• darkblurbg

Het Very High Datamodel is het haakje voor al uw Data Management activiteiten

Gepubliceerd op: 01-06-2018

Waarschijnlijk herkenbaar voor veel mensen met opgroeiende kinderen: een kamer bezaaid met kledingstukken, schoolspullen, schoenen, sportkleding,… Discussies over opruimen zijn eindeloos en lijken vergeefs. Waarom? Er ontbreekt een Very High Level Datamodel.

Alle stakeholders verstaan namelijk wat anders onder een opgeruimde kamer: Voor uw dochter betekent ’opgeruimd’ dat de deur van haar kamer nog open kan. Voor haar vader betekent het: kleren opgevouwen in de kast. Voor haar moeder betekent het een opgeruimd bureau. Voor haar zus betekent ‘opgeruimd’ dat ze meteen een uitgeleende jas terug kan vinden.        

Dit verschijnsel komen we ook veelvuldig tegen in onze werkomgeving. Het verklaart waarom er vaak verschillen bestaan tussen de marketing- en de salesrapportages. Waarom zo veel ICT projecten vertraging oplopen of zelfs mislukken. Waarom de integratie van verschillende klantbestanden of -systemen vaak moeizaam verloopt. In al deze gevallen is het hoog tijd dat het Very High Level Datamodel meer aandacht krijgt.

Een datamodel is een visuele weergave van de mensen, locaties en zaken die belangrijk zijn voor een organisatie. Het datamodel bestaat uit een verzameling symbolen waarmee concepten en de bijbehorende business rules worden weergegeven (Steve Hoberman et al.: Data Modeling for the Business).

Er zijn modellen die uiteindelijk de opbouw van een database weergeven (Fysiek Datamodel). Er bestaan daarnaast ook datamodellen die losstaan van de gekozen techniek (Logisch Datamodel) of modellen die alleen relaties weergeven tussen de belangrijkste data elementen (High Level Datamodel). Aan de basis van al deze meer gedetailleerde modellen staat het Very High Level Datamodel. Dit is maximaal één A4 met de kernconcepten van een organisatie die nauwkeurig omschreven zijn. Dat klinkt eenvoudig maar het opstellen van een dergelijk model kan complex zijn, zeker bij grotere, verkokerde organisaties.

Het ultieme doel van een Very High Level Datamodel is: communicatie en het uiteindelijke model is het resultaat van een iteratief proces. Aanvankelijk zal er weinig consensus zijn over de exacte definitie van een concept. Laten we het concept ‘klant’ als voorbeeld nemen: Voor Sales is dat een persoon die afgelopen 12 maanden een product heeft aangeschaft, voor Marketing is het iedereen die een account bij de organisatie heeft en voor Finance is het iemand die een factuur betaald heeft.

 

 

 Een deel van een Very High Datamodel

 

Hoe zijn al deze verschillende definities van een concept nu op en lijn te brengen?

  1. Start met een initieel Very High Level Datamodel.
  2. Ga vervolgens na voor welke groepen personen, projecten en applicaties de gebruikte termen van belang zijn.
  3. Breng de stakeholders bij elkaar.
  4. Vraag elke stakeholder aan de rest van de groep uit te leggen wat ze doen en start op basis daarvan de discussie over de inhoud van het betreffende concept.
  5. Leg de definities vast en maak ze beschikbaar voor de gehele organisatie
  6. Bepaal wie verantwoordelijk is voor het onderhoud en beheer van het Very High Level Datamodel

In veel gevallen zal men zich niet eens bewust zijn van de verschillen in definities. Dat is niet verwonderlijk omdat definities nooit opgeschreven zijn en de stakeholders elkaar wellicht nooit eerder gesproken hebben. Het uiteindelijke doel van de discussie is een gemeenschappelijke en gedeelde terminologie. Het Very High Level Datamodel moet daarbij balanceren tussen precisie (strikte definities) en flexibiliteit (voor iedereen begrijpelijk en toepasbaar).

Het bij elkaar brengen van al deze stakeholders per onderwerp lijkt een tijdrovend en omslachtig proces maar dat is het uiteindelijk niet. Het zal weliswaar enige tijd vergen voordat alle teamleden inzien dat organisaties kennissystemen zijn en dat het bouwen en gebruiken van gedeelde modellen sterk bijdraagt aan het succes van de organisatie. Er ontstaat immers een gemeenschappelijke context waarin betere beslissingen genomen kunnen worden die uiteindelijk tot meer succes zullen leiden.  

Zonder een Very High Level Datamodel bestaat het risico dat bij het opstellen van meer gedetailleerde datamodellen fouten en of misverstanden optreden. Met aanzienlijke projectvertragingen als gevolg. Maar dat is niet alles: Ook programma’s en projecten op het gebied van Master Data Management, Customer Data Integration, Enterprise Architecture en Data Warehousing vereisen een accuraat datamodel om succesvol te kunnen zijn. Daarmee is het Very High Level Datamodel het haakje waaraan u veel Data Management initiatieven ophangt.

Tot slot is een Very High Level Data Model een fantastisch hulpmiddel gebleken bij het doorvoeren van maatregelen in het kader van de General Data Protection Regulation (GDPR). Een zorgvuldig opgesteld Very High Level Datamodel en de daarvan afgeleide modellen tonen aan dat er binnen uw organisatie aan veel van de GDPR principes aandacht is geschonken: Transparantie, Data minimalisatie, Accuraatheid, Opslagbeperking, Integriteit, Vertrouwelijkheid en Accountability.

Het aftellen naar de invoerdatum van de GDPR hoeft intussen niet meer. Voor het opstellen van een Very High Level Datamodel is het echter nooit te laat.