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.

Door de betrokkenen bij data kwaliteiten (data governance groep) worden één of meer issues gekoppeld aan de data kwaliteiten in het raamwerk. In het raamwerk zijn een aantal maatregelen gekoppeld aan deze data kwaliteiten

Verkrijgen, implementeren en onderhouden van meta data is een arbeidsintensief proces. Echter de gewenste kwaliteitsniveau van het metamodel voor een bepaald kennisgebied dient daartoe bekend te zijn. Daarom dient er een data kwaliteitsproces doorlopen te worden om te bepalen wat het kwaliteitsniveau is en met welke maatregelen die kwaliteitsniveaus gerealiseerd en onderhouden worden.

Zorg dat de verschillende betrokkenen in de organisatie zich bewustzijn van maatregelen die de kwaliteit verhogen van de data. Zoerg daarbij dat met zich bewust is van het eigen handelen van de data kwaliteit en het effect wat dat kan hebben op maatregelen

Conceptueel data model omvat de data entiteiten inclusief de bijbehorende definities (inclusief de bovenliggende domeinen) op basis waarvan de data kwaliteiten gerelateerd worden aan deze data elementen.

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.

Activiteiten voor kwaliteitsmanagement van data assets zodat het geschikt is voor gebruik en voldoet aan de wensen van de data consumenten (binnen en buiten de eigen organisatie).

Het kennisgebied data kwaliteit gaat in op welke wijze een organisatie kan zorgdragen voor data met voldoende kwaliteit afhankelijk van de context. Dit heeft daarmee raakvlakken met onder andere data modelleren, - governance en - architectuur.

Activiteiten voor kwaliteitsmanagement van data assets zodat het geschikt is voor gebruik en voldoet aan de wensen van de data consumenten.

Datakwaliteit conform het raamwerk van DMBoK

Een data kwaliteits issue is een probleem rond een van de datakwaliteiten die een probleem vormen in de bedrijfsvoering en de bedrijfs informatievoorziening. Rond een of meerdere issues rond data kwaliteit wordt een oplossing gezocht. Veelal worden conform de ITIL werkwijze kwaliteits issues gecombineerd tot een problem waartoe een release gerealiseerd wordt die een oplossing introduceert. Dat kan zowel technisch als procesmatig van aard zijn.

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 kwaliteit kent een volwassenheid. Deze volwassenheid is meetbaar met een data kwaliteitsscan of assessment en geeft een resultaat. Dit kan periodiek herhaald worden. Dit geeft focus aan de prioriteit in de data kwaliteits issues die bestaan en welke maatregelen in een prioriteitsvolgorde uitgevoerd (gaan) worden.

Kaders en richtlijnen zoals modelleer- en naamgevingsconventies, principes voor de verschillende data kaders en maatregelen welke zorgdragen met data met een kwaliteitsniveau van een voldoende hoog kwaliteitsniveau.

Implementatie van kwaliteitsmaatregelen rond een prioritering van de data kwaliteits issues. Veelal worden issues gecombineerd tot een clustering van een aantal maatregelen om tot een oplossing van deze issues te komen. Hierbij wordt een groep van maatregelen gecombineerd een release van maatregelen die geimplementeerd worden om het kwaliteitsniveau naar het wenselijke niveau te brengen.

Een maatregel is een activiteit zowel technisch van aard, bedrijfsproces of werkinstructie die zorg draagt voor het oplossen van een data kwaliteits issue gerelateerd aan het kwaliteitsraamwerk.

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.

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).

Voor de data kwaliteiten voor data domeinen of - entiteiten kan een huidig en gewenst kwaliteitsniveau bepaald worden. Bijvoorbeeld door het geven van een rapportcijfer van de huidige en gewenste situatie

Zorg voor duidelijke werkinstructies vanuit het perspectief van data kwaliteit. Veelal wordt in werkinstructies een introductie gedaan van workarounds die een negatief effect kunnen hebben op de kwaliteit van de data

Op basis van data kwaliteits issues gerelateerd aan het data kwaliteiten raamwerk kan een priotering opgesteld worden voor het verbeteren van de datakwaliteit op basis van een aantal maatregelen. Veelal wordt dit gecombineerd in een kwaliteitsrelease

Vanuit data governance perspectief dient meta data governance uitgewerkt. Hierbij kan enerzijds het generieke data governance en het data kwaliteit werkproces geimplementeerd worden. Echter dan specifiek voor de meta data.

Data kwaliteiten, bewustwording en verandering van gedrag kan met serious gaming inzichtelijk worden gemaakt. Denk aan interactieve workshops waarin met behulp van een competitief element de kwaliteit van data onder de aandacht wordt gebracht

Bewustwording van kwaliteiten vergt training want het is gericht op bewustwording en gedragsverandering bij de verschillende stakeholders. Dit kan gedaan worden mat klassikale, peer to peer en ook e-learnings getraind worden

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

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.

Over de data aanwezig binnen de organisatie is veel kennis aanwezig over de data, de data kwaliteiten en hoe data gebruikt wordt in de organisatie. Dit maakt de combinatie van data en de organisatie uniek. Leg regels en kenmerken daarom vast.

Aggreratie van maatregelen die de data kwaliteiten verhogen binnen de categorie werkprocessen

Master Data is data met een generiek karakter. Daarmee is deze data relevant voor grote verschillende groepen stakeholders. Dat brengt daarmee, met name op het vlak van de verschillende data kwaliteiten, bijzondere requirements met zich mee. Denk voor master bijvoorbeeld aan klant of product.

Master en Referentie Data zijn de werkprocessen gericht op het realiseren van generieke data entiteiten relevant voor een grote groep van stakeholders. Dit stelt bijzondere eisen aan de inrichting vanuit het perspectief van data kwaliteit. Daarmee ontstaat er een nauwe relatie tussen deze kennisdomeinen.

Doe een nulmeting voor de datakwaliteiten binnen een domein in de organisatie. Bijvoorbeeld door het bepalen van de huidige en gewenste data kwaliteitsniveaus voor een bepaald domein of entiteit. Desgewenst kan dit gedaan worden op basis van een vragenlijst of op basis van een interactieve workshop waarin meerdere betrokkenen deelnemen

Rond het introduceren van data kwaliteiten van voldoende niveau is een eenvoudig werkproces uitgewerkt.

Bepaal wat een strategie is om de data kwaliteiten te verhogen. Dit houdt in dat er een raamwerk wordt opgezet van kwaliteiten en maatregelen. Veelal zullen hierbij ook een aantal kaders gesteld worden bijvoorbeeld als data (kwaliteit) principes.

Opstellen van beleid voor data kwaliteit in de organisatie en dit beleid vervolgens vertalen in kaders en hulpmiddelen om de kwaliteit te bereiken en te handhaven.

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.

Data governance is essentieel voor data kwaliteiten. Zorg dan ook dat de data governance processen ingericht zijn om sturing en uitvoering te kunnen geven aan processen die de data kwaliteiten kunnen verhogen op basis van maatregelen.

Rond data kwaliteiten kunnen kaders en richtlijnen opgesteld worden op welke wijze data van een bepaald kwaliteitsniveau bereikt en gehandhaafd kan worden. Deze kaders zijn veelal uitgewerkt op basis van de data principes voor de kwaliteit van de data.

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.

Referentie en masterdata is zeer generiek en wordt in alle onderdelen van de organisatie gebruikt. Hierom is een voldoende hoge kwaliteit van deze data essentieel. Inrichting van data kwaliteit zal daarom gebaseed zijn op een combinatie van technische en bedrijfsmatige kwaliteitsverhogende maatregelen.

Dama biedt een aantal mooie onderdelen doe goed ingezet kunnen worden voor de uitwerking van architectuur. Dit document geeft een voorbeeld. Dit document geeft een uitwerking van een workshop om data kwaliteiten met een groep stakeholders te inventariseren

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.

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..

Eenvoudig stappenplan hoe data kwaliteitsissues in een gestructureerde opzet opgelost kunnen worden met behulp van maatregelen en releases.

Overzicht van de data kwaliteiten en daarbij een aantal maatregelen die genomen kunnen worden om een Data kwaliteit met behulp van deze maatregelen (binnen een release) op een hoger niveau te krijgen.

Overzicht van de data kwaliteiten en daarbij een aantal maatregelen die genomen kunnen worden om een Data kwaliteit met behulp van deze maatregelen (binnen een release) op een hoger niveau te krijgen.

Overzicht van de data kwaliteiten en daarbij een aantal maatregelen die genomen kunnen worden om een Data kwaliteit met behulp van deze maatregelen (binnen een release) op een hoger niveau te krijgen.

Overzicht van de data kwaliteiten en daarbij een aantal maatregelen die genomen kunnen worden om een Data kwaliteit met behulp van deze maatregelen (binnen een release) op een hoger niveau te krijgen.

Overzicht van de data kwaliteiten en daarbij een aantal maatregelen die genomen kunnen worden om een Data kwaliteit met behulp van deze maatregelen (binnen een release) op een hoger niveau te krijgen.

Overzicht van de data kwaliteiten en daarbij een aantal maatregelen die genomen kunnen worden om een Data kwaliteit met behulp van deze maatregelen (binnen een release) op een hoger niveau te krijgen.

Overzicht van de data kwaliteiten en daarbij een aantal maatregelen die genomen kunnen worden om een Data kwaliteit met behulp van deze maatregelen (binnen een release) op een hoger niveau te krijgen.

Overzicht van de data kwaliteiten en daarbij een aantal maatregelen die genomen kunnen worden om een Data kwaliteit met behulp van deze maatregelen (binnen een release) op een hoger niveau te krijgen.

Overzicht van de data kwaliteiten en daarbij een aantal maatregelen die genomen kunnen worden om een Data kwaliteit met behulp van deze maatregelen (binnen een release) op een hoger niveau te krijgen.

Overzicht van de data kwaliteiten en daarbij een aantal maatregelen die genomen kunnen worden om een Data kwaliteit met behulp van deze maatregelen (binnen een release) op een hoger niveau te krijgen.

Overzicht van de data kwaliteiten en daarbij een aantal maatregelen die genomen kunnen worden om een Data kwaliteit met behulp van deze maatregelen (binnen een release) op een hoger niveau te krijgen.

Voorbeeld van op werkwijze met behulp van een score matrix geregistreerd kan worden wat het kwaliteitsniveau in de huidige en gewenste situatie is. In dit voorbeeld is een score 0 tot 9.

In deze SIPOC zie je de verbanden rond het bedrijfsproces voor data kwaliteiten in de organisatie.

Overzicht van de definities en de doelen van data kwaliteit. Daarnaast een uitwerking van het model van de data kwaliteiten op basis van technische implementaties, werkproces en werkinstructies voor de betrokkenen binnen de ondersteunende informatiesystemen en processen.

Eenvoudig stappenplan hoe data kwaliteitsissues in een gestructureerde opzet opgelost kunnen worden met behulp van maatregelen en releases.

Overzicht van soorten data kwaliteiten met een toelichting.

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..

In deze SIPOC zie je de verbanden rond het bedrijfsproces voor data kwaliteiten in de organisatie.

Overzicht van de definities en de doelen van data kwaliteit. Daarnaast een uitwerking van het model van de data kwaliteiten op basis van technische implementaties, werkproces en werkinstructies voor de betrokkenen binnen de ondersteunende informatiesystemen en processen.

Overzicht van de definities en de doelen van data kwaliteit. Daarnaast een uitwerking van het model van de data kwaliteiten op basis van technische implementaties, werkproces en werkinstructies voor de betrokkenen binnen de ondersteunende informatiesystemen en processen.

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..

Overzicht van de definities en de doelen van data kwaliteit. Daarnaast een uitwerking van het model van de data kwaliteiten op basis van technische implementaties, werkproces en werkinstructies voor de betrokkenen binnen de ondersteunende informatiesystemen en processen.

Overzicht van de definities en de doelen van data kwaliteit. Daarnaast een uitwerking van het model van de data kwaliteiten op basis van technische implementaties, werkproces en werkinstructies voor de betrokkenen binnen de ondersteunende informatiesystemen en processen.

Eenvoudig stappenplan hoe data kwaliteitsissues in een gestructureerde opzet opgelost kunnen worden met behulp van maatregelen en releases.

Het kennisgebied data kwaliteit gaat in op welke wijze een organisatie kan zorgdragen voor data met voldoende kwaliteit afhankelijk van de context. Dit heeft daarmee raakvlakken met onder andere data modelleren, - governance en - architectuur.

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.

Master en Referentie Data zijn de werkprocessen gericht op het realiseren van generieke data entiteiten relevant voor een grote groep van stakeholders. Dit stelt bijzondere eisen aan de inrichting vanuit het perspectief van data kwaliteit. Daarmee ontstaat er een nauwe relatie tussen deze kennisdomeinen.