s lopen, voor het verbeteren van de data kan daar maar zo een veelvoud aan toegevoegd worden. Bepaal dus goed welke data nodig is. Dat om te voorkomen dat wederom geld verbrand wordt en dus geen goed asset management wordt uitgevoerd.

John de Croon is partner bij  AssetResolutions B.V., een bedrijf dat hij samen met Ype Wijnia heeft opgericht. Beurtelings geven ze in deze wekelijkse column hun visie op een aspect van asset management. De columns staan gepubliceerd op de website van AssetResolutions, www.assetresolutions.nl/nl/column

<< terug naar overzicht