Duncan McKay, Business Development Manager bij PBT Group

Met aandacht voor de hoeveelheid data die wordt verzameld en waarvoor ze worden gebruikt, mogen bedrijven niet vergeten kwaliteitsmanagement aan te pakken als een integraal onderdeel van de algehele Data and Analytics (DnA)-processen.

In feite moeten datakwaliteit en masterdatamanagement worden gezien als belangrijke strategische prioriteiten voor DNA-outputs – aangezien de realiteit is dat als de datakwaliteit niet goed is, de datamanagementprocessen van een organisatie niet de gewenste resultaten zullen opleveren.

Bedrijven onderschatten dat hoe meer data er wordt gecreëerd en verzameld, hoe meer problemen er kunnen optreden. Toen concepten als Data Lakes en Big Data aan populariteit wonnen, vond er een free-for-all plaats. Het ging er vooral om dat iedereen zijn gegevens gewoon in deze repositories dumpte en ermee werkte zonder na te denken over structuur en beheer.

Opslag was goedkoop, dus de gedachte was dat het bedrijf geen tijd moest verspillen aan het correct modelleren en conformeren van gegevens. Ze zouden gewoon meer opslagruimte kunnen kopen en niet afhankelijk zijn van dure infrastructuur. Maar zoals we vandaag de dag kunnen zien, aangezien veel bedrijven de prijs betalen om toegang te krijgen tot gegevens uit een groot aantal bronnen, was dit niet de beste strategie om te volgen.

Van foto’s naar gegevens

Het is verwant aan de overgang van analoge naar digitale fotografie. Het ontwikkelen van foto’s was een dure aangelegenheid. Mensen bekeken elke foto en selecteerden alleen de beste om te bewaren. Dankzij digitale fotografie en cloudopslag kunnen individuen nu gemakkelijk duizenden foto’s per maand maken en hoeven ze zich geen zorgen te maken over het verwijderen van de slechte. En als ze geen opslagruimte meer hebben, kopen ze gewoon meer, of dat nu in de vorm van fysieke harde schijven of cloudgebaseerde services is.

Het probleem doet zich voor als er een foto van een gebeurtenis of persoon gevonden moet worden. Met foto’s verspreid over verschillende omgevingen wordt het bijna onmogelijk om degene te vinden waarnaar wordt gezocht (of de kans is groot dat diezelfde foto waarnaar wordt gezocht, meerdere keren kan worden gedupliceerd op al deze opslagmedia).

Hetzelfde geldt voor data in het bedrijfsleven.

Een jaar of zes geleden maakten bedrijven zich hier geen zorgen over en nu is datareplicatie een serieus probleem geworden. Dit zet datamanagement in de schijnwerpers en geeft besluitvormers weer controle over hun data.

Kwaliteitsfocus

De bereidheid om de focus te verleggen is nog sterk afhankelijk van de sector waarin het bedrijf actief is. Grote ondernemingen, vooral die in de financiële dienstverlening, zijn volwassener. Drie jaar geleden begonnen ze de discussie over het belang van kwaliteit en management. Dit is nu geëvolueerd naar het praktisch uitvoeren van maatregelen.

Maar in de retail ligt de nadruk nog steeds heel erg op waarom management belangrijk is. En in productie en mijnbouw, die traditioneel geen datagestuurde omgevingen zijn, ontdekken bedrijven nu pas de waarde van hun data.

Ongeacht, gegevens en analyses zijn nu een essentieel onderdeel van elke organisatie die concurrerend wil blijven in een digitale omgeving. Dingen die vroeger onder de radar werden gedaan, zijn nu formele disciplines geworden, waarbij meer mensen eigenaarschap nemen en gegevens beheren.

Een data- en analysecultuur

Maar hoewel DnA vroeger gecentraliseerd was, is de onderliggende architectuur van het proces bij organisaties veranderd, waardoor het meer gefedereerd en verankerd is in alle bedrijfsonderdelen. Belanghebbenden in de hele organisatie worden steeds bedrevener in het gebruik van gegevens en analyses voor hun uiteenlopende vereisten, wat tegenwoordig niet alleen gaat om rapporten en dashboards, maar wordt overwegend ingebed in realtime operationele besluitvormingsprocessen.

Een essentieel onderdeel dat dnA-succes en echte bedrijfswaarde-opbrengst garandeert, is de toepassing van alle datamanagementdisciplines in de dagelijkse structuur van bedrijfsmanagement. Tools voor gegevensbeheer worden ook volwassener, waarbij de scheidslijn tussen DnA (traditionele BI) en IT-systemen steeds vager wordt.

Als zodanig groeit de reikwijdte van gegevensbeheer verder dan alleen het controleren van gegevens voor analyse- en rapportagedoeleinden. Het omvat nu het controleren van de gegevens in de bronsystemen waar ze worden vastgelegd om de kwaliteit proactief te beheren in plaats van met terugwerkende kracht te proberen deze te herstellen. En hierin zullen bedrijven de echte waarde gaan begrijpen van de gegevens die ze tot hun beschikking hebben.