Het conceptuele datamodel verdient meer aandacht

Om de data van je bedrijf te modelleren, bouw je idealiter drie datamodellen op. Het eerste conceptuele informatiemodel bevat louter concepten uit je businessprocessen. Daarna bouw je een logisch model. Dat bevat nog altijd de concepten, maar ook al iets meer detail in velden en tabellen. Je definieert ook al iets duidelijker de relaties. In het derde model, het fysieke datamodel, modelleer je ten slotte de data technisch in de applicaties.

Wanneer je je data volgens bovenstaande werkwijze modelleert, kom je uit bij een fysieke datamodellering die matcht met de achterliggende businesslogica. Bij heel wat organisaties stemt het fysieke datamodel echter niet helemaal met die logica overeen, waardoor de businessmedewerkers de data minder makkelijk kunnen interpreteren, of in het slechtste geval zelfs helemaal niet kunnen gebruiken.

Hoe kan dat beter?

Soms stemt de manier waarop data fysiek is gemodelleerd niet goed overeen met de business realiteit, omdat het bedrijf een applicatie aankocht die onvoldoende – of helemaal niet – kan aangepast worden aan de logical die de business hanteert. Veel vaker is het probleem echter dat de organisatie niet de tijd heeft genomen om de juiste werkwijze te volgen. Ze dook meteen in de fysieke modellering, zonder eerst de context goed vast te leggen in conceptuele en logische modellen.

Hoe pak je dat beter aan? Wel, zie hierboven: vertrek vanuit de concepten, om zo via het logische model tot je fysieke modellen te komen. Het probleem is alleen dat je daarvoor eerst de definities van de concepten en hun onderlinge relaties vast moet leggen, zoals die binnen de organisatie gelden. Dat is doorgaans iets waar te weinig bedrijven bewust mee bezig zijn. Bovendien begrijpen niet alle businessmedewerkers de concepten altijd op dezelfde manier. Ze spreken niet dezelfde taal.

Pak de datamodellering daarom samen met je businessmedewerkers aan. Niet zozeer wanneer je de data fysiek modelleert, want dan wordt het al snel te technisch. Doe het wel bij het begin, wanneer je het conceptuele model uitwerkt.

Welke rol speelt zo’n conceptueel model?

Om te beginnen biedt het conceptuele model een raamwerk om tot een juiste logische en daarna ook tot een correcte fysieke modellering van je data te komen. En dat is dan weer belangrijk om te verzekeren dat de data met zo weinig mogelijk extra inspanningen geschikt is voor gebruik in allerlei verschillende business processen.

Maar ook in een latere fase is het conceptuele model erg nuttig. Het helpt bij een juiste interpretatie van data, samen met definities, en verzekert zo een juist gebruik. Neem nu bijvoorbeeld de concepten ‘klant’ en ‘prospect’. Mogelijk blijft iemand een ‘prospect’ zolang hij geen ‘bestelling’ plaatst, en is hij ‘klant’ zodra hij dat wel doet. Dit kan belangrijke gevolgen hebben. Want volgens de GDPR ga je met data van prospecten anders om dan met klantendata.

Het conceptuele model en de bijbehorende definities helpen om die zaken vast te leggen en aan medewerkers duidelijk te maken hoe de business werkt. Het conceptuele model vormt zo een krachtige tool binnen data governance.

Wil je er werk van maken?

Dan moeten je businessmedewerkers natuurlijk wel conceptueel kunnen modelleren, een vaardigheid die ze vandaag te vaak niet hebben. Voorzie daarom binnen een data governance project ook de ontwikkeling van de nodige vaardigheden rond datamodellering. Dat zal je businessmedewerkers laten bijdragen aan een beter begrip van de data én structueel betere data in de organisatie.

Benieuwd hoe we jouw organisatie op weg zetten naar het conceptuele datamodel?  Contacteer ons.

Benieuwd naar ons aanbod aan diensten? Klik hier.