Door de wereldwijde data management community (dama.org) is in de afgelopen jaren een model ontwikkeld in de Data Management Body of Knowledge (DMBoK). Dit is een praktisch uitgewerkt raamwerk met elf kennisgebieden. Hieronder een visuele representatie van het raamwerk en een korte definitie van ieder kennisgebied.  

• Data Governance: Is het uitvoeren van controle en beheer omtrent het beheer van data assets. Data Goverance stuurt alle andere dataprocessen
• Data architectuur: Managen, ontwikkelen en beheren van de requirements en principes rond data
• Data modelleren: Is het ontdekken, analyseren en beschrijven van data requirements in de vorm van gestandaardiseerde modellen die een data structuur beschrijven
• Data storage en operations: Ontwerp en implementatie van data opslag en -persistentie
• Data security: Activiteiten rond de bescherming van informatie en data door autorisatie, authenticatie, toegang, auditing
• Data integratie en interoperabiliteit: Managen van het transport en consolidatie van data tussen informatiesystemen en organisaties
• Document- en content management: Managen en (levensloop)beheer van alle soorten data inclusief documenten en content
• Reference en Master Data: Managen van generieke en algemene (herbruikbare) data en referentie data (codelijsten e.d.)
• Datawarehousing en BI: Planning, ontwikkeling en beheer van activiteiten voor het samenstellen van data ter ondersteuning van besluitvorming en kenniswerkers
• Meta Data: Managen, ontwikkelen en beheren van metadata.
• Data kwaliteit: Activiteiten voor kwaliteitsmanagement van data assets zodat het geschikt is voor gebruik en voldoet aan de wensen van de data consumenten

In het DMBoK is meta data een separaat kennisgebied en is in detail uitgewerkt. Hiermee kunnen we de verschillende data entiteiten binnen een organisatie in de context van de afzonderlijke data management kennisgebieden plaatsen.

Begeleiden van de andere data management functie zoals onder andere data architectuur, data management en data kwaliteit activiteiten. Activiteiten

• Toegankelijk maken van de data governance registers zoals metadata, RASCI matrix en kaders en roadmap voor alle stakeholders.
• Aansturen van de data management processen zoals data kwaliteit, data modelleren.
• Communicatie over data (kwaliteits) issues en te nemen maatregelen (binnen de roadmap).
• Ondersteunen, evalueren en valideren bij het relevante data management kennis gebied zoals SIPOC, betrokkenen, profielen en producten per kennis gebied.

Uitwerken solution architectuur voor referentie data inrichting

Managen, ontwikkelen en beheren van de requirements en principes rond data.

Managen, ontwikkelen en beheren van de requirements en principes rond data.

Specifieke architect verantwoordelijk voor data binnen de organisatie. Stelt data architectuur kaders op, maakt data modellen en werkt nauw samen met de andere architecten in de organisatie en de data governance groep.

Zorg dat bij een validatiestap van de data kwaliteiten in een proces dat er een feedback loop plaatsvindt naar de activiteit waar het issue ontstaan is. Houd er rekening mee dat dit ook mogelijk is naar metadata, datamodel of data architectuur activiteiten in de feedback

Referentie data is voornamelijk data voor het bepalen van domeinen voor één of meerdere attributen bij een logische data entiteit. Door het gebruik van deze domeinen ontstaat een gezamenlijke gestandaarde visie op de domeinen van deze data. Deze referentie data is met name van belang bij Data Integratie, BI en DWH maar ook bij ontwikkelen en inrichten van software ter ondersteuning van alle werkprocessen in de organisatie. Omdat de referentie data gekoppeld is aan het single point of maintenance paradigma is met name data integratie een uitdaging inclusief de bijbehorende integratievormen en requirements. Daarnaast zie je een deel van de referentie data entiteiten niet in de eigen organisatie beheerd worden. Bijvoorbeeld internationale instanties zoals bijvoorbeeld ISO maar ook sectorale of overheids referentie data kan geintroduceerd worden binnen de eigen referentie data. Als laatste is de complexiteit voor data governance, data modellering, data kwaliteiten en data architectuur te noemen. Vanwege het generieke karakter van deze referentie data vraagt dit een bijzondere uitwerking. Daarom wordt er voor referentie data veelal een Plan van Aanpak en een solution architectuur uitgewerkt.

Uitwerking van de referentie en master data architectuur met een aantal patronen, bouwblokken en conceptuele data modellen.

Presentatie van Ben over data architectuur

Uitwerking van de referentie en master data architectuur met een aantal patronen, bouwblokken en conceptuele data modellen.