In de loop der jaren heb ik gezien dat organisaties zwaar investeren in programma's voor datagovernance, in de verwachting dat een nieuw governanceplatform eindelijk orde zou brengen in hun dataomgeving. De logica is begrijpelijk. Als data moeilijk te vinden, te definiëren, te vertrouwen of te beheren is, dan zou een governanceplatform moeten helpen. Organisaties implementeren datacatalogi, wijzen data-eigenaren aan, stellen workflows voor databeheer in, maken bedrijfswoordenlijsten en ontwikkelen beleid voor privacy, beveiliging, compliance en gebruik.
Dit zijn allemaal belangrijke stappen. Maar op zichzelf zijn ze zelden voldoende.
De reden is eenvoudig: governance kan niet succesvol zijn wanneer deze losstaat van de architectuur die zij moet beheren.
Een bedrijfswoordenlijst kan een term definiëren, maar als die definitie niet is verbonden met de datamodellen, schema's, tabellen, kolommen en systemen waarin de data daadwerkelijk staat, blijft governance onvolledig. Een catalogus kan gebruikers helpen gegevensobjecten te ontdekken, maar als die gegevensobjecten niet zijn gekoppeld aan bedrijfsdefinities en gemodelleerde relaties, leidt ontdekking niet noodzakelijk tot vertrouwen. Een beleid kan beschrijven hoe gevoelige data moet worden behandeld, maar als dat beleid niet is verbonden met de structuren waarin gevoelige data wordt aangemaakt, getransformeerd en gebruikt, wordt handhaving moeilijk.
Daarom moeten datagovernance en data-architectuur samenwerken.
De sterkste organisaties beschouwen modellering, metagegevens, catalogisering, woordenlijsten en governance niet als afzonderlijke activiteiten. Ze verbinden deze tot een gedeelde enterprise-datafundament dat bedrijfs- en technische teams helpt om informatie in de hele organisatie te definiëren, te beheren en te vertrouwen.
De governancekloof die de meeste organisaties creëren
Veel governance-initiatieven beginnen met de juiste intenties. Teams maken woordenlijsten, documenteren eigenaarschap, definiëren beleid en catalogiseren data-assets, zodat mensen kunnen begrijpen welke informatie bestaat en hoe deze moet worden gebruikt.
De uitdaging ontstaat wanneer governance wordt losgekoppeld van de implementatie.
Een governanceteam kan een bedrijfsterm definiëren, zoals “polishouder”, “claim”, “asset” of “netto-omzet”. Een data-architectuurteam kan deze concepten modelleren in applicaties, datawarehouses, lakehouses en rapportageomgevingen. Analyseteams kunnen dashboards maken met gerelateerde velden, terwijl applicatieteams wijzigingen blijven aanbrengen in operationele systemen.
Wanneer deze groepen in niet-verbonden tools werken, gaan definities uiteenlopen.
De woordenlijst zegt het ene. Het model zegt iets anders. De database weerspiegelt een derde interpretatie. Rapporten en dashboards kunnen aanvullende aannames introduceren die nooit worden teruggekoppeld aan de oorspronkelijke bedrijfsdefinitie.
Zo krijgen organisaties governanceprogramma's die er op papier sterk uitzien, maar in de praktijk moeilijkheden ondervinden. Ze hebben documentatie, maar geen afstemming. Ze hebben beleid, maar geen traceerbaarheid. Ze hebben catalogi, maar niet altijd de architecturale context die nodig is om te begrijpen hoe data is gestructureerd, aan elkaar gerelateerd en geïmplementeerd.
Governance mislukt niet omdat de organisatie te weinig moeite doet. Governance mislukt omdat het governance-ecosysteem gefragmenteerd is.
Waarom datamodellen essentieel zijn voor governance
Datamodellen spelen een cruciale rol in governance, omdat ze de structuren en relaties definiëren die governanceprogramma's moeten begrijpen.
Een bedrijfswoordenlijst kan definiëren wat een term betekent, maar een datamodel laat zien hoe dat concept in verschillende systemen wordt weergegeven. Het verbindt bedrijfsdefinities met entiteiten, attributen, relaties, sleutels, regels en fysieke implementaties. Zonder die verbinding kunnen governanceteams weten wat een term in theorie betekent, maar geen inzicht hebben in hoe die term in de praktijk is geïmplementeerd.
Dit onderscheid is belangrijk, omdat enterprise-dataomgevingen complex zijn. Eén bedrijfsconcept kan voorkomen in veel applicaties, databases, rapportagesystemen en analyseplatforms. Het kan onder verschillende namen worden opgeslagen, met verschillende relaties worden gemodelleerd en door verschillend beleid worden beheerd, afhankelijk van de plaats waar het voorkomt.
Enterprise-datamodellering helpt organisaties om een gedeeld overzicht van die complexiteit te creëren. Het biedt governanceteams een manier om niet alleen te begrijpen welke data bestaat, maar ook hoe deze is gestructureerd, hoe deze zich verhoudt tot andere data en hoe wijzigingen gevolgen kunnen hebben voor downstreamsystemen.
Daar wordt governance operationeel.
In plaats van termen en beleid afzonderlijk van de technische implementatie te beheren, kunnen organisaties betekenis rechtstreeks verbinden met de architectuur.
[Afbeelding "CTO_Club_Governance_image1" hier invoegen]
Bijschrift: Belangrijke pijlers van governance
De rol van de datacatalogus en bedrijfswoordenlijst
Om governance op schaal te laten werken, hebben organisaties zowel technische zichtbaarheid als bedrijfsbetekenis nodig.
Hier worden de mogelijkheden van de datacatalogus en bedrijfswoordenlijst van ER/Studio bijzonder belangrijk.
De Enterprise-gegevenscatalogus van ER/Studio biedt een beheerd en doorzoekbaar register voor modellen, schema's, attributen en bedrijfstermen. Hiermee kunnen teams betrouwbare gegevensassets ontdekken, technische metagegevens begrijpen en deze assets koppelen aan bedrijfsdefinities. In plaats van gebruikers te dwingen te zoeken in niet-verbonden modellen, spreadsheets en documentatie, biedt de catalogus teams een gecentraliseerde manier om te begrijpen welke gegevens bestaan en hoe deze moeten worden gebruikt.
De zakelijke woordenlijst voegt de bedrijfscontext toe die technische metagegevens alleen niet kunnen bieden. Organisaties kunnen hiermee bedrijfstermen definiëren, beheren en koppelen aan technische assets, zodat teams binnen verschillende domeinen dezelfde taal spreken. Dit helpt dubbelzinnigheid te verminderen, de samenwerking tussen de business en IT te verbeteren en ervoor te zorgen dat governance-standaarden worden versterkt door de manier waarop gegevens worden gemodelleerd en gebruikt.
Samen helpen de gegevenscatalogus en de zakelijke woordenlijst een van de meest hardnekkige governanceproblemen op te lossen: de kloof tussen technische assets en zakelijk inzicht.
Een tabelnaam kan een data-engineer vertellen waar informatie is opgeslagen. Een kolomnaam kan een aanwijzing geven over wat die informatie bevat. Maar governance vereist meer dan aanwijzingen. Er zijn goedgekeurde definities, eigenaarschap, classificaties, relaties en beleidsregels nodig die zowel zakelijke als technische gebruikers kunnen begrijpen.
Door gecatalogiseerde assets te verbinden met beheerde bedrijfstermen helpt ER/Studio organisaties om metagegevens om te zetten in gedeelde betekenis.
Waarom de integratie van Purview en Collibra belangrijk is
Veel ondernemingen gebruiken Microsoft Purview of Collibra al als centrale onderdelen van hun governancestrategie. Daarom is integratie met deze platforms essentieel.
De uitdaging is dat governanceplatforms en datamodelleringsplatforms zich vaak in verschillende delen van de organisatie bevinden. Governanceteams werken mogelijk in Purview of Collibra, terwijl data-architecten in modelleeromgevingen werken. Als deze tools niet gesynchroniseerd blijven, ontstaan er snel hiaten in de metagegevens.
ER/Studio pakt dit probleem aan via native integratie met zowel Microsoft Purview als Collibra, waardoor organisaties data-architectuur rechtstreeks kunnen verbinden met programma's voor enterprise governance. ER/Studio beschrijft dit als een belangrijk concurrentievoordeel en stelt dat het het enige enterprise-datamodelleringsplatform is met native integratie van Microsoft Purview en Collibra.
Met de integratie van Microsoft Purview kunnen organisaties logische en fysieke datamodellen publiceren naar Purview, datamodellen synchroniseren, Purview-woordenlijsttermen koppelen aan ER/Studio-modellen en gestandaardiseerde definities verbinden tussen databases, cloudopslag en BI-tools. Hierdoor kan modelcontext worden uitgebreid naar de bredere governanceomgeving, zodat metagegevens, definities en herkomst niet geïsoleerd raken binnen afzonderlijke platforms.
Met de integratie van Collibra kan ER/Studio metagegevens en schemadefinities synchroniseren met de Collibra-gegevenscatalogus, ER/Studio-entiteiten koppelen aan zakelijke termen van Collibra, governanceworkflows ondersteunen en context op modelniveau bieden aan zakelijke en technische gebruikers. Dit helpt dubbelzinnigheid te verminderen door beheerde termen rechtstreeks te verbinden met de modellen en structuren waarin ze worden geïmplementeerd.
Deze integraties zijn belangrijk omdat ze het handmatige werk verminderen waardoor governanceprogramma's vaak achterop raken. Wanneer teams afhankelijk zijn van exports, spreadsheets of periodieke handmatige updates, raken metagegevens snel verouderd. Naarmate systemen zich ontwikkelen, weerspiegelt de governancedocumentatie niet langer wat daadwerkelijk is geïmplementeerd.
Native integratie helpt die kloof te dichten.
Een governanceworkflow in de praktijk
Om te begrijpen waarom het verbinden van architectuur en governance belangrijk is, bekijken we een veelvoorkomend scenario.
Een financiële dienstverlener lanceert een nieuwe applicatie voor het onboarden van klanten. Voordat de ontwikkeling begint, maakt het data-architectuurteam in ER/Studio een logisch datamodel op ondernemingsniveau dat de belangrijkste bedrijfsconcepten definieert die de applicatie zal gebruiken, waaronder Klant, Rekening, Product en Risicoprofiel. In plaats van elk projectteam deze concepten onafhankelijk te laten interpreteren, legt het model een gemeenschappelijke semantische basis vast die kan worden hergebruikt voor applicaties, analyses, governance- en AI-initiatieven.
Naarmate het logische model verder wordt verfijnd, standaardiseert het gegevenswoordenboek op ondernemingsniveau van ER/Studio naamgevingsconventies, herbruikbare domeinen en goedgekeurde gegevensdefinities. Dit helpt ervoor te zorgen dat dezelfde bedrijfsconcepten consistent worden weergegeven in verschillende projecten, in plaats van opnieuw te worden gecreëerd met iets andere namen of betekenissen.
Het governanceteam bouwt vervolgens voort op dat werk met de zakelijke woordenlijst van ER/Studio. Bedrijfstermen worden rechtstreeks gekoppeld aan de entiteiten en attributen binnen het ondernemingsmodel, zodat zakelijke gebruikers, data stewards en architecten met dezelfde goedgekeurde definities werken. In plaats van afzonderlijke documentatie te onderhouden, blijven governance-assets verbonden met de architectuur die ze beschrijven.
Zodra het logische model is goedgekeurd, genereren architecten de fysieke modellen die de implementatie ondersteunen, terwijl de traceerbaarheid naar de ondernemingsdefinities behouden blijft. Deze modellen worden, samen met de bijbehorende metagegevens en woordenlijsttermen, vindbaar via de gegevenscatalogus van ER/Studio, waardoor zowel technische als zakelijke gebruikers een beheerd beeld van ondernemingsinformatie krijgen.
Omdat veel organisaties al afhankelijk zijn van enterprise-governanceplatforms, breidt ER/Studio deze workflow uit tot buiten de eigen omgeving. Modelmetagegevens, woordenlijsttermen en technische definities kunnen worden gesynchroniseerd met Microsoft Purview en Collibra, zodat governanceteams kunnen blijven werken binnen de platforms die ze al gebruiken en tegelijkertijd afgestemd blijven op de onderliggende enterprise-architectuur.
Maanden later verandert een nieuwe wettelijke vereiste de manier waarop risicoclassificaties van klanten moeten worden vastgelegd.
In plaats van documentatie in meerdere systemen handmatig te controleren, werkt de data-architect het ondernemingsmodel bij in ER/Studio en gebruikt hij Impact Analysis om de downstreamapplicaties, databases, rapporten en beheerde assets te identificeren die door de wijziging worden beïnvloed. De herziene bedrijfsdefinities blijven gekoppeld via de Business Glossary, terwijl gesynchroniseerde metadata ervoor zorgt dat Microsoft Purview en Collibra de bijgewerkte architectuur blijven weerspiegelen.
In plaats van architectuur en governance als afzonderlijke activiteiten te behandelen, houdt deze workflow ondernemingsmodellen, metadata, bedrijfsdefinities en governanceplatforms gedurende de hele levenscyclus van gegevens gesynchroniseerd. Het resultaat is een governanceprogramma dat zich samen met de organisatie ontwikkelt, in plaats van voortdurend te proberen de ontwikkelingen bij te benen.
Governance verbinden met de volledige levenscyclus van gegevens
Een complete oplossing voor ondernemingsgegevens vereist meer dan het catalogiseren van wat al bestaat. Het vereist ook dat gegevens worden beheerd terwijl ze worden ontworpen, gewijzigd, geïmplementeerd en gebruikt.
Hier wordt de combinatie van de modelleermogelijkheden van ER/Studio, Data Catalog, Business Glossary en integraties met governanceplatforms bijzonder waardevol.
Data-architecten kunnen logische en fysieke modellen definiëren die zowel de bedrijfsbetekenis als de technische implementatie weerspiegelen. Governanceteams kunnen bedrijfstermen, verantwoordelijkheden voor gegevensbeheer, classificaties en beleidsregels aan die modellen koppelen. Gebruikers van de catalogus kunnen assets ontdekken met zowel technische als bedrijfscontext. Gebruikers van Purview en Collibra hebben toegang tot gesynchroniseerde metadata en woordenlijstinformatie binnen de governanceplatforms die ze al gebruiken.
Dankzij die verbonden levenscyclus kunnen organisaties overstappen van reactieve naar proactieve governance.
In plaats van governanceproblemen pas te ontdekken nadat systemen al zijn geïmplementeerd, kunnen teams deze tijdens het ontwerp aanpakken. Gevoelige gegevens kunnen eerder worden geïdentificeerd. Bedrijfstermen kunnen vóór de implementatie aan gemodelleerde assets worden gekoppeld. Naamgevingsstandaarden en modelleerconventies kunnen consistent worden afgedwongen. Wijzigingen kunnen worden beoordeeld op hun impact op downstreamsystemen voordat ze problemen veroorzaken in rapporten, pijplijnen of governanceworkflows.
Dit is belangrijk omdat governance geen eenmalige documentatieoefening is. Het is een doorlopende discipline die zich moet ontwikkelen naarmate de organisatie verandert.
Wanneer governance met data-architectuur is verbonden, krijgen organisaties een duidelijker beeld van hoe definities, modellen, metadata, beleidsregels en systemen in de loop der tijd veranderen.
Waarom dit belangrijk is voor AI-gereedheid
De opkomst van AI heeft de relatie tussen architectuur en governance nog belangrijker gemaakt.
AI-systemen zijn afhankelijk van context. Ze hebben definities, metadata, relaties, herkomst, eigenaarschap, classificaties en bedrijfsregels nodig om betrouwbare en uitlegbare resultaten te genereren. Wanneer governance en architectuur niet met elkaar verbonden zijn, nemen AI-systemen dezelfde inconsistenties over die analisten, gegevensbeheerders en bedrijfsleiders al lange tijd frustreren.
Als een bedrijfsterm in een woordenlijst is gedefinieerd maar niet is verbonden met de fysieke gegevens die deze term vertegenwoordigen, weet een AI-systeem mogelijk niet welke tabel of kolom moet worden gebruikt. Als meerdere systemen hetzelfde concept op verschillende manieren implementeren, kan AI tegenstrijdige antwoorden geven. Als metadata verouderd is, kan AI zijn antwoord baseren op verouderde context.
Daarom is AI-gereedheid niet alleen een uitdaging op het gebied van datawetenschap of infrastructuur. Het is ook een governance- en architectuuruitdaging.
Organisaties die ondernemingsdatamodellen, bedrijfswoordenlijsten, datacatalogi en governanceplatforms met elkaar verbinden, zijn beter in staat om AI-systemen van betrouwbare context te voorzien. Ze kunnen bedrijfsbetekenis eenmalig definiëren, deze aan de technische implementatie koppelen, met governancehulpmiddelen synchroniseren en hergebruiken voor analyses, rapportages en AI-initiatieven.
Dat is de basis die betrouwbare AI nodig heeft.
Wat succesvolle organisaties anders doen
Succesvolle organisaties erkennen dat governance niet simpelweg om controle draait. Het gaat om het creëren van vertrouwen in gegevens.
Ze erkennen ook dat vertrouwen afhankelijk is van afstemming. Bedrijfsgebruikers hebben definities nodig waarop ze kunnen vertrouwen. Data-architecten hebben modellen nodig die deze definities weerspiegelen. Governanceteams hebben beleidsregels nodig die aan echte assets zijn gekoppeld. Analisten hebben catalogi nodig die zowel technische metadata als bedrijfscontext tonen. AI-systemen hebben machineleesbare betekenis nodig die consistent is binnen de hele organisatie.
Deze organisaties vragen governanceteams niet om één versie van de waarheid te onderhouden terwijl architectuurteams een andere versie onderhouden. Ze creëren een geïntegreerd ecosysteem waarin modellen, woordenlijsten, catalogi, metadata en governanceplatforms elkaar versterken.
ER/Studio ondersteunt deze aanpak door modellering van ondernemingsgegevens, een Data Catalog, een Business Glossary, op rollen gebaseerde toegangscontroles, geautomatiseerde documentatie, handhaving van standaarden en native integraties met Microsoft Purview en Collibra te combineren. Hierdoor krijgen organisaties een completere manier om bedrijfsbetekenis, technisch ontwerp en governance-uitvoering met elkaar te verbinden vanuit één fundament voor data-architectuur.
Het resultaat is niet alleen betere documentatie. Het is een sterker operationeel model voor ondernemingsgegevens.
[Voeg hier de afbeelding "CTO_Club_Governance_image2" in]
Bijschrift: Waarom enterprisegegevensbeheer faalt
Een complete enterprisegegevensbasis opbouwen
Moderne dataomgevingen zijn te complex voor niet-verbonden gegevensbeheer.
Organisaties beheren operationele databases, cloudplatforms, datawarehouses, lakehouses, analysetools, BI-systemen, catalogi voor gegevensbeheer en AI-toepassingen. Elke omgeving introduceert eigen metagegevens, terminologie, structuren en beleidsregels. Zonder een geïntegreerde aanpak kunnen zelfs goedbedoelde programma's voor gegevensbeheer een nieuwe silo worden.
Een complete enterprisegegevensbasis brengt deze onderdelen samen.
Datamodellen definiëren structuur en relaties. De bedrijfsbegrippenlijst definieert goedgekeurde bedrijfsbetekenissen. De datacatalogus maakt beheerde assets vindbaar. Integraties met Microsoft Purview en Collibra breiden die context uit naar workflows voor enterprisegegevensbeheer. Rolgebaseerde toegangscontroles en standaarden helpen ervoor te zorgen dat de juiste mensen de juiste assets op de juiste manier kunnen beheren.
Wanneer deze mogelijkheden samenwerken, krijgen organisaties de mogelijkheid om gegevens van ontwerp tot gebruik te beheren.
Ze kunnen begrijpen wat gegevens betekenen, waar ze zich bevinden, hoe ze zijn gestructureerd, wie de eigenaar is, hoe ze zijn geclassificeerd, hoe ze veranderen en hoe ze verbonden zijn met downstreamsystemen. Dat niveau van inzicht is essentieel voor compliance, modernisering, analyse en AI.
Het zorgt er ook voor dat gegevensbeheer een zakelijke katalysator wordt in plaats van een documentatielast.
De toekomst van gegevensbeheer is verbonden
De volgende generatie gegevensbeheer zal niet worden bepaald door zelfstandige catalogi, niet-verbonden begrippenlijsten of geïsoleerde beleidsopslagplaatsen. De bepalende factor wordt de doeltreffendheid waarmee organisaties gegevensbeheer verbinden met de architectuur van hun gegevens.
Gegevensbeheer zonder architectuur mist implementatiecontext. Architectuur zonder gegevensbeheer mist vertrouwen, verantwoordingsplicht en controle. Datacatalogi zonder bedrijfsbegrippenlijsten kunnen laten zien wat er bestaat, maar niet altijd wat het betekent. Bedrijfsbegrippenlijsten zonder modelintegratie kunnen termen definiëren, maar ze niet altijd verbinden met echte systemen.
De sterkste organisaties brengen deze disciplines samen.
Daarom is de combinatie van enterprisegegevensmodellering, datacatalogus, bedrijfsbegrippenlijst en native integraties met Microsoft Purview en Collibra van ER/Studio belangrijk. Deze combinatie helpt organisaties een beheerde gegevensarchitectuur te creëren waarin bedrijfsbetekenis, metagegevens, modellen, beleidsregels en implementatie op elkaar afgestemd blijven.
Naarmate dataomgevingen meer gedistribueerd raken en AI dieper wordt geïntegreerd in besluitvorming, zal die afstemming alleen maar belangrijker worden.
De organisaties die succesvol zijn, zullen niet degenen zijn met de meeste artefacten voor gegevensbeheer. Het zullen de organisaties zijn die gegevensbeheer verbinden met de manier waarop gegevens daadwerkelijk worden ontworpen, beheerd en gebruikt.
Meer informatie over ER/Studio.
Vertrouwd door:
