Blog
Data Governance
Kiezen voor een data mesh? Dit moet je weten.
Overweeg je om in je organisatie een data mesh te introduceren? Op papier biedt dat zeker voordelen, zoals een transparant eigenaarschap van data. Maar het vereist veel meer dan louter de juiste tools en data-architectuur. En om er echt een succes van te maken, blijven er heel wat randvoorwaarden te vervullen.
Zeker, je zal moeten sleutelen aan tools en data-architectuur. Maar om tot een geslaagde data mesh te komen, moet je ook een business domain driven organisatie op touw zetten: een organisatie waarin je teams opbouwt met business- en technische mensen die binnen één businessdomein samenwerken. Ook je processen en mensen moeten dus mee veranderen. Los daarvan blijven er ook nog wel wat praktische bezwaren tussen droom en daad.
Wat is een data mesh?
Een data mesh bestaat uit vier sleutelcomponenten.
- Ten eerste beschouw je data als een product. Daarmee bedoelen we dat je kritieke data-assets, zoals analytische, operationele en klantgerichte data, zodanig definieert dat ze binnen elk businessdomein waarde creëren.
- Het ownership van de dataproducten ligt vooral in de businessdomeinen zelf. In theorie is het dus erg eenvoudig: je domein heeft dataproducten en jij bent er zelf verantwoordelijk voor.
- Data mesh is erg gericht op selfservice. Wanneer je data wilt gebruiken, trek je bij manier van spreken de juiste lade open, haal je de data eruit en ga je ermee aan de slag.
- Ten slotte steunt data mesh erg op de interoperabiliteit en standaardisatie van data, wat op zich heel veel zaken mogelijk maakt.
De praktijk blijkt anders
Dataproducten moeten aan de erg duidelijke DATSIS-criteria voldoen. Ze moeten Discoverable, Adressable, Trustworthy, Self-describing, Interoperable en Secure zijn. Dat is al erg moeilijk te bereiken in een klassieke organisatie, en dat is in een data mesh niet anders.
Om te beginnen, moeten je businessdomeinteams over voldoende datamaturiteit beschikken. Ze moeten de nodige kennis en competenties hebben om de DATSIS-principes te realiseren. Die skills en knowhow moet een organisatie sowieso eerst opbouwen, voor ze op een data mesh overstapt.
Geen overlappingen, niet te veel fragmentatie
De dataplatformen mogen ook niet te gefragmenteerd zijn. Anders is de kans groot dat de data in elke applicatie anders gemodelleerd zijn en vergt het heel veel inspanning om de data te standaardiseren. Vandaar dat erg grote organisaties vaak niet staan te springen om op een data mesh over te stappen. Ze moeten niet alleen grondig herstructureren, maar ook hun data standaardiseren: zonder voorafgaande ervaring is dat een lastige uitdaging.
Bovendien kom je maar echt tot een data mesh als je dataproducten elkaar niet overlappen over de verschillende businessdomeinen heen. In de praktijk is dat vaak niet evident. Het gevolg? Je beheert de dataproducten toch centraal, of je definieert ook datadomeinen die niet helemaal overeenstemmen met je businessdomeinen. Zo kan het in principe wel. Alleen: waarom kies je dan nog voor een data mesh?
Iedereen moet mee
We zeiden het al: data mesh gaat veel meer over de organisatie, processen en cultuur, dan over technologie. Het gaat om een ingrijpende verandering, waarbij iedereen binnen de organisatie moet mee zijn. Zie je dat haalbaar? En zitten alle randvoorwaarden goed? Ga er dan zeker voor!
Ben je een start-up, niet gehinderd door legacy en ingesleten procedures? Dan lukt het mogelijk meteen om een data mesh neer te zetten.
Draagt je organisatie wel heel wat legacy mee? Heb je weinig impact op de datacultuur en processen in je organisatie? Krijg je niet iedereen mee in de change? Zijn de randvoorwaarden niet vervuld? Begin er dan (nog) niet aan. Focus eerst op data governance en datacultuur, en bereid je organisatie zo stap voor stap voor op een data mesh.
Een data mesh introduceren of toch eerst werk maken van data governance? Contacteer ons.
Ben je benieuwd naar onze diensten? Ontdek ze hier.