Top 5 redenen voor databeheer

Voordat je diep in PIM (productinformatiebeheer) duikt, is het verstandig om je data governance-processen en -tools te controleren. Hoe beheert je je (product)gegevens? Waar?

In dit artikel duiken we diep in enkele valkuilen van Data Governance en waarom je dit nodig hebt.

Experian voert jaarlijks een grootschalig Data Management (DM)-onderzoek uit onder meer dan 1.000 werknemers die zich bezighouden met DM-gerelateerde activiteiten in verschillende functies, zoals IT, financiën, klantenservice, marketing en risicobeheer. De meest recente versie van dit onderzoek, uitgevoerd in 2018, leverde een aantal belangrijke bevindingen op:

• 55% van de respondenten is van mening dat onbetrouwbare data een substantieel ontwrichtend effect hebben op de organisatie;

• 73% van de respondenten is het ermee eens dat het vaak moeilijk te voorspellen is wanneer en waar de volgende data-uitdaging zal plaatsvinden;

• 68% van de respondenten is van mening dat de toenemende hoeveelheid gegevens het steeds moeilijker maakt om aan wettelijke eisen te voldoen;

• 69% van de respondenten is van mening dat onjuiste gegevens hun vermogen om een ​​uitstekende klantervaring te bieden zullen ondermijnen.

Bovenstaande cijfers maken duidelijk dat als organisaties er niet in slagen een effectieve Data Governance-structuur op te zetten, dit een onherroepelijke impact kan hebben op onder meer de concurrentiekracht en het vermogen om activiteiten te verrichten volgens geldende wet- en regelgeving (Compliance).

Data Governance, hoe was het ook alweer?Data Governance is een term die aan populariteit wint, maar de definitie ervan verschilt van persoon tot persoon. Het dient als raamwerk voor organisaties om hun gegevens efficiënt te beheren om aan hun specifieke behoeften te voldoen. Het omvat het vaststellen van beleid voor gegevensbeheer en het identificeren van rollen en verantwoordelijkheden binnen de organisatie.

Maar waarom heeft een organisatie data governance nodig?

Huidige gegevens

Gegevens van goede kwaliteit zijn een kostbaar bezit dat, als het goed wordt beheerd, een blijvend concurrentievoordeel kan opleveren. Het is daarom verrassend dat organisaties vaak de zakelijke vereisten voor hun data definiëren, maar vervolgens weinig of geen energie steken in het opzetten van processen om de kwaliteit van de data te behouden en te monitoren. In dit geval is er sprake van data-verwaarlozing, waardoor de waarde van de data in de loop van de tijd zal afnemen. Daarnaast beschikken veel organisaties niet over de juiste tools om de kwaliteit van hun data (permanent) te controleren en te verbeteren. Als een eindgebruiker geen vertrouwen heeft in de data die wordt gebruikt, zal dit leiden tot het zoeken naar oplossingen om data op te schonen en te verrijken. Dit voegt tijd en kosten toe aan het proces en resulteert in een wildgroei aan IT-oplossingen voor eindgebruikers (en dus extra beheerkosten voor organisaties).

Wet- en regelgevingHet beheren en beperken van compliancerisico's wordt moeilijker en duurder naarmate de omvang en verscheidenheid van gegevens toenemen. Momenteel kiezen veel organisaties ervoor om alleen te voldoen aan de minimale datamanagementeisen die de wetgever stelt. Er zijn nogal wat opmerkingen over deze 'checklist'-aanpak. Op deze manier kunnen organisaties specifieke subsets van data effectief monitoren en beheren, maar het draagt ​​niet significant bij aan het realiseren van een cultuurverandering. Om een ​​proactieve benadering van datakwaliteit te bevorderen, moeten organisaties deze actief omarmen. Bovendien is het door de jaren heen duidelijk geworden dat wetgevers hun inzicht in data governance en datakwaliteit hebben verbeterd, waardoor hun eisen op deze onderwerpen bij elke nieuwe regelgeving steeds gedetailleerder en breder zijn geworden. De meer proactieve organisaties hebben nu onderkend dat het omarmen van Data Governance hen een concurrentievoordeel kan opleveren.

Kostenreductie

De praktijk leert dat wanneer een organisatie het Data Governance vraagstuk holistisch benadert, aanzienlijk minder tijd en geld wordt besteed aan ad hoc oplossingen voor het optimaliseren van data die nodig zijn om bedrijfsprocessen te ondersteunen.

KlantervaringGezien de hoeveelheid geld die organisaties uitgeven aan Customer Relationship Management (CRM)-systemen, zou je verwachten dat ze nu het ultieme gouden record van hun klanten hebben. Helaas blijft het tegenovergestelde waar; de meeste organisaties beschikken niet over nauwkeurige klantinformatie. Veel organisaties opereren in silo's, waarbij elke afdeling zijn gegevens beheert in zijn systemen die vaak niet synchroon lopen met de systemen buiten de afdeling. Zonder de juiste maatregelen voor gegevensbeheer kunnen databases voor marketingautomatisering en klantenondersteuning gemakkelijk besmet raken met dubbele, onvolledige, onnauwkeurige of verouderde informatie over je klanten. En we weten allemaal uit eigen ervaring dat niets frustrerender is dan met de verkeerde naam aangesproken te worden, meerdere versies van dezelfde catalogus op de deurmat te vinden of tien keer dezelfde promotionele e-mail in de brievenbus te ontvangen.

Gegevenssets wijzigen Je heeft ongetwijfeld wel eens gehoord van de term Big Data. Maar geldt dit ook voor de termen Open Data en Linked Data?

Big Data verwijst naar het verwerken van één of meerdere datasets die de mogelijkheden van reguliere databasebeheersystemen te boven gaan. Open Data staat voor vrij toegankelijke informatie, waarbij licenties en gebruiksvoorwaarden de beschikbaarheidsvoorwaarden beschrijven. Het doel van open data is om beperkingen op hergebruik te minimaliseren. Linked Data is een digitale benadering voor het publiceren van gestructureerde gegevens, waardoor deze gemakkelijk online toegankelijk en bruikbaar worden.Deze nieuwe vormen van data openen een hele nieuwe wereld aan toepassingsmogelijkheden. Maar ze brengen ook nieuwe uitdagingen met zich mee op het gebied van data governance en datakwaliteit. Het is daarom belangrijk dat een organisatie snel een solide basis ontwerpt voor een Data Governance raamwerk voor de bestaande data en dit raamwerk implementeert voordat ze de kop opsteekt over het omgaan met deze nieuwe vormen van data vanuit een Data Governance perspectief. Je kunt immers niet verwachten dat je grote hoeveelheden verschillende data succesvol kunt combineren met bestaande data als je je data niet kunt begrijpen, laat staan ​​beheren.

Ten slotte blijft de hoeveelheid opgeslagen gegevens exponentieel groeien en is deze aan voortdurende verandering onderhevig. Dit zou de urgentie voor organisaties moeten vergroten om een ​​data governance raamwerk te implementeren. Want laten we eerlijk zijn: als je je data nog niet begrijpt en beheert, hoe verwacht je dat dan te kunnen doen met de huidige snelheid waarmee veranderingen plaatsvinden?