Eén versie van de waarheid, een utopie?
Eén versie van de waarheid creëren is niet eenvoudig en wellicht onmogelijk. Eén versie van de waarheid bestaat alleen gezien door de ogen van de afnemer. Zo kan een persoon worden gezien als een debiteur of crediteur door de afdeling financiën, gezien worden als prospect door de afdeling Marketing, gezien worden als werknemer door de afdeling Personeel & Organisatie, gezien worden als klant door de afdeling Verkoop en gezien worden als crimineel door de afdeling Fraude.
Indien wordt getracht hiervoor een eenduidig datamodel op te stellen, dat fungeert als de waarheid, dan begrijp je hier het dilemma en de discussies dat dat met zich gaat mee gaat brengen. Veel bloed, zweet en tranen die uiteindelijk leiden tot zeer lange doorlooptijden en uitmonden in een implementatie illusie. Kortom een organisatiebreed datamodel, ook wel bekend als een enterprise datamodel, en als ‘één versie van de waarheid’, is voor zover mij bekend nog nooit iemand gelukt. Dit komt omdat er mijns inziens niet een absolute waarheid bestaat. Wat volgens mij wel bestaat is één versie van de feiten in combinatie met meerdere versies van de waarheid en dit gefaciliteerd middels een canonisch model met van nature eenduidige gegevens.
Eén versie van feiten via een canonisch model vanuit de datahub
Men kan wel een persoon als individu zonder een rol eenduidig modelleren, maar zodra de contexten klant, werknemer, prospect, debiteur, crediteur en crimineel wordt meegenomen dan wordt een datamodel al snel diffuus, moeilijk te interpreteren en weinig bruikbaar voor alle afzonderlijke afnemers.
Het is wel zeer bruikbaar voor een organisatie om voor objecten als persoon, organisatie, contract en product een eenduidig model te maken en de relaties tussen deze objecten vast te leggen zonder al teveel details. Zodra een discussie begint om een detail daarin wel of niet mee te nemen, laat het dan gewoon weg. Wat overblijft is een van nature eenduidig model, het zogenaamde minimaal canonisch model. Dit canonisch model wordt gemaakt op basis van de datahub en kan worden gezien als het centrale data warehouse. Dit model hoeft niet meteen te worden gemaakt, het zal gaan evolueren in de tijd en kan achteraf prima worden gerealiseerd. De specifieke datamodellen met de contexten prospect, debiteur en crimineel worden dan specifiek gemaakt voor de betreffende afnemer binnen hun omgeving. Dit worden de ‘datamarts’ genoemd en al die datamarts hoeven echt niet met elkaar overeen te komen en vanuit één waarheid te worden gerealiseerd.
Om dat soort uitdagingen op te lossen maken bedrijven gebruik van onze expertises op het gebied van data. Informatiemanagement is bijvoorbeeld een discipline voor het structureren, beschrijven en besturen van informatie-assets over organisatorische en technologische grenzen heen. Informatiemanagement is bedoeld om de efficiëntie te verbeteren, transparantie te bevorderen en bedrijfsinzicht mogelijk te maken.
Ook educatie speelt een grote rol om te blijven focussen op de businesscase van business intelligence. Vooral pragmatisch blijven bij het toepassen van intelligence applicaties, begrijpen dat er geen eenduidige waarheid bestaat voor de hele organisatie, maar per context per afnemer een eenduidige waarheid makkelijker te bereiken is. Education & knowledge management is daarom een belangrijke expertise die we leveren. Het gaat daarbij vaak om het onderling maken van goede afspraken in begrijpelijke taal en de begrippen één versie van de feiten en meerdere versies van de waarheid pragmatisch toe te passen.
Bruikbare informatie halen uit data
Data transformeren naar businesswaarde kan alleen als het proces van datamanagement en informatiemanagement pragmatisch wordt toegepast. Het flexibel kunnen schakelen tussen datahub, datawarehouse en datamarts voor het realiseren, beheren en modificeren van intelligence systemen en het kunnen interpreteren van data voor intelligence is dan een vereiste. Data (dus ook informatie) stoppen immers nooit en zijn bedoeld om nieuwe inzichten en/of nieuwe waarheden te ontwikkelen waar iedereen binnen de organisatie op zijn of haar eigen manier van kan profiteren.
Ontdek waar de meeste organisaties tegenaan lopen, bekijk deze video!
In mijn volgende blog diverse zal ik oplossingen benoemen die helpen om concrete inzichten uit de data te halen. Ik beloof alvast dat ik het niet (te) technisch maak!
Michael Doves.