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.

Er wordt een data management kennisgebied gekozen en rond dit gekozen kennisgebied wordt de strategie geevalueerd op basis van relevante meta data. Met andere worden welke meta data is voor dit kennisgebied om dit ten behoeve van de strategie te ondersteunen.

Benadere medewerkers binnen de organisatie rond data management en governance binnen één domein. Bespreek de inrichting, wensen en verwachting aan en geef aan wat de verwachte rollen, activiteiten en verantwoordelijkheden zijn. Geef aan dat een aantal medewerkers deze rol dienen in te gaan vullen. Vul de interesse bij de betrokkenen.

Betrokkene bij data management bijvoorbeeld de data eigenaar, -steward en andere rollen betrokken.

Concepten bepalen de opbouw van het metamodel en kennen een paar abstracte concepten van specialiseren naar verschillende modelleertalen maar ook naar kennisgebieden in de metadata. Er wordt bijvoorbeeld een conceptueel datamodel uitgewerkt op basis van Meta Data Management op basis van het DMBoK. Concepten kunnen aggregaties bestaande uit andere concepten van hetzelfde concepttype maar ook van een ander concepttype. Bijvoorbeeld een UML Klasse entiteit bestaat uit Eigenschappen van het Concepttype Attribute en het Concepttype Operatie.

Dit is een weergave van alle elementen in het data management model dat de uiteindelijke inrichting vormt. Zij realiseren of beinvloeden dan ook de principes en de requirements. Met requirementis dit positief met beinvloeden is dit negatief

Data governance is het centrale proces in data management. Vanuit data governance worden alle andere kennisgebieden en werkprocessen aangestuurd met behulp van doelen en procedures en richtlijnen.

Data governance activiteiten voor de aansturing van de andere data management kennis gebieden.

Groep van rollen in de organisatie die betrokken zijn bij data management in het algemeen en governance in het bijzonder.

Data governance gaat de hele organisatie aan. Er is altijd een risico dat er versnippering van activiteiten ontstaat. Data governance heeft een nauwe relatie met veel disciplines zoals enterprise architectuur, financiën, control, security en privacy. Een data governance officers kan de coördinatie en sturing van de inrichting verzorgen. De DGO zal nauw samenwerken met architecten, security en privacy officers en indien aanwezig de CIO office. Activiteiten

• Werkt nauw samen met de data owners of vervult dit als een combirol

• Signaleert issues binnen de verschillende data management projecten en initiatieven en brengt betrokken bij elkaar en informeert hen

• Communiceert met de organisatie over data management projecten, roadmap en onderwerpen.
• Betrokken bij de data management projecten (roadmap) of backlog.

• Initieert en neemt deel aan verschillende gremia rond data bijvoorbeeld in de Data governance overleggen en de data goverance board.

Vaardigheden

• Kennis van de processen, wensen, behoeften, management en binnen één of meerdere domeinen op management niveau
• Kennis van data management kennisgebieden met name op het gebied van data governance en data kwaliteiten.
• Management vaardigheden en in staat tot delegeren van data activiteiten

• In staat tot samenwerken en communicatieve vaardigheden.

Meta data is omvangrijk en relatief complex. Echter meta data ter ondersteuning van de andere bedrijfsfuncties gebaseerd op data management is direct gerelateerd aan de kwaliteiten van deze data. Dat betekent dat er een kwaliteitsinventarisatie opgesteld dient te worden van de gewenste datakwaliteiten gebaseerd op het reeds gedefinieerde Voorbeeld datakwaliteitsmodel.

Data management is de ontwikkeling en uitvoering van architecturen, beleid, praktijken en procedures die de volledige gegevens levenscyclus behoeften van een onderneming naar behoren beheren." Deze brede definitie omvat beroepen die mogelijk geen direct technisch contact hebben met aspecten van gegevensbeheer op een lager niveau , zoals relationeel database beheer.

Data management is gericht op het optimaal beheren en gebruiken van data in de Voorbeeld organisatie. Het gaat daarbij om het verwerken, rubriceren, opslaan, beschikbaar stellen, beveiligen en onderhouden van alle gegevens die voorkomen in de IT systemen die u gebruikt.

Beschrijving van de specifieke data management doelen op basis van de organisatie brede doelen en organisatie strategie. Wordt uitgewerkt als een specialisatie van een doel in de organisatie strategie.

Dit is de meest generieke groep rond data management. Feitelijk is dit iedere betrrokkene binnen de organisatie die op enigerlei wijze betrokken is bij data. Wie is dit niet? In het betrokkenen model is dit daarmee de rootnode van het betrokkenen model

Data of informatie management principes stellen kaders aan verandering in de organisatie, veelal binnen projecten binnen de data roadmap. Uitgewerkt in het selecteren van bestaande standaarden zoals DMBoK, ArchiMate. De kaders worden uitgewerkt op basis van principes gebaseerd op de principes binnen de enterprise architectuur.

Kaders en richtlijnen zoals modelleer- en naamgevingsconventies, principes voor de verschillende data management processen die aangestuurd worden vanuit data governance.

Data management kent een volwassenheid. Deze volwassenheid is meetbaar met een data maturity scan en geeft een resultaat. Dit kan periodiek herhaald worden. Dit geeft focus aan de prioriteit in de data governance roadmap.

Data management kent een volwassenheid. Deze volwassenheid is meetbaar met een data maturity scan en geeft een resultaat. Dit kan periodiek herhaald worden.

Baseline aanwezig

Data modelleren is een kennisdomein binnen data management dat tot het data fundament behoort. Er worden meerdere data modelleerlagen uitgewerkt en toegelicht. Het heeft een nauwe relatie met data governance, data kwaliteit en architectuur.

Data Owners of data eigenaren ontwikkelen strategisch beleid rond data sets en nemen hieromtrent de beslissingen, veelal gebaseerd op een opsplitsing in domeinen. Data eigenaarschap is een specifiek onderdeel van een rol als lijn- of divisiemanager. Activiteiten

• Vertaalt data strategie en doelen naar organisatie brede doelen voor motivatie van de data kaders en richtlijnen.

• Verantwoordelijk voor bepalen van de data maturity assessments en aanpak.

• Neemt beslissingen over issues rond data op het vlak van data kennisgebieden (kwaliteit, datagebruik, security).

• Samenwerken met andere data stakeholders (management, architect, X analisten, steward, X officer ).

• Communiceert met de organisatie over data management onderwerpen.
• Bepaalt de data management projecten of backlog.

• Initieert en neemt deel aan verschillende gremia rond data bijvoorbeeld in de data governance- of architecture board.

Vaardigheden

• Kennis van de processen, wensen, behoeften, management en binnen één of meerdere domeinen op management niveau.
• Kennis van data management kennisgebieden met name op het gebied van data governance en data kwaliteiten.
• Management vaardigheden en in staat tot delegeren van data activiteiten.

• In staat tot samenwerken en communicatieve vaardigheden.

Data kennisgebied of data management proces uitgewerkt op basis van een ArchiMate Business Function vanwege de Voorbeeld viewpoints. Dit Data proces wordt gevoed door data entiteiten die aangeleverd worden door een leverancier

Stewards richten zich op tactisch en operationeel beleid en zijn gedelegeerd vanuit de Owners. Data steward is een specifiek onderdeel van een rol zoals een X beheerder of een key user. Activiteiten

• Stelt conventies, kaders en richtlijnen op voor stakeholders rond de data zowel binnen IT als bij de data gebruikers.

• Is betrokken bij het formuleren van de data doelen gebaseerd op de organisatie strategie en vertaalt die naar kaders.
• Signaleert en inventariseert data kwaliteits issues
• Beheert maatregelen voor data kwaliteiten en begeleidt activiteiten om de kwaliteiten te verbeteren
• Beheert de registraties van data governance zoals alle data eigenaarschap (RASCI), data domeinen en -objecten, kaders etc en kwaliteiten en maatregelen.
• Creëren en beheren van de metadata
• Betrokken bij bepalen van de data maturity assessments en aanpak
• Operationele data governance activiteiten
• Ondersteunen business en informatie analisten vanuit data perspectief
• Definieren van metrieken voor data kwaliteit
• Samenwerken met andere data stakeholders (architect, X analisten, owner, officer )
• Communiceert met de organisatie over data management onderwerpen

Vaardigheden

• Kennis van de processen, wensen, behoeften, informatie en data binnen de organisatie binnen één of meerdere domeinen
• Kennis van data management kennisgebieden met name op het gebied van data governance en data kwaliteiten.
• Bij voorkeur kennis van de data en waar deze in de diverse informatiesystemen zijn terug te vinden.
• In staat tot samenwerken en communicatieve vaardigheden.
• Analytische en gericht op vinden van oplossingen rond data (kwaliteit).

Definiëren van de doelen strategie voor de Voorbeeld organisatie. Activiteiten

• definiëren van de gewenste vaardigheden met name voor de data owners en -stewards.
• Definiëren van de relevante kennis gebieden voor de Voorbeeld organisatie.
• Opstellen van profielen voor data governance betrokkenen.
• Inrichten van de registratie voor de diverse deliverables zoals principes, kaders.
• Bepalen van de meta data.
• Iteratief bepalen data management maturity op basis van een scan.

Meta data dient begrip te introduceren over de verschillende data management kennisgebieden. Dit wordt gedaan door vanuit meta data eisen, definities, en conventies te verstrekken aan deze kennisgebieden. Dus voor bijvoorbeeld data modellering, - governance en -architectuur wordt het meta data model bepaald en dit wordt vervolgens uitgewerkt ter ondersteuning van deze data management kennisgebieden. Met name begrippen in het conceptuele data model zijn in deze daarom randvoorwaardelijk en feitelijk het organisatie specifieke raamwerk (begrippenboom/conceptueel model) op basis waarvan het metamodel de andere kennisgebieden uitwerkt.

Doelen die gerealiseerd door de introductie van dit specfifieke data management kennisdomein of bedrijfsfunctie

Is een specialisatie van een concept en beschrijft daarmee een aantal aspecten van een entiteit

• De reden en motivatie van de entiteit
• Kenmerken van de entiteit
• Sjabloon van de entiteit

Entiteiten zijn een specialisatie van een concept maar zijn zelf ook abstract waarvoor voor metadata kennisgebieden specialisaties zijn geintroduceerd. Er is een voorbeeld uitgewerkt voor meta data management entiteiten als specialisaties van dit element.

Evalueer de implementatie van de governance binnen data management binnen dit domein. Itereer desgewenst binnen dit domein voor een volgende volwassenheidsniveau of selecteer een nieuw domein.

Inrichten van de data management governance met rollen, profielen en activiteiten en verantwoordelijkheden van de data governance rollen. De belangrijkste rollen in deze zijn de data eigenaar en - steward. Activiteiten

• Inrichten van de registratie voor de diverse deliverables zoals principes, kaders.
• Bepalen van de meta data
• Opstellen en onderhouden van het bedrijfsobjecten model (business glossary)
• Iteratief uitvoeren data management maturity op basis van een scan.
• Implementeren van de data management roadmapT

Zorg dat data die geproduceerd of getransformeerd wordt, zeker bij handmatige verwerking van data in een validatie activiteit beoordeeld wordt. Dit biedt een punt in het proces waar issues gesignaleerd kunnen worden, maatregelen genomen kunnen worden of waar signalen zijn dat er in andere data management processen aandachtspunten zijn rond de data kwaliteit.

Zorgdragen voor generieke data entiteiten zodat deze overal in de organisatie eenduidig gebruikt worden. Hiervoor dienen in een aantal data management processen rond referentie data een aantal zaken geimplementeerd te worden

Voor de detail kennis gebieden van data management zullen en kaders en richtlijnen gesteld worden vanuit data governance. Denk hierbij aan principes, modelleer- en naamgeving conventies. In de andere kennis gebieden worden deze governance kaders uitgewerkt.

Kaders en richtlijnen zoals principes en beperkingen in algemene zin voor de organisatie, wetgevende instanties maar ook specifiek naar data management en governance.

Beschrijvingen van kaders die gesteld kunnen worden aan de verandering. Kaderstellen is veelal het werkveld van de data architect maar ook vanuit data governance worden er kaders gesteld. Het stellen van kaders is erop gericht om zorg te dragen voor dat de verandering bijdraagt aan de gewenste situatie rond data management en data gedreven werken.

Overzicht van de data entiteiten in de organisatie waar- en hoe deze gebruikt worden en in welke IT voorzieningen deze data opgeslagen en verwerkt wordt.

Applicatie-functionaliteit die Data Management en governance processen ondersteunt. Denk aan datakwaliteitsprocessen, data-eigendom en databeveiligingsbeleid etc.

Application functionality that support data management and governance processes. Think about data quality processes, data ownership and data security policies etc.

Registratie van de historie van de maturity scans en beschrijving van de progressie van de data management activiteiten in de tijd

Managen, registreren, ontwikkelen en beheren van metadata is de definitie. Eenvoudig gezegd is meta data data over de data, met andere woorden het toevoegen van context aan de data vanuit het perspectief van data management kennisgebieden. Hieruit blijkt dat meta data een zeer breed begrip is en alle kennisgebieden, bedrijfsprocessen en -functies raakt. Dat maakt dat we meta data dienen te classificeren. In deze uitwerking koppelen we daarom rechtstreeks aan de verschillende onderdelen van met Voorbeeld Data Management raamwerk en meta data definieren vanuit de verschillende raamwerken. Dus voor iedere uitwerking wordt meta data gedefinieerd en voor deze kennisgebieden wordt vanuit meta data management een modelleer- en naamgevingsconventie gedefinieerd.

Meta data is dat over data en voegt daarmee context toe voor de vanuit data management specifieke data. Dit ter ondersteuning van de andere kennisgebieden.

Modelleer conventies en naamgevingsconventies vanuit meta data betrekking hebbend op alle relevante data management kennisgebieden.

Binnen wikipedia wordt voor meta data de volgende definitie gegeven: Metadata zijn gegevens die de karakteristieken van bepaalde gegevens beschrijven. Het zijn dus eigenlijk data over data. Deze definitie is krachtig in haar eenvoud. Vaak wordt van meta data gezegd dat meta data context toevoegt aan data. Het is hierbij van belang welke context dat is. Zo kun je voorstellen dat de meta data van een boek een andere context geeft dan bijvoorbeeld een foto in JPEG formaat of een tabel in een relationele database. In dit whitepaper is de context van de meta data enterprise data management. Dat betekent dan ook dat we data gaan verzamelen over data entiteiten vanuit het perspectief van data management om context toe te voegen aan deze data entiteiten. Voor data management is een internationaal raamwerk aanwezig name het Data Management Body of Knowledge ontwikkeld door DaMa.org. In dit whitepaper geldt dit raamwerk als startpunt voor ons model. In de volgende paragraaf wordt het DMBoK kort toegelicht.

In deze viewpoints worden de verschillende notatiewijzen beschreven waarmee de data catalogus kan worden opgebouwd. Het is initieel gebaseerd op vier hoofdelementen maar kan eenvoudig worden uitgebreid. De elementen zijn:

• Data Management
• Conceptueel model
• Logisch model
• Fysiek model

Uitbreidingen waar je aan kunt denken zijn bijvoorbeeld Data Security, Privacy maar ook aan interfaces zoals webservices, webapi's NoSQL etc. Indien deze later binnen de community relevant blijken te zijn dan worden deze alsnog uitgewerkt

Aggregatie van de verschillende registers, administratie en metamodellen voor data management (kennisgebieden).

Binnen een data gedreven organisatie is de meta data de data die feitelijk de data in alle kennisgebieden beschrijft vanuit het perspectief van data management en het gebruik van data beschrijft, verklaart en inzichtelijk maakt. Dit betekent dat de meta data ontsloten en beschikbaar gemaakt dient te worden voor alle stakeholders binnen- en buiten de organisatie op een eenvoudige en eenduidige wijze.

Meta Metamodel is een model van het model van de metadata. Daarmee komen we op een ietwat abstract beeld van data vanuit het perspectief van meta data management. Echter wel een belangrijk beld en veelal een startpunt van het in kaart brengen welk zichtpunt op data is belabngrijk voor onze stakeholders binnen en buiten de eigen organisatie.

Het metamodel is uitgewerkt op basis van het DMBoK raamwerk. Echter dit raamwerk is in ontwikkeling. Dit houdt in dat een deel van het raamwerk wel uitgewerkt is en de anderen nog niet. Metadata is daarmee ondersteunend naar de overige data management kennisgebieden. Voor het werken met meta data geldt een whitepaper over de modelleerwijzen rond metadata.

In het samenvattende model is de metadata uitgewerkt op basis van een vereenvoudigd model. Dit geldt als een soort startpunt voor metadata uitwerking op basis van een aantal aanwezige modelleertalen relevant in het werkveld van data management

Operationele metadata afkomsting uit bedrijfsfuncties en -processen gerelateerd aan data management in het algemeen en metadata in het bijzonder

Visuele representatie van een RASCI matrix voor het relateren van data management rollen aan data domeinen en - entiteiten.

Selecteer een data domein waarbinnen je data management en governance naar een volgend volwassenheidsniveau wil brengen. Sluit bij het selecteren van de domeinen aan bij een indeling die reeds binnen de organisatie bekend is. Dat kunnen bedrijfsfuncties, -processen of informatie cq kennisdomeinen zijn.

Overheid's- sectorale- en domein standaarden. Inclusief modelleer, data management en architectuur standaarden.

Zijn betrokkenen geselecteerd voor de rol invulling zorg dat zij getraind worden in data management vanuit het perspectief van de rol invulling en de verwachting van de organisatie naar de betrokkenen.

Uitgebreid model is feitelijk de kapstok van meta data management en het in kaart brengen wat relevant is. De package structuur beschrijft de indeling van de verschilllende meta data modellen.

Door introductie van een single point of reference, truth en maintenance kunnen werkprocessen gebruik maken van generieke data waarvan de kwaliteitsniveaus voldoende hoog én bekend zijn

Werk de beschrijving en de kaders uit voor de verschillende data management kennisgebieden binnen het domein. Essentieel voor deze uitwerking zijn Data Kwaliteiten, Data Modelleren en Meta Data. Desgewenst kunnen andere kennisgebieden zoals Data Integratie, Master en Reference Data, Data Ware Housing en Data Operations.

Werkgroep werkt aan het opstellen van metadata profielen op basis van data management rollen

CRUD matrix is een datamodellering notatie waarmee de bewerkingen Create, Read, Update en Delete worden gecombineerd met Data entiteiten en gedragsentiteiten. De notatie wordt toegepast op alle drie de modelleerlagen, fysiek, conceptueel en logisch. Naast toepassingen in de datamodellering wordt de CRUD matrix gebruikt binnen data management, data security en data privacy. Hierbij gaat het meer om de autorisaties die gebruikers hebben op de verschillende data entiteiten.

RACI matrix is een datamodellering notatie waarmee de bewerkingen Responsible, Accountable, Consulted en Informed worden gecombineerd met Data entiteiten en gedragsentiteiten. De notatie wordt toegepast op met name de conceptuele datamodellering. Naast toepassingen in de datamodellering wordt de RACI matrix met name gebruikt binnen data management, data governance, data security en data privacy. Hierbij gaat het meer om de verantwoordelijkheden en betrokkenheid die rollen of stakeholders in de organisatie hebben op de verschillende data entiteiten.

Score matrix is een datamodellering notatie waarmee een score, bijvoorbeeld van 0 - 10 worden gecombineerd met Data entiteiten en eisen, requirements of kwaliteiten. De notatie wordt toegepast op met name de conceptuele datamodellering. Naast toepassingen in de datamodellering wordt de score matrix met name gebruikt binnen data management, data kwaliteiten, data security en data privacy. Hierbij gaat het veelal om twee perspectieven, bijvoorbeeld de huidige en de gewenste situatie.

Data management avondseminar

Meta Data Repository webvideo

Welkom bij Meta Data Management

Allle rollen die op enigerlei wijze betrokken zijn bij de data management kennisgebieden. Feitelijk is dit de gehele organisatie. Dit is uitgewerkt op basis van een hierarchisch model van betrokkenen ingedeeld op basis van de XX groepen.

Op basis van een SIPOC model wordt een globaal overzicht gegeven van de doelen, de definities en de data management processen in de organisatie In dit diagram zie je een detaillering van de activiteiten en de doelen van data modelleren in relatie tot meta data en data kwaliteit..

UItwerking van het meta data proces dat gevoed wordt door bepaalde data vanuit velerlei bronnen dit wordt vervolgens binnen de meta data functie getransformeerd naar een model vanuit de verschillende data management kennisgebieden. Deze data wordt geproduceerd door een (data) leverancier) en wordt vanuit het meta data proces verzonden naar de meta data consumeren informatiesystemenen ontsloten voor data consumenten (stakeholders) via een (web) gebruikersinterface.

Dit is een algemeen conceptueel metamodel en het startpunt van verschillende detailleringen voor metamodellen die ingezet worden binnen meta data. Er zijn detailleringen die als kapstok gelden voor de uitwerkingen die wij relevant achten voor de uitwerking van meta data management.

Op basis van een SIPOC model wordt een globaal overzicht gegeven van de doelen, de definities en de data management processen in de organisatie In dit diagram zie je een detaillering van de activiteiten en de doelen van data governance.

In de prioritering is aangegeven welke kennisgebieden binnen Voorbeeld als eerste uitgewerkt worden. De elementen met de hoogste prioriteit zijn benoemd als kaderstellend en een initiëleële inrichting. Meta data is in deze feitelijk de administratieve registratie van alle andere kennisgebieden en dient daarmee gelijk op te lopen met de andere prioritering uitwerkingen. Er is de mogelijkheid gedefinieerd om elementen als niet relevant te definiëren met (geen actie). Daar is nu nog niet in voorzien.

Op basis van een SIPOC model wordt een globaal overzicht gegeven van de doelen, de definities en de data management processen in de organisatie In dit diagram zie je een detaillering van de activiteiten en de doelen van data modelleren in relatie tot meta data en data kwaliteit..

UItwerking van het meta data proces dat gevoed wordt door bepaalde data vanuit velerlei bronnen dit wordt vervolgens binnen de meta data functie getransformeerd naar een model vanuit de verschillende data management kennisgebieden. Deze data wordt geproduceerd door een (data) leverancier) en wordt vanuit het meta data proces verzonden naar de meta data consumeren informatiesystemenen ontsloten voor data consumenten (stakeholders) via een (web) gebruikersinterface.

In dit overzicht wordt een hiërarchie gegeven van de betrokkenen bij master en referentie data. Master en referentie data is uiterst generiek van opzet en heeft daarmee een groot aantal betrokkenen. Dat maakt coördinatie van deze data management activiteit complex. Met name voor de data governance officer die zorg dient te dragen voor een breed gedragen Master en Referentie Data implementatie

Op basis van een SIPOC model wordt een globaal overzicht gegeven van de doelen, de definities en de data management processen in de organisatie In dit diagram zie je een detaillering van de activiteiten en de doelen van referentie- en master data in relatie tot meta data en data kwaliteit..

Dit diagram is een viewpoint voor het uitwerken van een conceptueel datamodel.Dit viewpoint geeft aan welke soorten objecttypen en connectortypen gebruikt kunnen worden binnen het opstellen van een conceptueel data model. Voor het conceptueel datamodel gelden een paar uitgangspunten:

• Conceptueel data model is voor meerdere stakeholders(ook niet-ICTers en dient eenvoudig van opzet te zijn.
• Conceptueel data model is uitgewerkt in ArchiMate (business layer).
• Voor het conceptueel data model wordt alleen het stereotype Business Object gebruikt.
• Het conceptuele model heeft een hierarchische structuur gebaseerd op domeinen.
• Voor een domein kunnen als dit de complexiteit verlaagd meerdere diagrammen gemaakt worden.
• Het conceptuele model wordt gerelateerd aan het logische data model. Zie hiervoor het hybride meta datamodel.
• Hetconceptuele model kan gerelateerd worden aan bijvoorbeeld de andere data management business functies binnen Voorbeeld.

Dit is een meta model voor de data governance entiteiten gebaseerd op een Voorbeeld specifiek ArchiMate data governance viewpoint. Inclusief elementen en de onderliggende relaties tussen de verschillende elementen. Let op vanuit metadata wordt dit model uitgebreid met uitgewerkte (meta) modellen voor de andere data management kennisgebieden.

Op basis van een SIPOC model wordt een globaal overzicht gegeven van de doelen, de definities en de data management processen in de organisatie In dit diagram zie je een detaillering van de activiteiten en de doelen van meta data.

Voor meta data management kan een raamwerk uitgewerkt worden. Met dit raamwerk wordt een registratie gedefinieerd voor de verschillende data management kennisgebieden. Dit raamwerk bestaat veelal uit een groeimodel en is specifiek voor iedere organisatie. Enerzijds vanwege de structuur van de organisatie en anderzijds door de volwassenheid van de organisatie op het vlak van data management. In onderstaande afbeelding zie je een drie bij drie matrix waarin een beperkt aantal kennisgebieden zijn gedefinieerd. Deze matrix zal als indeling gelden voor de rest van dit whitepaper. In de afbeelding worden drie categorieën voor kennisdomeinen genoemd namelijk beschrijvend, kaderstellend en omgeving. De onderwerpen binnen deze domeinen kunnen beschouwd worden als een startpunt voor het uitwerken van meta data management vanuit het perspectief van data management. Dit gaan we doen door voor ieder onderwerp een aantal modelleerwijzen te introduceren waarmee de stakeholders zich op eenvoudige wijze een adequaat beeld kunnen vormen van de situatie van dit meta data onderwerp. In de afbeelding zijn naast de negen kennisdomeinen een viertal pijlen opgenomen. Deze pijlen geven aan dat de kennisdomeinen met elkaar verbonden dienen te zijn. Hierbij neemt het beschrijvende model een centrale plaats in, meer specifiek het conceptueel model. De entiteiten in dit model fungeren feitelijk als centraal koppelpunt voor alle andere aspectgebieden. In de volgende hoofdstukken zullen we van ieder onderwerp een beschrijving geven van een registratie. Echter deze registratie doen we op basis van een aantal gestandaardiseerde modelleertechnieken zoals ArchiMate, UML Klasse diagrammen en ER Diagrammen. Ook hierbij is het uitgangspunt van een startpunt gebruikt. Bij een verdere uitwerking van het meta data model is het desgewenst eenvoudig mogelijk om extra modelleertechnieken toe te voegen.

UItwerking van het meta data proces dat gevoed wordt door bepaalde data vanuit velerlei bronnen dit wordt vervolgens binnen de meta data functie getrasnformeerd naar een model vanuit de verschillende data management kennisgebiedent. Deze data wordt geproduceerd door een (data) leverancier) en wordt vanuit het meta data proces verzonden naar de meta data consumeren informatiesystemenen ontsloten voor data consumenten (stakeholders) via een (web) gebruikersinterface.

Data governance is het centrale proces in data management. Vanuit data governance worden alle andere kennisgebieden en werkprocessen aangestuurd met behulp van doelen en procedures en richtlijnen.

Baseline aanwezig

Data modelleren is een kennisdomein binnen data management dat tot het data fundament behoort. Er worden meerdere data modelleerlagen uitgewerkt en toegelicht. Het heeft een nauwe relatie met data governance, data kwaliteit en architectuur.

Beschrijvingen van kaders die gesteld kunnen worden aan de verandering. Kaderstellen is veelal het werkveld van de data architect maar ook vanuit data governance worden er kaders gesteld. Het stellen van kaders is erop gericht om zorg te dragen voor dat de verandering bijdraagt aan de gewenste situatie rond data management en data gedreven werken.

Meta data is dat over data en voegt daarmee context toe voor de vanuit data management specifieke data. Dit ter ondersteuning van de andere kennisgebieden.

Binnen wikipedia wordt voor meta data de volgende definitie gegeven: Metadata zijn gegevens die de karakteristieken van bepaalde gegevens beschrijven. Het zijn dus eigenlijk data over data. Deze definitie is krachtig in haar eenvoud. Vaak wordt van meta data gezegd dat meta data context toevoegt aan data. Het is hierbij van belang welke context dat is. Zo kun je voorstellen dat de meta data van een boek een andere context geeft dan bijvoorbeeld een foto in JPEG formaat of een tabel in een relationele database. In dit whitepaper is de context van de meta data enterprise data management. Dat betekent dan ook dat we data gaan verzamelen over data entiteiten vanuit het perspectief van data management om context toe te voegen aan deze data entiteiten. Voor data management is een internationaal raamwerk aanwezig name het Data Management Body of Knowledge ontwikkeld door DaMa.org. In dit whitepaper geldt dit raamwerk als startpunt voor ons model. In de volgende paragraaf wordt het DMBoK kort toegelicht.

In deze viewpoints worden de verschillende notatiewijzen beschreven waarmee de data catalogus kan worden opgebouwd. Het is initieel gebaseerd op vier hoofdelementen maar kan eenvoudig worden uitgebreid. De elementen zijn:

• Data Management
• Conceptueel model
• Logisch model
• Fysiek model

Uitbreidingen waar je aan kunt denken zijn bijvoorbeeld Data Security, Privacy maar ook aan interfaces zoals webservices, webapi's NoSQL etc. Indien deze later binnen de community relevant blijken te zijn dan worden deze alsnog uitgewerkt

Meta Metamodel is een model van het model van de metadata. Daarmee komen we op een ietwat abstract beeld van data vanuit het perspectief van meta data management. Echter wel een belangrijk beld en veelal een startpunt van het in kaart brengen welk zichtpunt op data is belabngrijk voor onze stakeholders binnen en buiten de eigen organisatie.

Het metamodel is uitgewerkt op basis van het DMBoK raamwerk. Echter dit raamwerk is in ontwikkeling. Dit houdt in dat een deel van het raamwerk wel uitgewerkt is en de anderen nog niet. Metadata is daarmee ondersteunend naar de overige data management kennisgebieden. Voor het werken met meta data geldt een whitepaper over de modelleerwijzen rond metadata.

In het samenvattende model is de metadata uitgewerkt op basis van een vereenvoudigd model. Dit geldt als een soort startpunt voor metadata uitwerking op basis van een aantal aanwezige modelleertalen relevant in het werkveld van data management

Uitgebreid model is feitelijk de kapstok van meta data management en het in kaart brengen wat relevant is. De package structuur beschrijft de indeling van de verschilllende meta data modellen.