Drie principes voor succesvol agile data management

Voor steeds meer bedrijven wordt duidelijk hoe belangrijk data is. Data en met name datakwaliteit ligt ten grondslag aan verschillende marketing-, sales- en serviceprocessen en is cruciaal om als organisatie te sturen op resultaten. Het onderhouden van data kan in de praktijk echter complex en kostbaar zijn. Experts van First Consulting vertellen hoe bedrijven hun data management op een agile manier kunnen inrichten. 

Mede door overnames en gefragmenteerde systeemlandschappen gaat effectief databeheer niet vanzelf; zonder data management ontstaan meerdere bronnen en werkelijkheden die een waardevol gebruik van data in de weg staan. Daarnaast geldt dat de transitie naar een meer wendbare, agile werkwijze nieuwe uitdagingen voor datamanagement met zich meebrengt, zoals:

• De verhoogde autonomie van de teams zorgt voor een grotere behoefte aan data en inzichten;
• De timing wordt kritischer: omdat teams kort-cyclischer werken is on-demand inzicht nodig;
• De kwaliteit van de data moet hoger zijn en de definities duidelijker, om te zorgen dat het grotere aantal mensen met toegang tot data deze correct interpreteert;
• Ten slotte is er behoefte aan modulaire, veilige en laagdrempelige toegang tot de data om innovatie en experimenteren vanuit de teams te stimuleren.

Dit roept specifieke vraagstukken op. Hoe kun je zorgen dat zowel het datafundament wordt ontwikkeld voor de lange termijn, als dat voldoende waarde wordt geleverd aan de business op korte termijn? Hoe voorkom je lokale verbeteringen, beperkt tot een enkel proces of een enkele silo? Hoe pak je datakwaliteit aan als data eenmalig wordt ingevoerd en daarna een keten doorloopt van meerdere systemen en afdelingen? En hoe zorg je dat alle teams vaardigheden opbouwen in het gebruiken en interpreteren van data?

Agile datamanagement

Afhankelijk van de context en ambitie van de organisatie vraagt beantwoording van deze vragen om een aanpak op maat. We zien echter drie algemene principes die in onze ervaring cruciaal zijn voor het succesvol organiseren van agile data management:

1. Leg eigenaarschap van data vast in heldere datadomeinen
Een bekende klacht bij problemen met data is dat niemand zich verantwoordelijk voelt voor het structureel oplossen hiervan. Op meerdere plekken in de organisatie wordt het probleem gevoeld en ad-hoc opgelost, met net voldoende kunstgrepen om het voor dat onderdeel van de organisatie te laten werken. Hiermee wordt echter de grondoorzaak niet duurzaam aangepakt. 

Inrichting van data-eigenaarschap is daarom cruciaal. Zorg voor heldere rollen als het gaat om wie welk mandaat en welke verantwoordelijkheid heeft om dataproblemen op te lossen en zorg te dragen voor een toekomstbestendig model. Het is van belang heldere datadomeinen te definiëren, zodat er een gezamenlijke structuur en taal ontstaat waarmee naar de verschillende databronnen gekeken wordt. 

Datadomeinen:
Datadomeinen geven een uniforme beschrijving van de verschillende soorten data, die wordt gebruik door alle teams die met deze databronnen werken. Een manier om je domeinen te kiezen is via data-objecten: bepaal de belangrijkste objecten die ten grondslag liggen aan je hoofdprocessen en groepeer deze in domeinen. Denk bijvoorbeeld aan Klant, of Lening. We raden aan tussen de vier en tien van zulke domeinen te definiëren. Een groot voordeel is dat deze domeindefinitie zich ook gelijk uitstrekt naar nieuwe systemen en migraties en zich niet beperkt tot je huidige IT-systemen. 

Voor elk van de datadomeinen herkennen we drie primaire rollen als het gaat om data-eigenaarschap, namelijk data-eigenaar, data-architect en data-steward. 

De data-eigenaar is verantwoordelijk voor een domein, heeft het mandaat om prioriteiten te stellen met betrekking tot capaciteit en budget, en vertegenwoordigt het belang van het datadomein binnen de organisatie. De data-architect is de inhoudelijke ontwerper van het domein. Hij of zij ontwikkelt een toekomstvisie in lijn met de bijbehorende processen en systemen.

De data-steward geeft op operationeel niveau uitvoering aan de datastrategie (vanuit de eigenaar) en -architectuur (vanuit de architect). Hij signaleert waar de gaten zitten tussen de huidige en gewenste situatie, definieert de actieplannen en zorgt voor opvolging.

2. Richt dedicated maar brede datateams in voor executie
We onderscheiden grofweg twee soorten acties die voortkomen uit de analyses van de data-steward; acties om op de lange termijn het datafundament te verbeteren (denk aan implementeren van uniforme definities) en op korte termijn vragen uit de business om te voldoen aan een bepaalde behoefte (“ik heb inzicht nodig in…”.), leidend tot bijvoorbeeld data die ontsloten moet worden voor rapportages, geschoond worden voor een campagne, of geanalyseerd worden voor een migratie. Onze ervaring is dat met name voor vraagstukken die gericht zijn op het datafundament, verschillende afdelingen nodig zijn om tot een grondig(e) analyse, ontwerp en oplossing te komen. 

Het gevolg is dat dit vaak langdurige trajecten zijn, omdat teams verschillende prioriteiten stellen en de mate van coördinatie tussen de teams te wensen overlaat. Veel wordt “over de schutting” gegooid. Ons advies is om datakwaliteitsproblemen end-to-end op te pakken vanuit één virtueel of agile team, bestaande uit de verschillende business- én IT-competenties. Denk hierbij aan een team bestaande uit een Data Analist, een Business Analyst, een IT Designer, een Reporting Specialist, een Proces Engineer en een Implementatie Specialist.

Met die samenstelling kun je binnenkomende problemen en verzoeken goed analyseren, prioriteren en kan de oplossing zo veel mogelijk binnen het team worden opgeleverd en gemonitord. 

3. Neem data mee in portfoliomanagement
Een andere uitdaging die we zien is dat vaak meerdere businessinitiatieven afhankelijk zijn van dezelfde datadomeinen en -objecten. Als deze verbeteringen los worden geprioriteerd is de impact onvoldoende om bovenaan de lijst te eindigen. Als je hier echter holistisch, over de verschillende initiatieven heen naar zou kijken, is de businesscase wel interessant. 

Om de verschillende data-initiatieven juist te kunnen prioriteren is het belangrijk niet in geïsoleerde dataprojecten te werken en deze apart te prioriteren, maar het portfoliomanagementproces zo in te richten dat data-initiatieven integraal worden mee geprioriteerd en gepland op basis van de gestelde businessprioriteiten.

Voorbeeld:
Zo zou een data-werkpakket kunnen zijn: zorgen dat elke klant exact één actief contactadres heeft. Hieronder vallen dan activiteiten als het automatisch valideren van adressen via een postcoderegister, het actief monitoren van de volledigheid en juistheid van de adressen, accountmanagers hun klanten laten controleren en corrigeren, of een extra validatie inbouwen bij de invoer van een nieuwe klant. Deze activiteiten zijn dan bijvoorbeeld ondersteunend aan een migratie naar het nieuwe systeem en de lancering van een nieuw product, werkpakketten waar concrete businesscases aan hangen. 

Snel starten, klein beginnen

Ongeacht de volwassenheid van datamanagement in de organisatie geven bovenstaande principes een eerste kader om de volgende stap te zetten naar betere datakwaliteit en betere data-uitnutting. Op basis van onze ervaringen heeft First Consulting een volwassenheidsscan ontwikkeld die in meer detail ingaat op de onderliggende elementen en die kan helpen om eerste pragmatische stappen te zetten naar effectief agile datamanagement.