Data Governance, zoals het nu wordt toegepast, faalt. Er zijn enkele successen geboekt, maar over het algemeen zijn zelfs deze inspanningen tekortgeschoten. Erger nog, veel van degenen die een bijdrage moeten leveren aan Data Governance vinden deze inspanning pijnlijk. 

Wij hebben enorme sympathie voor data-gouverneurs. (We gebruiken de term ‘data gouverneurs’ – DG’s – als de hoogste mensen die belast zijn met het definiëren en implementeren Gegevensbeheer.) Controle is een fundamentele managementactiviteit en een groot deel van de dataruimte is ‘uit de hand gelopen’. Bovendien worden data steeds belangrijker voor alle bedrijven. De ruwe behoefte aan Data Governance is enorm en groeit.  

We hebben de vijand ontmoet, en wij zijn het!

Wat is er aan de hand? De afgelopen jaren hebben we dieper gegraven en onderzocht waarom Data Governance het zo slecht doet:

In mei 2020 publiceerden wij en zes co-auteurs het doelbewust provocerend getiteld artikel “Gegevensbeheer is mislukt! En bood ons een historische kans.” Dit artikel is ook gebaseerd op ons voortdurende onderzoek (soms met inbegrip van Doug Laney), Toms synthese van waarom de vooruitgang in de dataruimte zo traag is geweest, gepubliceerd in zijn nieuwe boek 'People and Data', en ons voortdurende werk als adviseurs en mentoren , en coaches.  

Zoals verwacht genereerde “Data Management Has Failed” zowel steun als weerstand. We ontdekten dat sommige beoefenaars de problemen privé toegaven, maar niet bereid waren dit publiekelijk te doen. Nu merken we dat bijna iedereen het er privé over eens is, en dat steeds meer mensen bereid zijn de kwestie publiekelijk te bespreken. Wij denken dat dit een goed teken is voor de beroepsgroep.

We hebben alle gebruikelijke verdachten blootgelegd: gebrek aan afstemming, slechte sponsoring, onvoldoende personeel, slecht verandermanagement, enz. Maar geen van deze stelde ons tevreden, dus hebben we harder gepusht en alles in twijfel getrokken. En het viel ons op: misschien, heel misschien, ligt het probleem bij de DG's zelf! Een deel van de taak van de DG is het creëren van afstemming, het verwerven van sponsoring, het veiligstellen van het benodigde budget en het stimuleren van veranderingsmanagement (of het betrekken van degenen die daarvoor gekwalificeerd zijn). Misschien beschikken de DG's niet over alle competenties die ze nodig hebben, zijn ze verkeerd toegewezen of onvoldoende opgeleid, of zijn ze filosofisch gezien niet geschikt voor de taak. Of misschien kregen ze de taak van het onmogelijke, impliciet opgezet om te mislukken. 

Dit leidde ons naar het werk van Elliott Jaques. Hij adviseerde dat mensen bepaalde aangeboren vaardigheidsniveaus hadden langs twee (niet-gecorreleerde) dimensies [1]:

1. Hun vermogen om steeds complexere en mogelijk ongelijksoortige hoeveelheden informatie te verwerken
2. Hun vermogen om in de toekomst te denken

Ter illustratie: een daghandelaar moet misschien veel complexe gegevens verwerken, maar hij denkt maar een paar minuten in de toekomst, terwijl een stedenbouwkundige die ook veel complexe gegevens moet verwerken, ver in de toekomst moet denken. Zie deze punten geïllustreerd in figuur 1. 

Waar passen DG's nu? Die vraag wordt complexer omdat bedrijven de term Data Governance op veel manieren gebruiken. Om onze denkwijze te illustreren, overweeg het volgende: De DG zorgt voor toezicht op bedrijfsniveau op het dataprogramma (is het dataprogramma bijvoorbeeld ontworpen in het beste belang van het bedrijf en functioneert het zoals ontworpen), namens het senior management en/of het bord. Het is een zware klus, die zowel strategisch denken als een aanzienlijk vermogen om in de toekomst te denken vereist, zoals weergegeven in figuur 2.  

Ook te zien in figuur 2 is het niveau van een hypothetische data-gouverneur op de dimensies van Jaques en een blauwe pijl die de kloof aangeeft tussen de vereiste en werkelijke capaciteiten.

Merk op dat je de data-gouverneur niet de schuld kunt geven van de kloof die, volgens de theorie van Jaques, voortkomt uit aangeboren vermogens. Dit is de sleutel. Een aangeboren vermogen is inherent aan een individu. Een nieuwe data-gouverneur beschikt bijvoorbeeld mogelijk niet over de connecties die hij of zij nodig heeft om effectief te zijn. Maar het leggen van verbanden is een vaardigheid die, althans tot op zekere hoogte, kan worden geleerd. Dit geldt niet voor het vermogen om in de toekomst te denken. Mensen zijn tot op zekere hoogte anders geprogrammeerd.  

Nu denk je misschien: “Dat is geweldig, maar niet wat we van onze data-gouverneur vragen.” Dat is jammer, omdat wij van mening zijn dat bijna alle organisaties baat zouden hebben bij dit niveau van toezicht.  

U kunt de analyse herhalen die we hierboven hebben geïllustreerd voor uw specifieke definitie van Data Governance. Figuur 3 lokaliseert de gewenste capaciteiten van de data-gouverneur voor nog twee situaties.  

• Data Governance selecteert en exploiteert een tool om catalogiseringsmogelijkheden te bieden. Houd er rekening mee dat de hypothetische gegevensbeheerder meer dan gekwalificeerd is voor deze taak. 
• Data Governance definieert en implementeert beleid in de dataruimte. Merk op dat de hypothetische data-gouverneur het aangeboren vermogen heeft om ver genoeg in de toekomst te denken, maar niet het vermogen heeft om de vereiste complexe input te verwerken.  

De kwestie die we hier behandelen komt hierop neer: zijn DG's in de echte wereld van nature in staat om de taken uit te voeren die van hen verwacht worden? Kunnen ze ver genoeg in de toekomst kijken? Kunnen ze omgaan met de complexiteit van de input die nodig is om het werk te doen?  

Wij vrezen dat het antwoord op alle drie de vragen voor velen een volmondig ‘nee’ is.

Ons bewijs dat veel van de huidige databeheerders niet volledig in staat zijn hun werk te doen, is weliswaar anekdotisch, maar komt uit verschillende bronnen:  

1. Een cliënt zei onlangs: “Ik moet dingen doen waarvoor ik niet ben opgeleid.” Deze persoon zag niet in welke uitdagingen zijn aangeboren capaciteiten werden getest en nieuwe vaardigheden werden aangeleerd.
2. Een andere klant zei: "Ik wil geen flauwe dingen doen; onze catalogus en tools zorgen daarvoor." Wij vermoeden dat deze persoon niet in de toekomst kan nadenken over hoe een organisatie zal reageren op een nieuwe tool.
3. De hoofddataarchitect van een grote organisatie verwierp het toezicht op een grote datastrategie en architectuurinspanning en zei: “Ik wil niet dat iemand over mijn schouder meekijkt.” Deze persoon zag niet dat toezicht de acceptatie van hun modellen gemakkelijker zou maken.
4. Eén persoon benadrukte technologie om organisatorische hiaten te dichten. Hoewel dit een tekort aan vaardigheden zou kunnen zijn, denken wij dat het waarschijnlijker is dat het vermogen om te zien hoe technologieën ingebed worden in organisaties ontbreekt.  

Wat te doen: individuele gegevensbeheerders

Als het als DG goed gaat, hoeft u niet verder te lezen. Maar als u het moeilijk heeft, moeten u en uw baas uw analyse van wat u moet doen inkaderen door uzelf en uw zakelijke tegenhangers eerst de volgende vraag te stellen: Is het duidelijk wat er van de DG wordt verwacht?

Als dat niet het geval is, is de eerste opdracht het duidelijk maken van de verwachtingen. Dit kan wat denkwerk vergen, omdat verschillende delen van het bedrijf verschillende verwachtingen kunnen hebben. Zodra aan de duidelijke verwachtingenhindernis is voldaan, zijn de volgende vragen die gesteld moeten worden:

• Welk niveau van vaardigheden is nodig om aan de verwachtingen te voldoen en het werk te doen? Welke vaardigheden zijn ook nodig?
• Over welk bekwaamheidsniveau beschikt de zittende DG? Welke vaardigheden?
• Zijn er hiaten en zo ja, hoe ernstig is deze? Kunnen ze gesloten worden?

Je moet brutaal eerlijk tegen jezelf zijn. We ontdekken dat de beste data-architecten ongelooflijke hoeveelheden complexe, vaak uiteenlopende informatie kunnen verwerken. Maar de meesten worstelen met het langeretermijndenken dat nodig is om de politieke steun op te bouwen om belangrijk nieuw databeleid te definiëren en te implementeren. Het is ook moeilijk om toe te geven dat, ook al heb je de taak om werk te doen dat je al heel lang hartstochtelijk als noodzakelijk beschouwt, je misschien niet over de capaciteiten beschikt om het werk te doen. 

Merk nogmaals op dat we een scherp onderscheid willen maken tussen aangeboren vermogen en vaardigheid. Het data governance-beleid moet goed geschreven zijn, en de zittende DG kan een slechte schrijver zijn. Maar deze vaardigheidskloof kan worden gedicht door middel van training of het gebruik van een technisch schrijver.  

Verder zien we soms verwachtingen van DG's die eenvoudigweg oneerlijk zijn: als je bijvoorbeeld aan een zeer getalenteerde data-architect zonder managementervaring vraagt ​​om een ​​Data Governance-kantoor van de grond af aan op te bouwen, zijn ze gedoemd te mislukken. Toch wordt van veel nieuwe DG’s, ver verwijderd van leiderschap, en met een aanvankelijk Data Governance-‘team’ van minder dan één fte, gevraagd precies dat te doen, terwijl ze ook onder ongelooflijke druk staan. Hopelijk is de hoofdoorzaak slechts een diepgaand gebrek aan begrip van de kant van het leiderschap, en niet het gebruik van een DG als politiek schaakstuk.   

Wij begrijpen dat iemand niet gekwalificeerd hoeft te zijn om zijn of haar werk te doen; “de meest gekwalificeerde” zijn is vaak goed genoeg. In dit geval kunnen transparantie met leiderschap en zakenpartners, het verhelpen van hiaten, het aanstellen van mensen die over de ontbrekende vaardigheden beschikken en een beetje geduld van het leiderschap prima volstaan.

Nieuw denken nodig 

Zoals in elk beroep kunnen te veel datamensen de gevestigde methoden en technieken niet loslaten, zoals: “Als we het bouwen (bijvoorbeeld een catalogus, een beleid, een model, enz.) en het aan de business overlaten, zullen de zaken OK." Dit inside-out denken is voorbij zijn houdbaarheidsdatum. 

Het is tijd om ‘outside in’ en ‘out of the box’ te denken. Het begint en eindigt allemaal met klanten; uw zakenpartners sluiten zich misschien niet aan bij de klassieke, coole dingen die dataprofessionals willen doen. Begrijp eerst hun behoeften en plaats vervolgens de juiste mensen in de juiste rollen om daaraan te voldoen. Hoe voor de hand liggend deze uitspraak ook mag lijken, het is verre van standaardpraktijk. 

Dit kan tot verrassende resultaten leiden: Uw DG’s hoeven bijvoorbeeld geen datamodelbouwers te zijn, te weten hoe ze beleid moeten schrijven of een tech-stack moeten uitleggen. Dit zijn vaardigheden die aangeleerd kunnen worden. Overweeg liever DG's die de business kennen, met complexiteit kunnen omgaan, een trackrecord hebben met projecten op langere termijn en data willen leren.  

[1] Jaques, Elliott, Vereiste organisatie 2e editie, Routledge, 2016

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://www.dataversity.net/data-governors-first-govern-yourselves/