Package with the description of generic architectural building blocks and solution building blocks.

Hieronder worden een aantal voorbeelden uitgewerkt specifiek voor de Voorbeeld context om voorbeelden te geven hoe je het CDM op basis van een aantal bouwblokken of patronen omzet naar een LDM.

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.

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.

Baseline aanwezig

In het beschrijvend model worden een aantal data modellen uitgewerkt van abstract (conceptueel model) naar technisch platform specifiek (fysiek model). Dit model is feitelijk het centrale model voor meta data waaraan de andere domeinen gekoppeld zijn.

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.

Extra maatregelen vanuit een bepaalde technische scope zoals databases software user interfaces etc

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.

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.

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.

Metadata kan beschouwd worden als een bijzondere vorm van masterdata. Het heeft een aantal bijzondere kenmerken maar heeft zeker een kenmerk dat het ook masterdata maakt namelijk dat het generiek is geschikt dient te zijn voor een grote groep van stakeholders binnen en buiten de eigen organisatie. In dit hoofdstuk worden een aantal voorbeelden gegeven van hoe metadata en masterdata ingericht is op basis van het DMBoK model. Echter de diagrammen zijn een vereenvoudiging specifiek een organisatie waar deze (ArchiMate) diagrammen voor zijn opgesteld. Echter in de diagrammen hier een aantal organisatie specifieke zaken zijn in dit hoofdstuk verwijderd.

In het logische applicatie model beschrijven we alleen welke logische applicatiefuncties nodig zijn binnen de oplossing zonder te kijken naar de beschikbare componenten en informatiesystemen. Dit helpt bij het maken van een technisch onafhankelijk applicatie model dat later kan worden gebruikt om verschillende oplossingsscenario's en componentstapels te modelleren. Deze stapels worden geanalyseerd en met elkaar vergeleken op basis van de functionele en niet functionele eisen.

Dit is een pakket met vier logische scenario's voor de implementatie van metadata op basis van Master Data applicatiepatronen. Deze logische modellen hebben geen relatie met enige fysieke implementatie. Deze scenario's kunnen helpen in de volgende situaties:

• Functionele vereisten toewijzen aan scenario's
• Het in kaart brengen van niet-functionele eisen en kwaliteiten aan scenario's
• Complexiteitsanalyse van scenario's
• Mogelijke oplossingen en componenten toewijzen aan scenario's

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.

Sommige delen van het datamodellen kenmerken zich dat zij een aantal gemeenschappelijke kenmerken hebben die in die situatie gestandaardiseerd uitgemodelleerd kunnen worden. Voordeel van deze werkwijze is dat datamodelleren eenvoudiger, eenduidiger en makkelijker te onderhouden worden. Daarnaast kun je delen van de modellen geautomatiseerd genereren vanuit deze uitgewerkte patronen. In dit package zijn een aantal patronen uitgewerkt zijn op basis van de discussies die zijn ontstaan bij het uitwerken van de het CDM. Hiervoor zijn de modellen uit het data model resourcebook als uitgangspunt genomen.

Dit is een pakket met vier logische scenario's voor de implementatie van een Master Data-oplossing. Deze logische modellen hebben geen relatie met enige fysieke implementatie. Daarom is de lange lijst met alternatieven relevanter. Deze scenario's kunnen helpen in de volgende situaties:

• Functionele vereisten toewijzen aan scenario's
• Het in kaart brengen van niet-functionele eisen en kwaliteiten aan scenario's
• Complexiteitsanalyse van scenario's
• Mogelijke oplossingen en componenten toewijzen aan scenario's

Verschillende conceptuele data modellen met een hiërarchie van conceptuele data entiteiten voor referentie en master data

Logische datamodellen met een uitwerking voor verschillende referentie data logische structuren met data entititeiten, attributen en assoociaties.

In het logische applicatie model beschrijven we alleen welke logische applicatiefuncties nodig zijn binnen de oplossing zonder te kijken naar de beschikbare componenten en informatiesystemen. Dit helpt bij het maken van een technisch onafhankelijk applicatie model dat later kan worden gebruikt om verschillende oplossingsscenario's en componentstapels te modelleren. Deze stapels worden geanalyseerd en met elkaar vergeleken op basis van de functionele en niet functionele eisen.

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

Zicht op metadata om in beeld te brengen hoe de omgeving de data ziet en gebruikt in processen, applicaties en strategie.

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

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.

In het Voorbeeld datamodel is een drielaags datamodel uitgewerkt voor de context van Voorbeeld. Hiervoor hebben verschillende documenten als bron gediend. Bijvoorbeeld de documentatie van Optimeyes en TimeXtender voor het DWH. Op basis hiervan is er een eerste versie uitgewerkt waarin binnen het conceptueel datamodel rijp en groen door elkaar gebruikt is. In een aantal iteratieve stappen gaan we deze modellen binnen een bepaald domein (Product Informatie) in detail uitwerken over de verschillende datamodelleerlagen.