Berichten in de categorie: Artikel

“Datagedreven? Begin met databewustzijn.”

Hoe creëer je echte databewustheid binnen een grote organisatie? In deze negende aflevering van de podcast deelt Frans Klaassen MBA / CDMP zijn unieke aanpak, inzichten en lessen die hij opdeed bij het wereldwijd vergroten van data literacy en het implementeren van duurzame data governance in een corporate omgeving.

Wat is databewustzijn?

Volgens Frans begint databewustzijn niet met technologie, maar met mensen. Of zoals hij het zegt: “Het begint bij uitleggen wat de impact is van jouw handelingen op de rest van de dataketen.”

Een simpele anekdote illustreert dit perfect: op een raffinaderij werd opvallend veel toiletpapier gebruikt. De oorzaak? Operators klikten snel door invoerschermen zonder te weten dat hun acties verderop in het proces als afwijkingen werden geregistreerd. Door dit uit te leggen ontstond bewustzijn. Kleine inzichten, grote impact.

Hoe creëer je databewustzijn?

Frans introduceerde een breed gedragen programma met:

• Peer-to-peer learning & Data Analytics Networks

• Bereik: 9.000 medewerkers in 44 landen in 6 maanden

• Praktische voorbeelden, playbooks en video’s

• Champions die als ambassadeurs functioneren

“Data moet je leuk maken en begrijpelijk. Dan krijg je de hele organisatie mee.”

Door niet top-down te sturen, maar juist breed draagvlak te creëren, ontstond er een community-gedreven cultuur. Initiatieven werden gevoed vanuit intrinsieke motivatie en ondersteund met centrale middelen.

Tools & aanpak

• Automatisch rapporteren op de bron (source): versnelt processen en voorkomt manipulatie.

• Datakwaliteitshandboek: levend document vol praktijkvoorbeelden.

• Data Governance als enabler, niet als compliance verplichting.

• Dynamic KPI Reporting: focus op 10 KPI’s tegelijk, vervangen als ze 3 maanden groen blijven.

“Zorg dat data governance niet voelt als verplichting, maar als noodzaak om goed werk te doen.”

👥 Governance & weerstanden overwinnen

Frans benoemt de bekende uitdaging: weerstand bij de tussenlaag van management. Zijn oplossing:

• Tijd nemen voor 1-op-1 gesprekken

• Koffiedrinken in plaats van powerpoint

• Luisteren, uitleggen, en verbinden met de praktijk

“Je hoeft niet meteen iedereen mee te hebben. Begin met een paar die echt geloven.”

💡 Tips voor organisaties die willen starten:

1. Begin klein – test met een pilotgroep

2. Veranker bewustzijn in de cultuur – herhaal, toon waarde

3. Investeer zichtbaar in mensen – trainingen, erkenning

4. Maak data leuk en begrijpelijk – gebruik verhalen

5. Creéer een eenduidige taal – voorkom wildgroei aan definities

Stel je vragen!

🎁 Stel gratis al je vragen via ⁠⁠⁠databewuster.com⁠⁠⁠. Elke vrijdag om 15:00 uur.

🚀 Of wil je het Metromodel begeleid implementeren binnen jouw organisatie? Plan direct een vrijblijvend gesprek via ⁠⁠⁠powerbison.io/datakwaliteit⁠

Wat is metadata echt?

Volgens Shannon M Els is metadata veel meer dan simpelweg “data over data”. Het is context. Zonder metadata is data betekenisloos. Je kunt geen besluiten nemen over informatie zonder de juiste context, net zoals je geen jas aantrekt bij 25 graden zonder te weten of het Celsius of Fahrenheit is.

Definitie volgens Shannon: Metadata is informatie over data die de context bepaalt waarin data begrepen, geclassificeerd en gebruikt kan worden.

“Metadata is wat ervoor zorgt dat je weet wat 42 betekent – graden Celsius, Fahrenheit, leeftijd, snelheid? Zonder metadata is data blind.”

Start simpel, maak het niet complex

Veel organisaties maken metadata nodeloos complex. Shannon benadrukt dat het meestal niet complex is, maar veel. Begin met een basisset: naam, definitie, bron, eigenaar, en kwaliteitseisen. En belangrijk: drink koffie met je collega’s.

“Complexiteit is een excuus geworden voor stilstand. Begin bij wat je weet. Vraag je collega’s wat zij echt nodig hebben.”

De driehoek van data governance

Shannon introduceert de ‘data governance triade’: metadata, datakwaliteit en masterdata. Deze drie vormen de kern van iedere datagedreven organisatie:

• Metadata geeft betekenis

• Kwaliteit zorgt voor vertrouwen

• Masterdata is het referentiepunt

Zodra je één van deze aanraakt, moet je automatisch rekening houden met de andere twee. Ze zijn onlosmakelijk verbonden.

“Zonder metadata geen datakwaliteit. Zonder datakwaliteit geen vertrouwen. Zonder masterdata geen eenduidigheid.”

Het metamodel: de ruggengraat van je organisatie

Een krachtig inzicht uit het gesprek is het belang van een metamodel. Dit is de gestructureerde blauwdruk waarin je vastlegt welke soorten metadata-objecten je beheert (zoals tabellen, definities, rapporten, regels, dataleveringsafspraken).

Dit model maakt het mogelijk om:

• Verantwoordelijkheden helder te definiëren

• Toetsen van volwassenheid binnen je organisatie

• Systemen (zoals Collibra) zinvoller te gebruiken

Zonder metamodel is metadatabeheer als bouwen zonder fundament.

De menselijke kant: metadata begint bij koffie

Data governance is mensenwerk. Shannon hamerde keer op keer op het belang van informeel contact en menselijke relaties:

• Ga op zoek naar mensen die al verantwoordelijkheid nemen

• Ga koffiedrinken, luister naar frustraties en behoeften

• Label rollen pas nadat je weet wie ze al (informeel) vervult

“De beste manier om governance te starten? Drink koffie met de mensen die nu al klagen over datakwaliteit. Daar begint je structuur.”

De Modeling Authority

Zeker in grotere organisaties is een duidelijke Modeling Authority essentieel: een groep of persoon die toeziet op de kwaliteit en consistentie van metadata. Idealiter is dit een ervaren informatieanalist of enterprise architect met kennis van modellering, processen en governance.

Conclusie: Metadata is geen IT-feestje

Metadata raakt de kern van hoe je als organisatie grip krijgt op informatie. Het is niet iets voor de IT-afdeling, het is van iedereen. Door klein te beginnen, goed te luisteren en slim te structureren, maak je het verschil.

Stel je vragen!

🎁 Stel gratis al je vragen via ⁠⁠⁠databewuster.com⁠⁠⁠. Elke vrijdag om 15:00 uur.

🚀 Of wil je het Metromodel begeleid implementeren binnen jouw organisatie? Plan direct een vrijblijvend gesprek via ⁠⁠⁠powerbison.io/datakwaliteit⁠

Data governance roept bij veel mensen associaties op met regels, controle en restricties. Maar in de kern gaat governance over besturen: richting geven, ambities formuleren en verantwoordelijkheid nemen. In deze longread, geïnspireerd op een uitgebreid gesprek met Mark van der Veen MMIT-Trilingual, Vice President bij DAMA NL, verkennen we hoe organisaties data governance effectief kunnen vormgeven. We gaan in op leiderschap, stakeholdermanagement, educatie, en de noodzaak van datageletterdheid in een AI-tijdperk.

🔎 Data governance is besturen, niet controleren

In veel organisaties wordt ‘governance’ gezien als iets wat je ‘moet inregelen’ of een manier om risico’s te beheersen. Maar governance gaat in essentie om iets veel fundamentelers: het aansturen van verandering en het realiseren van ambities met data. Dat vraagt om meer dan beleid; het vraagt om leiderschap.

“Governance is niet een abstract controlemiddel. Het is een manier om organisatiedoelen te realiseren met data.”

Het Metromodel, een visueel hulpmiddel ontwikkeld door de community van DAMA Nederland, helpt om deze nuance inzichtelijk te maken. Het model maakt de lagen binnen datamanagement zichtbaar: van strategie en governance tot tooling, processen en cultuur. Het maakt het gesprek over datakwaliteit en -verantwoordelijkheid toegankelijker voor de business.

🧭 Leiderschap gaat niet over functietitels, maar over gedrag

Leiderschap in datakwaliteit hoeft niet vanuit een hiërarchische rol te komen. Integendeel: echte leiders tonen initiatief, voelen zich verantwoordelijk en zetten beweging in gang. Mark beschrijft hoe mensen uit werkgroepen binnen DAMA, zonder formele rol, leiderschap tonen door bijvoorbeeld tools te ontwikkelen, zoals het Data Quality Management System.

“Je hoeft geen manager te zijn om leiderschap te tonen. Je moet vooral willen, en iets in gang zetten.”

Deze leiders spelen een sleutelrol in het realiseren van bewustwording en het aanjagen van samenwerking rond datakwaliteit. Governance vraagt dan ook om sociale skills: weten wie je stakeholders zijn, en hoe je hen betrekt bij jouw ambities.

🤝 Stakeholdermanagement: samenwerken aan gedeelde verantwoordelijkheid

Effectieve data governance vraagt om samenwerking tussen verschillende rollen in de organisatie, van data-eigenaren tot procesmanagers en eindgebruikers.

Stakeholderanalyse is hierbij cruciaal. Wie heeft belang bij welke data? Wat zijn hun doelen? En welke afspraken moeten we maken om frictie te voorkomen? Het Metromodel helpt bij het structureel betrekken van deze stakeholders in governance- en overlegstructuren.

“Het draait om simpele vragen: Wat wil jij met deze data? Wat doe ik ermee? En moeten we hierover een afspraak maken?”

🧠 Zonder datageletterdheid geen governance

Met de opkomst van AI groeit ook de urgentie voor datageletterdheid. Medewerkers moeten niet alleen weten dát er data zijn, maar ook begrijpen, analyseren en ermee kunnen communiceren. Dat geldt niet alleen voor dataspecialisten, maar juist voor iedereen in de organisatie.

Mark legt uit dat DAMA NL daarom ook inzet op educatie, bijvoorbeeld door:

• De ontwikkeling van een bacheloropleiding Datamanagement & BI (i.s.m. Hogeschool Utrecht)
• Factsheets en tools voor datamanagement
• Serious Business Games, zoals Datamollen en Datadynamica, om op een speelse manier met datakwaliteit aan de slag te gaan

“Je kunt data pas goed gebruiken als je begrijpt wat je leest. En je begrijpt het pas echt als je erover kunt praten.”

📦 Van inspiratie naar implementatie

Alle kennis, modellen en tools uit het gesprek, inclusief de volledige Data Quality Management System factsheet en het Metromodel, zijn beschikbaar in de gratis community van Databewuster. Hier vind je onder andere:

• ✅ Alle afleveringen van de podcast
• ✅ Tools en factsheets uit de werkgroepen van DAMA NL
• ✅ Updates over nieuwe content, events en werkgroepen

Stel je vragen!

🎁 Stel gratis al je vragen via ⁠⁠⁠databewuster.com⁠⁠⁠. Elke vrijdag om 15:00 uur.

🚀 Of wil je het Metromodel begeleid implementeren binnen jouw organisatie? Plan direct een vrijblijvend gesprek via ⁠⁠⁠powerbison.io/datakwaliteit⁠

In mijn vijfde podcastaflevering sprak ik met Ruud Kuil, datamanagementexpert met ruim 16 jaar ervaring in datagovernance en masterdatamanagement. Ruud heeft meerdereprofessionals getraind in het DAMA DMBoK-framework en hielp talloze organisaties grip krijgen op hun data.

In ons gesprek deelt hij zijn visie op datakwaliteit, praktijkvoorbeelden én concrete adviezen voor managers die willen beginnen met datakwaliteitsverbetering.

1. Groot denken, klein beginnen

Ruud benadrukt dat bewustwording op directieniveau essentieel is: “Senior management moet begrijpen wat data is en wat slechte datakwaliteit betekent voor de organisatie.” Toch raadt hij aan om klein te beginnen.

“Het doel is world domination, maar je begint met vijf attributen, niet met tweehonderd.”

Een van zijn praktijkvoorbeelden: een organisatie die startte met slechts 5–10 attributen binnen één productgroep. In zes maanden konden ze aantonen dat verbeterde datakwaliteit meetbare waarde opleverde. Dat zorgde voor het benodigde vertrouwen en maakte snelle opschaling mogelijk.

2. Maak de waarde tastbaar

Zonder businesscase blijft datakwaliteit vaak een abstract begrip. Ruud geeft een sprekend voorbeeld:

“Een fout e-mailadres kan betekenen dat een factuur niet verzonden wordt, opnieuw moet worden onderzocht en fysiek geprint. Voor één organisatie betekende dat €100.000 per jaar aan verspilling.”

Door zulke concrete voorbeelden te berekenen en visualiseren, ontstaat draagvlak bij stakeholders én enthousiasme binnen teams.

3. Begin met een nulmeting

Voor managers die willen starten is Ruuds advies helder:

• Voer een nulmeting uit. Ga in gesprek met medewerkers op alle niveaus en vraag: Waar lig je wakker van? Welke dataproblemen kosten tijd of frustratie?
• Bepaal bedrijfsregels. Ruud verzamelt vaak 30–50 concrete regels die hij kan toetsen aan de data. Zo ontstaat inzicht in datakwaliteit én prioriteiten.

4. Rol en verantwoordelijkheid: geen loze titels

Veel organisaties benoemen data-eigenaren of data stewards zonder duidelijk mandaat. Ruud stelt:

“Een titel zonder duidelijke verantwoordelijkheden is zinloos. Definieer de rol, bepaal de tijdsbesteding en koppel die aan concrete resultaten.”

5. Metadata management als fundament

Een ander belangrijk aandachtspunt: metadata management. Moderne data catalogues bieden meer dan ooit inzicht in definities, herkomst en gebruik van data.

“Zonder metadata ben je blind. Begin hier vroeg mee, anders verlies je momentum en loop je achter de feiten aan.”

6. Datamanagement = cultuurverandering

Tot slot benadrukt Ruud dat datamanagement een lange termijn traject is:

“Dit is geen project van een half jaar, maar een cultuurverandering van 5–10 jaar. Je moet mensen de tijd geven om op een andere manier te gaan werken.”

Conclusie

Het verbeteren van datakwaliteit vraagt om een lange adem, maar levert enorme waarde op. Door klein te beginnen, inzichtelijk te maken wat data kost of oplevert en stakeholders actief te betrekken, bouw je een stevig fundament voor de toekomst.

Stel je vragen!

🎁 Stel gratis al je vragen via ⁠⁠⁠databewuster.com⁠⁠⁠. Elke vrijdag om 15:00 uur.

🚀 Of wil je het Metromodel begeleid implementeren binnen jouw organisatie? Plan direct een vrijblijvend gesprek via ⁠⁠⁠powerbison.io/datakwaliteit⁠

Van compliance naar kans: de echte waarde van strategie

In veel organisaties zie je dat ze compliance nog steeds benaderen als een verplichte nummertje – regels afvinken, auditrapportjes opleveren en door. Maar, zoals Vincent Lassauw stelt:

“Compliance is óók een kans om je processen te verbeteren, klantgerichter te werken en nieuwe initiatieven te ontwikkelen.”

In plaats van louter te voldoen aan regels, zou compliance een katalysator moeten zijn voor bedrijfsverbetering. Dit vereist strategisch denken: niet alleen op directieniveau, maar door de hele organisatie heen.

Het fundament: assessments en maturity-scans

Volgens Vincent begint elke datakwaliteitsstrategie met een eerlijk beeld van waar je staat. Daarvoor zijn maturity-assessments en stakeholder-interviews essentieel. Ze helpen vragen te beantwoorden als:

• Hoe (volwassen) is onze datastrategie?
• Hoe verankerd is datakwaliteit in onze processen?
• Wie zijn onze data-eigenaren, en wie ervaart de data-gevolgen?

Zonder die inzichten kun je geen gerichte doelen stellen. En zonder doelen, geen strategie.

Datastrategie en datakwaliteitsstrategie: los of geïntegreerd?

Een belangrijke nuance in het gesprek is de relatie tussen een bredere datastrategie en een specifieke datakwaliteitsstrategie. Vincent is helder:

“Een datakwaliteitsstrategie is géén optioneel zijspoor. Het is een integraal onderdeel van je datastrategie. Zonder betrouwbare data kun je geen datagedreven keuzes maken.”

Datakwaliteit fungeert hier als kritische succesfactor binnen een bredere datastrategie – bijvoorbeeld bij het operationaliseren van KPI’s, het bouwen van dashboards of het modelleren van AI-toepassingen.

Het datakwaliteitsmanagementsysteem (DQMS)

Een belangrijk instrument voor verankering is het Datakwaliteitsmanagementsysteem (DQMS). Zo’n systeem formaliseert de continuïteit van datakwaliteitszorg door:

• Het instellen van metingen en KPI’s voor datakwaliteit
• Het definiëren van rollen zoals data stewards, business owners en auditors
• Het beschrijven van processen voor monitoring, root cause analysis en correctieve acties
• Het voorzien in educatie en draagvlakversterking

Cruciaal hieraan is de systematische aanpak: het DQMS biedt niet alleen grip op het heden, maar ook wendbaarheid richting de toekomst.

Continue verbetering & adaptiviteit

Een sterk punt van Vincent: je bent nooit klaar met datakwaliteit. Niet alleen omdat je organisatie verandert, maar ook omdat de buitenwereld verandert – van wetgeving tot technologie.

Zeker in het tijdperk van AI is strategische wendbaarheid essentieel:

“Laat je strategie leidend zijn in je keuzes rondom AI – niet de hype. Alleen dan kun je waarde creëren én beheersen.”

Dat betekent dat je ruimte moet houden voor herijking. Strategie is geen statisch document, maar een levend sturingsinstrument.

Succesfactoren volgens Vincent

Het gesprek met Vincent levert ook een aantal impliciete succesvoorwaarden op:

• Bewustzijn creëren bij álle lagen van de organisatie
• Eigenaarschap organiseren – governance boards, sponsors, domeinverantwoordelijken
• Scope goed afbakenen – breed genoeg voor impact, smal genoeg voor focus
• Businesscases bouwen – maak de waarde van datakwaliteit zichtbaar en meetbaar

Conclusie: strategie als startpunt, niet als sluitpost

Vincent laat zien dat duurzame datakwaliteit begint met een gedragen en doordachte strategie. Het vraagt om een balans tussen mensen, processen en technologie. En om de moed om keuzes te maken – ook als die pijnlijk zijn.

Stel je vragen!

🎁 Stel gratis al je vragen via ⁠⁠⁠databewuster.com⁠⁠⁠. Elke vrijdag om 15:00 uur.

🚀 Of wil je het Metromodel begeleid implementeren binnen jouw organisatie? Plan direct een vrijblijvend gesprek via ⁠⁠⁠powerbison.io/datakwaliteit⁠

In de zesde aflevering van The Sonny Side of Life ging ik in gesprek met Nico Kohlberg en René Wiertz over hoe zij bij metromodel en het normenkader inzetten als fundament voor datakwaliteitsmanagement.

De centrale vraag: Hoe gebruik je het normenkader en het Metromodel om datakwaliteit niet alleen te verbeteren, maar ook te verankeren in de organisatiecultuur?

Van factsheet naar fundament

René vertelde hoe zijn onderzoek naar datacleansing leidde tot de ontwikkeling van een factsheet, nu beschikbaar voor iedereen via DAMA Nederland. Zo’n factsheet geeft houvast: definities, doelstellingen, PDCA-cycli én de relatie tot andere datakwaliteitselementen.

Het normenkader fungeert hier als ruggengraat: het biedt procedurele en inhoudelijke eisen (vaak gebaseerd op ISO-standaarden) die helpen om processen en rollen scherp te definiëren.

Het Metromodel als praatplaat

Nico en René gebruiken het Metromodel als praatplaat om complexe datakwaliteitsvraagstukken begrijpelijk te maken voor niet-technische stakeholders.

“Met het Metromodel kunnen we de business écht meenemen: welke processen raken we, welke rollen zijn cruciaal, en wat levert het op?” – Nico

Zo konden ze bij UWV met vijf prioritaire elementen starten, waaronder issue management, monitoring en het definiëren van rollen en verantwoordelijkheden.

Van SharePoint tot datagedreven cultuur

Praktisch blijven is een rode draad in hun aanpak. Voor het melden en beheren van datakwaliteitsissues gebruiken ze SharePoint. Niet high-end, maar wel effectief voor zichtbaarheid en draagvlak. Daarnaast bouwen ze aan een business glossary en werken ze aan procesmodellering in één framework, zodat data- en bedrijfsprocessen naadloos op elkaar aansluiten.

Hun doel?

“Niet alleen datagedreven, maar databedreven werken: data gebruiken mét gezond verstand.” – Nico

Cultuur, communicatie & samenwerking

Techniek alleen is niet genoeg. Bewustwording, kleine stappen en het blijven aantonen van de waarde zijn cruciaal:

• Begin klein: pak de grootste datapijn aan.
• Toon de meerwaarde: “What’s in it for me?” moet altijd beantwoord worden.
• Werk samen: intern met data-eigenaren en procesarchitecten, extern via platforms zoals DAMA.

Waarom dit ertoe doet

Het verhaal van Nico en René laat zien hoe organisaties datakwaliteit structureel kunnen verbeteren door het normenkader en Metromodel niet alleen als theorie te gebruiken, maar als architectuur voor verandering.

Meer weten? De volledige aflevering luister je hier.

En wil je de besproken materialen downloaden en op de hoogte blijven van nieuwe afleveringen? Je download deze gratis op databewuster.com.

Of Schrijf je in voor mijn nieuwsbrief: https://thesonnysideoflife.kit.com.