Organisaties die aan de slag gaan met data management, stuiten vaak op twee termen die door elkaar worden gebruikt: data management en data governance. Deze begrippen lijken op elkaar, maar hebben een fundamenteel verschillende betekenis en rol binnen je organisatie. In dit artikel leggen we helder uit wat het verschil is en waarom dit onderscheid cruciaal is voor succesvol databeheer.
In het kort
- Data management omvat alle activiteiten om data te beheren gedurende de hele levenscyclus; data governance is één van de negen disciplines binnen data management die toezicht houdt en stuurt op de uitvoering van alle andere disciplines.
- Het fundamentele verschil zit in de verhouding tussen toezicht en uitvoering: data governance zorgt ervoor dat data wordt beheerd (oversight), terwijl de overige disciplines het daadwerkelijk beheren van data omvatten (execution).
- Vergelijkbaar met HR en Finance: data governance stelt centrale kaders, beleid en richtlijnen vast voor de hele organisatie, terwijl de uitvoering van data management decentraal plaatsvindt in de lijn bij afdelingen en teams.
- Data governance staat centraal in het Deltiq Data Management Framework en geeft richting aan acht andere disciplines: data architectuur, metadata, datakwaliteit, data security, data technology, data modeling, data development en data operations.
- Begin altijd met een datastrategie (wat wil je met data bereiken?) die leidt tot een data management-strategie (hoe organiseer je dat?), waarbij data governance zorgt voor de kaders, prioritering en toezicht op de uitvoering.
Wat is data management?
Data management is het ontwikkelen, uitvoeren en beheren van plannen, beleid, projecten en activiteiten die ervoor zorgen dat data gedurende hun hele levenscyclus beschikbaar zijn, worden beheerd, beschermd en in waarde worden vergroot. Het gaat om het geheel van alle plannen, beleid, initiatieven en bedrijfsprocessen om data daadwerkelijk te beheren.
Deze definitie komt voort uit het DAMA DMBOK (Data Management Body of Knowledge), het meest gebruikte internationale referentiekader voor data management. DAMA onderscheidt negen disciplines binnen data management, van data architectuur tot datakwaliteit en van metadata management tot data security.
Concreter betekent data management dat je als organisatie actief bezig bent met het voortbrengen en gebruiken van data, zowel operationeel en transactioneel als analytisch. Het omvat alle disciplines en activiteiten die nodig zijn om data daadwerkelijk te managen in je primaire én secundaire processen.
Bij Deltiq hebben we het DAMA-framework vertaald naar de Nederlandse praktijk in ons Deltiq Data Management Framework. Dit framework maakt de abstracte DAMA-theorie concreet en toepasbaar voor organisaties die data management als permanente bedrijfsfunctie willen inrichten – vergelijkbaar met hoe HR en Finance zijn georganiseerd.
Data management als permanente bedrijfsfunctie
Een belangrijk uitgangspunt voor ons is dat data management geen tijdelijk project is, maar een permanente bedrijfsfunctie. Net zoals HR en Finance structureel onderdeel zijn van je organisatie, zo hoort data management daar ook bij. Het is een blijvende verantwoordelijkheid die structureel in je organisatie moet worden ondergebracht.
Hiermee wijken wij bewust af van veel methodologieën die data management impliciet beschouwen als een tijdelijk programma. Wanneer je data management als bedrijfsfunctie inricht, verschuift de vraag van “hoe voeren we dit project uit?” naar “wat moet er structureel aanwezig zijn om data goed te beheren?”
Voor een complete uitleg van wat data management inhoudt, zie ons uitgebreide artikel over dit vakgebied.
Wat is data governance?
Data governance is het uitoefenen van gezag en controle (planning, toezicht en handhaving) over het beheer van data als bedrijfsmiddel. Het is de discipline die bepaalt hoe het beheer van data in een organisatie wordt ingericht en uitgevoerd, en die toeziet op de naleving daarvan.
Data governance zorgt voor consistentie, kwaliteit en verantwoording van data. Het beschrijft wie waarvoor verantwoordelijk is, hoe beslissingen worden genomen en welke beheerprocessen nodig zijn. Denk aan de regels en afspraken, de organisatie-inrichting, het beleid, de processen, principes en standaarden voor databeheer.
Data governance als sturende discipline
John Ladley, toonaangevende auteur op het gebied van data governance, verwoordt het verschil treffend: “Do not confuse the management of data with ensuring data is managed.” Data governance gaat over dat laatste: ervoor zorgen dat data wél wordt beheerd. Het is de centrale discipline binnen het vakgebied data management die stuurt op alle andere data management disciplines.
Wil je meer weten over hoe governance werkt? Lees ons artikel over wat data governance is: de spelregels voor succesvol databeheer.
Klaar om grip te krijgen op je data?
Wil je weten hoe jouw organisatie data management en data governance het beste kan inrichten en hoe Deltiq daarbij kan helpen? Neem contact op voor een vrijblijvend gesprek over de mogelijkheden.
Het belangrijkste verschil: toezicht versus uitvoering
Het fundamentele verschil tussen data governance en data management zit in de verhouding tussen toezicht (oversight) en uitvoering (execution):
Data governance houdt toezicht op het beheren van data. Het stelt kaders, definieert verantwoordelijkheden en bewaakt de uitvoering. Het zorgt ervoor dat data beheerd wordt volgens afgesproken spelregels.
Data management is het daadwerkelijk beheren van data om organisatiedoelen te bereiken. Het omvat alle praktische activiteiten in de primaire en secundaire processen waarin data wordt voortgebracht en gebruikt.
Deze verhouding zie je terug in het Deltiq Data Management Framework: data governance staat centraal en stuurt op acht andere data management disciplines, zoals data architectuur, datakwaliteit, data security en metadata management.
De HR- en Finance-analogie
Om het verschil tussen data governance en data management te begrijpen, helpt de vergelijking met andere bedrijfsfuncties zoals HR en Finance.
Centrale kaders en gedecentraliseerde uitvoering
Een centrale HR-functie zorgt voor de kaders, richtlijnen en werkwijzen voor het ‘doen’ van HR. Denk aan een functiebouwwerk of salarishuis. Het beheer van dit beleid en deze standaarden is vrijwel altijd centraal belegd. Het komt zelden voor dat afdelingen zelf functies mogen bepalen of eigen beoordelingssystemen hanteren. Ze volgen de kaders die voor de hele organisatie gelden.
Tegelijkertijd is een groot deel van de HR-werkzaamheden in de lijn belegd. Iedere manager is verantwoordelijk voor het personeelsmanagement van zijn eigen medewerkers. Niet HR, maar de eigen manager voert de reguliere voortgangsgesprekken.
Toepassing op data
- Data governance is de centrale discipline die zorgt voor kaders en richtlijnen, de inrichting voorschrijft en een aantal centrale taken vervult. Dit zou typisch bij een Chief Data Officer kunnen worden belegd, mits deze voldoende gepositioneerd is binnen de organisatie.
- Data management representeert de verzameling disciplines en activiteiten die nodig zijn om data daadwerkelijk te managen. De meeste van deze activiteiten worden bij bestaande organisatorische eenheden in de lijn belegd.
Samenvattend: kaders en richtlijnen worden centraal bepaald en bewaakt, de uitvoering vindt in de lijn plaats.
Data governance binnen data management
Een belangrijk onderscheid dat vaak wordt gemist: data governance is geen apart domein naast data management, maar een onderdeel ervan. Meer specifiek is data governance één van de disciplines binnen het bredere vakgebied van data management.
Het Deltiq Data Management Framework positioneert in navolging van DAMA BoK data governance als de centrale, sturende discipline temidden van acht andere disciplines.
Deze data governance geeft in de eerste plaats richting aan al deze disciplines door beleid te formuleren, verantwoordelijkheden te definiëren en naleving te bewaken. In de ideale situatie prioriteert data governance tevens de noodzakelijk werkzaamheden binnen de disciplines en stuurt het vervolgens op resultaat.
Het verschil tussen datastrategie en data management strategie
Om de rol van data governance volledig te begrijpen, is het belangrijk ook het onderscheid tussen datastrategie en data management strategie te kennen.
Datastrategie
Data management strategie
Een data management strategie is een strategisch plan, afgeleid van de datastrategie, dat de inrichting en organisatie van data management beschrijft. Het doel is de noodzakelijke gegevensverwerkingen en randvoorwaarden te realiseren die de uitvoering van de datastrategie ondersteunen.
De data management strategie concretiseert de datastrategie door vast te leggen welke organisatorische en technische maatregelen nodig zijn om de effectiviteit, integriteit en betrouwbaarheid van data structureel te waarborgen.
De rol van data governance
Data governance speelt een sleutelrol in zowel de ontwikkeling als de uitvoering van de data management strategie. Het zorgt ervoor dat de strategische ambities worden vertaald naar concrete kaders, processen en verantwoordelijkheden.
Meer lezen over het verschil tussen datastrategie en data management strategie? Lees ons artikel over data management.
De negen disciplines van data management
Binnen data management onderscheiden we bij Deltiq negen samenhangende disciplines. Elk discipline richt zich op een specifiek aspect van het beheren van data als bedrijfsmiddel. Samen vormen ze het Deltiq Data Management Framework, gebaseerd op gerenommeerde standaarden zoals DAMA DMBOK2 en het Data Management Maturity Model (DMM) van het CMMI Institute, maar specifiek aangepast aan de Nederlandse praktijk en voorzien van concrete, uitvoerbare invullingen.
Data Governance
De strategische ruggengraat: kaderstelling, toezicht en het faciliteren van een data-administratie. Governance stuurt op de uitvoering van de data management-strategie en zorgt voor heldere besluitvorming.
Data Architectuur
Geeft inhoudelijk sturing aan de structuur en organisatie van data. Beschrijft hoe data wordt gemodelleerd, welke systemen data beheren en hoe data stroomt tussen componenten.
Metadata
“Data over data” – maakt data vindbaar, begrijpelijk en bruikbaar. Omvat begrippenwoordenboeken, datadefinities en inzicht in waar data vandaan komt (lineage).
Data Quality
Richt zich op het meten, monitoren en verbeteren van datakwaliteit. Hiermee wordt dat data accuraat, volledig, consistent, tijdig en relevant voor het beoogde gebruik.
Data Security, Ethics, Privacy en Compliance
Beschermt data en waarborgt ethisch en rechtmatig gebruik. Combineert technische maatregelen met organisatorische processen voor beveiliging en compliance.
Data Technology
Strategische technologiekeuzes voor opslag, integratie, analytics en visualisatie. Van databases tot cloud platforms en BI-tools.
Data Modeling
Ontwerpt hoe informatie wordt vertaald naar technische datastructuren. Van conceptuele via logische naar fysieke modellen.
Data Development
Het ‘bouwen’ van dataoplossingen: analyseren van requirements, ontwikkelen van data services, bouwen van pipelines en migreren van data.
Data Operations
Houdt dataoplossingen draaiend in productie: gebruikersondersteuning, incident management, monitoring en actueel houden van stamgegevens.
De samenhang tussen disciplines
Deze negen disciplines vormen een samenhangend geheel. Data governance stuurt en bewaakt alle andere disciplines. Vervolgens geeft Data architectuur richting aan hoe data wordt gestructureerd. Metadata maakt data vindbaar. Data quality zorgt voor betrouwbaarheid. Security en compliance beschermen data. Data technology biedt de technische basis. Data modeling ontwerpt structuren. Data development bouwt oplossingen. En tenslotte houdt data operations alles draaiende.
Samen vormen ze de capaciteit die nodig is om je datastrategie te realiseren. Tegelijkertijd heeft niet elke organisatie alle disciplines op hetzelfde volwassenheidsniveau nodig – dat hangt af van je datastrategie en ambities.
De genoemde disciplines worden in detail toegelicht in het artikel over het Deltiq Data Management Framework.
Follow the data: van beleid naar praktijk
Een cruciaal principe bij effectief data management is “follow the data”. Dit betekent een constant streven naar het leggen van de relatie tussen data management activiteiten en de verwerking van concrete fysieke gegevens.
Effectief data management levert betrouwbare, betekenisvolle, veilige en toegankelijke data op. Het daadwerkelijk gebruik van data is altijd gerelateerd aan de fysieke verschijningsvorm ervan in concrete systemen zoals CRM-systemen, datawarehouses, data lakes, API’s, fileshares of applicaties in Excel, SAS of Access.
Het is op dit fysieke niveau waar het resultaat van data management zichtbaar wordt. Beleidsnotities, modellen, methodologieën en begrippenwoordenboeken zijn allemaal relevant en nodig. Maar als het niet leidt tot verbeteringen in de manier waarop met concrete data wordt omgegaan, zijn dit soort initiatieven nutteloos.
Daarom speelt data governance hierin een verbindende rol: het zorgt ervoor dat centrale kaders daadwerkelijk worden toegepast in de praktijk, in alle processen waar data wordt gebruikt.
Waarom het onderscheid ertoe doet
Het helder maken van het verschil tussen data governance en data management heeft meerdere voordelen voor je organisatie:
Duidelijke rolverdeling
Wanneer je onderscheid maakt tussen governance en management, wordt duidelijk waar centrale sturing nodig is en waar decentrale uitvoering plaatsvindt. Dit voorkomt onduidelijkheid over wie waarvoor verantwoordelijk is.
Effectieve organisatie-inrichting
Door data management als permanente bedrijfsfunctie te beschouwen en data governance als de centrale sturende discipline daarbinnen, kun je bewust keuzes maken over je organisatie-inrichting. Waar beleg je centrale verantwoordelijkheden? Welke taken blijven in de lijn?
Voorkomen van valkuilen
Een veelvoorkomende valkuil is dat organisaties data governance te smal of juist te breed definiëren. Te smal betekent dat governance alleen over beleid gaat, zonder daadwerkelijke sturing op de uitvoering. Te breed betekent dat governance alle data management activiteiten probeert te omvatten, wat leidt tot een bureaucratische, centrale functie zonder verankering in de lijn.
Praktische toepassing: data governance in actie
Hoe ziet data governance er concreet uit in de praktijk? Een voorbeeld vanuit de overheidssector:
Bij een toezichthouder werd een Chief Data Officer aangesteld met overall verantwoordelijkheid voor data governance. Deze CDO leidde een Stuurgroep Data die beslissingen nam over datavraagstukken die niet op bestuurs- of MT-niveau hoefden te worden genomen.
Daarnaast was er een programmaleider Datastrategie die regie had op alle aspecten van data management en zorgde voor samenhang met de IV-strategie en andere organisatiebrede initiatieven.
Deze inrichting zorgde voor:
- Centrale sturing op beleid en kaders (governance)
- Coördinatie tussen verschillende data management disciplines (strategie)
- Praktische uitvoering in de afdelingen en teams (management in de lijn)
Wil je zelf de rol van CDO vervullen of je goed voorbereiden op deze functie? Bekijk dan de CDO Masterclass opleiding.
Verdiep je daarnaast in de context van de publieke sector en ontdek waarom data management bij de overheid zo cruciaal is.
Succesvol met data management en governance
Uiteindelijk draait het om één vraag: hoe worden we succesvol met data? Het antwoord ligt in de combinatie van:
- Een heldere datastrategie die richting geeft
- Een data management strategie die de uitvoering organiseert
- Data governance die zorgt voor kaders en toezicht en stuurt op resultaat
- Data management disciplines die de praktische uitvoering vormgeven
- Verankering in de lijn waar de data daadwerkelijk wordt gebruikt
Data governance aspecten
Data governance kent verschillende aspecten die samen zorgen voor effectief toezicht op data management:
Doelen
Heldere doelstellingen voor wat je met data governance wilt bereiken, zoals het verbeteren van datakwaliteit, het waarborgen van compliance of het faciliteren van data-uitwisseling.
Beleid
Formele documenten waarin wordt vastgelegd hoe er met data wordt omgegaan. Denk aan datakwaliteitsbeleid, privacybeleid of beleid voor dataclassificatie.
Functies en activiteiten
De benodigde rollen en bijbehorende activiteiten. Bijvoorbeeld een data owner met beslissingsbevoegdheid over specifieke data, data stewards die het dagelijks beheer uitvoeren, of een data quality team dat kwaliteitsmetingen verricht.
Verantwoordelijkheden
Heldere afspraken over wie waarvoor verantwoordelijk en bevoegd is, zodat er geen onduidelijkheid ontstaat over eigenaarschap en besluitvorming.
Handhaving
De wijze waarop wordt geborgd dat beleid daadwerkelijk wordt nageleefd, bijvoorbeeld via monitoring, rapportages, audits of door consequenties te verbinden aan niet-naleving.
Conclusie: data management en governance samen sterker
Data governance en data management zijn geen concurrerende concepten, maar complementaire aspecten van hetzelfde geheel. Data governance is de centrale sturende discipline binnen het bredere vakgebied van data management.
Voor succesvolle data-initiatieven heb je beide nodig:
- Data governance voor kaders, beleid en toezicht
- Data management disciplines voor de praktische uitvoering
- Verankering in de lijn voor dagelijks gebruik
- Een datastrategie die richting geeft
- Een data management strategie die de uitvoering organiseert
Het verschil begrijpen is één ding, het in de praktijk toepassen is de volgende stap. Door data management te beschouwen als een permanente bedrijfsfunctie, vergelijkbaar met HR en Finance, geef je het de positie die het verdient in je organisatie. En door tevens data governance de juiste centrale rol te geven, zorg je voor de kaders en het toezicht die nodig zijn om succesvol te worden met data.
Veelgestelde vragen
Ja, data governance is één van de negen disciplines binnen data management. Het is de centrale, sturende discipline die richting geeft aan de andere acht disciplines.
Beide zijn essentieel. Data governance zonder data management blijft abstract beleid zonder uitvoering. Data management zonder governance mist richting en consistentie. Je hebt beide nodig voor succes.
Technisch wel, maar het is niet effectief. Data governance heeft alleen waarde als het leidt tot betere data management praktijken. Start bij voorkeur met een brede visie op data management als bedrijfsfunctie.
Typisch ligt de overall verantwoordelijkheid voor data governance bij een Chief Data Officer of vergelijkbare rol op C-level niveau. Deze wordt onder andere ondersteund door data owners, data stewards en stuurgroepen. Belangrijk is dat de functie voldoende mandaat heeft binnen de organisatie.
Deltiq volgt de DAMA benadering waarbij data governance centraal staat, maar benadrukt sterker het karakter van data management als permanente bedrijfsfunctie in plaats van een tijdelijk programma. Ook is er meer focus op de praktische vertaling naar de Nederlandse context.
Klaar om grip te krijgen op je data?
Ontdek waar jouw organisatie nu staat en welke stap het meeste oplevert. Met onze Masterplan-aanpak helpen we organisaties om hun datastrategie concreet te vertalen naar effectief Data Management.
Plan een vrijblijvend gesprek en krijg binnen twee weken een helder startpunt en een routekaart voor een bij jouw organisatie passende aanpak.
