FAIR: vlot op weg met dataprincipes

In onze vorige blogposts hebben we het al regelmatig over agile data governance gehad. We hebben de verschillen met de klassieke benadering van data governance in kaart gebracht en uitvoerig geargumenteerd waarom wij overtuigd zijn van de voordelen van agile data governance. Toch is er een specifiek element waar we ook bij een uitermate agile aanpak van data governance niet omheen kunnen: werken met dataprincipes.

Richtlijnen

Als je voor een agile benadering van data governance kiest, zijn strak afgelijnde dataprincipes niet het eerste waar we aan denken. Toch zijn ze nuttig. Het zijn niet noodzakelijk principes die in steen gebeiteld staan, maar die onder de vorm van richtlijnen helpen om discussies en keuzes te kaderen en doorheen het traject consistent te houden. Beschouw ze daarom eerder als een leidraad.

Wat je zelf doet, doe je beter. Dat klopt heel vaak, ook in de context van data governance. Wanneer het over dataprincipes gaat, is het echter helemaal niet nodig om het wiel opnieuw uit te vinden. Er bestaan al wel wat raamwerken die meteen inzetbaar zijn, en er is wetgeving zoals GDPR bijvoorbeeld, dat een reeks principes bevat met betrekking tot de bescherming van persoonsgegevens.

De FAIR principes

Agile data governance heeft voor QuaData een duidelijk doel. We willen het organisaties makkelijker maken om waarde te realiseren. Een voorbeeld van dataprincipes die we daarbij hanteren, hebben we ontleend aan FAIR: een set principes die populair is onder wetenschappers. Het zijn principes om het gebruik van data in een wetenschappelijke context te stroomlijnen. Maar evengoed kunnen ze gebruikt worden voor bedrijfsactiviteiten.

De omschrijving ‘FAIR data’ staat daarbij voor data die findable, accessible, interoperable en reusable zijn. Door die principes als uitgangspunt te nemen voor de dataprincipes van je bedrijf, vertrek je als organisatie alvast niet van een wit blad. Het is een kleine set van makkelijk begrijpbare principes – eigenlijk spreken ze voor zich – die toelaat om rond de verdere ontwikkeling van dataprincipes snel de eerste stappen te zetten.

Findable

Data moeten vindbaar zijn. Dat lijkt vanzelfsprekend, maar is het in de praktijk lang niet altijd. Naarmate een organisatie over meer en complexere data beschikken en die data zich verspreid bevinden over uiteenlopende bronnen, kan hun vindbaarheid afnemen.

Accessible

Data moeten beschikbaar en toegankelijk zijn. Wie met data werkt, moet soms vaststellen dat de gewenste data niet zomaar uit een operationeel systeem te halen zijn. Centraal databeheer in een data warehouse of data lake heeft het probleem van de toegankelijkheid grotendeels opgelost, al blijft het toch nog vaak een aandachtspunt.

Interoperable

Data moeten integreerbaar en bruikbaar zijn, ook met applicaties en workflows waarvoor ze oorspronkelijk niet bedoeld waren. Aandacht voor interoperabiliteit vermijdt onder meer de nood aan het herstructureren van data bij elk nieuw, onvoorzien gebruik van de data.

Reusable

De herbruikbaarheid van data is wellicht de belangrijkste doelstelling van de FAIR-principes. Het vereist een heldere, eenduidige definitie van de data – en alle bijhorende metadata – zodat die in elke context dezelfde betekenis behouden.

De drempel verlagen

De FAIR-principes bieden een eenvoudig raamwerk waar een organisatie heel concreet mee aan de slag kan gaan. Waarde halen uit data lukt best wanneer we de drempel voor dataprojecten zo laag mogelijk houden. De FAIR-principes dragen daartoe bij.

Beschouw de dataprincipes daarom niet als harde policies, maar als nuttige, concreet inzetbare richtlijnen. Met FAIR als basis kan een organisatie zo makkelijk haar eigen afspraken vorm geven. Je dataprincipes fungeren daarbij niet zozeer als een staalharde wet, maar wel als de praktische toetssteen voor concrete dataprojecten.

Wil je weten over hoe je FAIR toepast in jouw concrete context?je hierover eens sparren met ons? Contacteer ons.

Ben je benieuwd naar onze aanpak? Ontdek het hier.