Grip op data: pleidooi voor inrichting van een Digital Operating Model en uniforme dataprocessen

Transcriptie

1 Grip op data: pleidooi voor inrichting van een Digital Operating Model en uniforme dataprocessen Wat is nodig om betrouwbare data te kunnen leveren en gebruiken? 21

2 Pleidooi voor de inrichting van een Digital Operating Model en uniforme dataprocessen Highlights In een wereld die steeds digitaler wordt, wordt data steeds belangrijker en omvangrijker. Het mes snijdt voor de overheid aan twee kanten: aan de ene kant biedt alle nieuwe data nieuwe mogelijkheden. Denk bijvoorbeeld aan opsporing. Uit het Trends in Veiligheid 2012 onderzoek van Capgemini, uitgevoerd door TNS NIPO, blijkt dat driekwart van de Nederlandse bevolking denkt dat de steeds toenemende hoeveelheid informatie die via internet, social media en het koppelen van bestanden beschikbaar komt, van invloed is op de opsporingskansen van criminaliteit. Aan de andere kant is de overheid een van de dataleveranciers. Overheden wisselen onderling gegevens uit, zoals binnen de strafrechtketen en vreemdelingenketen, maar delen ook informatie via websites. Met de open datarichtlijnen zal de rol van overheid als leverancier alleen maar verder toenemen. Voor de overheid, zowel als consument of leverancier van data, geldt de vraag: hoe zorg je als overheid ervoor dat de data die je gebruikt en levert betrouwbaar is? Binnen het domein van veiligheid en justitie is er ruime ervaring met het delen van gegevens binnen de ketens. En ook met de moeilijkheid om dit op een efficiënte manier te doen, zoals blijkt uit het programma Versterking Prestaties in de Strafrechtketen, waaronder in 2013 tal van maatregelen en nieuwe werkwijzen worden doorgevoerd die moeten leiden tot kortere doorlooptijden, minder uitval en een kwalitatief betere afdoening van zaken. Verbetering van de ketens betekent dat er steeds meer geïntegreerd wordt gewerkt: van het denken in losse taken naar denken in het functioneren van processen. Dit heeft invloed op de omgang met data, omdat veel intensie- ver gegevens worden uitgewisseld tussen taken, processen en organisaties. Dit stelt eisen aan de data. Een van de belangrijkste eisen aan data is dat deze betrouwbaar is. Hergebruik van gegevens in een keten vraagt dat de data juist is, dat deze bruikbaar is voor alle partijen en dat met een gegeven door alle partijen hetzelfde wordt bedoeld (= ontologie, zie tevens artikel Big data in de opsporing: nu pompen om niet te verzuipen). Wanneer is data betrouwbaar? Betrouwbaarheid is een subjectief begrip. Het hangt af van het doel waarvoor een gegeven wordt gebruikt hoe de betrouwbaarheid wordt ervaren. Door te spreken over onbetwiste data, kan grip worden verkregen op de betrouwbaarheid van data. Data is onbetwist als de bruikbaarheid ervan voor een bepaald doel steeds eenduidig is vast te stellen, en wel zo, dat alle betrokkenen het over de bruikbaarheid eens zijn. Onbetwistheid doet dus geen uitspraak of de kwaliteit van data passend is. Maar wel of de kwaliteit bekend is: de betrouwbaar is dan te bepalen doordat bekend is aan welke kwaliteitseisen de data voldoet en vervolgens te bepalen of dit past bij het doel waarvoor de data zal worden gebruikt. Om ervoor te zorgen dat data onbetwist wordt, moet aan een aantal voorwaarden worden voldaan: Alle geregistreerde gegevens zijn volledig beschreven, de betekenis ervan en de toegevoegde waarde voor de gebruiker zijn eenduidig en bekend. Hiermee wordt discussie over de betekenis van een registratie voorkomen en is het mogelijk gegevens binnen een keten uit te wisselen. Een gegeven is een keer geregistreerd: dubbele registraties leiden Samenwerking in ketens vereist betrouwbare data, hiertoe dient data onbetwist te zijn. Een Digital Operating Model schept de randvoorwaarden om onbetwiste data te kunnen realiseren, onder andere door de inrichting van data governance. Uniforme dataprocessen resulteren in grip op het gebruik van data, van zowel interne als externe bronnen. tot consistentieproblemen en een exploderende onderhoudsinspanning. De samenhang tussen geregistreerde gegevens is eenduidig en bekend. Dit maakt eenvoudige verificatie en validatie van gegevens mogelijk en wordt transparantie bereikt. De juistheid van elk geregistreerd gegeven is bekend. De actualiteit en geldigheid van elk gegeven is bekend. De herkomst van elk gegeven is bekend. Het gegeven is eenduidig beheerd en eenduidig in eigendom. Dit is nodig voor escalatie en kwaliteitsborging. 22 Trends in Veiligheid 2013

3 Impact van onbetwiste data In de praktijk blijkt in organisaties data dubbel te worden ingewonnen en vastgelegd. Eigenaarschap is vaak niet duidelijk en het is niet eenduidig bekend waar welke data is vastgelegd en volgens welke definitie. Dit maakt hergebruik binnen een organisatie moeilijk, maar is bovenal een belemmering voor goede samenwerking in een keten. Onbetwiste data heeft impact op alle onderdelen van een organisatie. Het is niet iets wat door een ICT-afdeling ingeregeld kan worden. Juistheid en actualiteit van data vragen dat iedereen bewust is van het belang van juiste en nauwkeurige verwerking van data. Aan de ICT-kant vraagt onbetwiste data wel om een architectuur die enkelvoudige registratie ondersteunt en het delen van data mogelijk maakt. Gezien de organisatiebrede impact die realisatie van onbetwiste data heeft, is inzage in de samenhang van organisatieonderdelen, processen en data noodzakelijk. Het middel hiervoor is een Digital Operating Model. Digital Operating Model Een Digital Operating Model brengt alle componenten samen die nodig zijn om grip te krijgen op data. Het omvat de middelen, mensen en processen om de digitale strategie te realiseren. De digitale strategie kan zijn de uitwisseling van gegevens binnen de bestaande ketens, maar bijvoorbeeld ook hoe deze gegevens breder te delen en informatie van verschillende partijen samen te brengen. De dimensies die nodig zijn om de strategie te realiseren, worden in een overzicht weergeven in een operating model; het maakt het omgaan met data transparant. Het Digital Operating Model is opgebouwd uit zes architectuurdimensies en drie integratiemechanismen. Architectuurdimensies: Kanalen worden gebruikt voor datauitwisselingen binnen de organisatie en met externe partijen. De kanalen dienen te passen bij de behoefte van de afnemer. Businessprocessen omvatten de dataprocessen en processen die waarborgen dat data efficiënt wordt gebruikt ten dienste van de strategie. Organisatiestructuur geeft weer welke organisatieonderdelen betrokken zijn bij de dataprocessen en verdeelt mandaat en resources voor uitvoering van de dataprocessen. Fysieke infrastructuur biedt de middelen en faciliteiten die nodig zijn bij het verkrijgen, verwerken en distribueren van data. ICT-architectuur coördineert ICTapplicaties en infrastructuur om de dataprocessen te ondersteunen. Data & informatie omvat het data- en informatiemodel van de eigen organisatie en externe bronnen. Figuur 1: Het Digital Operating Model Digital Strategy and Business Model DIGITAL OPERATING MODEL Channels Culture & Leadership Data & Information Customer Exprience CUSTOMER Business Processes IT Architecture Enterprise Performance Management Physical Infrastructure Organisation Structure Governance Het Digital Operating Model is opgebouwd uit zes architectuurdimensies en drie integratiemechanismen. 23

4 Integratiemechanismen: Cultuur & leiderschap bevat een duidelijk beeld van gewenste mentaliteit en gedrag voor de omgang met data. Enterprise performance management controleert de performance met betrekking tot data, zoals de mate waarin onbetwiste data wordt geleverd. Governance zorgt voor duidelijkheid en eenduidigheid aangaande de besluitvorming rondom data. Prioriteren, uniformeren, consolideren De beschrijving van het Digital Operating Model kan de suggestie wekken dat een uitgebreid programma noodzakelijk is, voordat er resultaten kunnen worden geboekt. In een tijd waar ontwikkelingen elkaar steeds sneller opvolgen en de hoeveelheid data die ter beschikking komt snel toeneemt, is het noodzakelijk pragmatisch te werk te gaan. Geen uitgebreide methodes, maar kortcyclische, iteratieve stappen, waarbij de resultaten en voortgang continu getoetst worden aan de beoogde doelstelling. De beoogde doelstelling wordt vastgesteld door het ontwerpen van een high level Digital Operating Model. Tijdens elke volgende stap worden de details van het operating model verder uitgewerkt. De vervolgfasen worden bepaald volgens de mantra: prioriteren, uniformeren, consolideren. Prioriteitstelling vindt plaats op basis van de verwachte positieve bijdrage aan de bedrijfsvoering. Uniformeren verwijst naar het toepassen van standaarden in normalisatie, tooling en werkwijzen. Consolideren brengt vervolgens identieke activiteiten samen. Figuur 2: Stappen binnen het Digital Operating Model Consolideren Culture & Leadership Enterprise Performance Management Dataproces Essentieel onderdeel van het operating model zijn de dataprocessen. Hierin komen mensen, middelen en verantwoordelijkheden samen. Goed ingerichte dataprocessen zorgen ervoor dat data van een kwaliteitsstempel kunnen worden voorzien en waarborgen dat data onbetwist is. Het is dan wel randvoorwaardelijk dat binnen een organisatie op dezelfde manier wordt gewerkt; uniforme dataprocessen voorkomen dat er eigen informatiebronnen ontstaan en het zicht op waar welke data is vastgelegd, vertroebeld. Uniforme dataprocessen maken centrale regievoering over de verwerking en distributie van gegevens mogelijk. Het dataproces bestaat uit drie hoofdstappen: inwinnen, bewerken en distribueren. IT Architecture Figuur 3: Dataproces: de keten voorbij Digital Operating Model Digital Strategy and Business Model Data & Information DIGITAL OPERATING MODEL Channels Customer Exprience CUSTOMER Physical Infrastructure Uniformeren Business Processes Organisation Structure Governance Inwinnen Bewerken Distribueren Prioriteren Inwinnen zorgt ervoor dat gegevens beschikbaar komen. Dit kan variëren van simpele registratie van een feit tot uitlezen van sensordata of ontvangen van externe gegevens, zoals van ketenpartners. Het resultaat van inwinnen zijn registraties van ruwe data. Inwinnen zorgt voor recordmanagement: garanderen dat de herkomst van alle geregistreerde gegevens traceerbaar is. De stap bewerken maakt van ruwe data informatie. Hiertoe worden de gegevens 24 Trends in Veiligheid 2013

5 gecontroleerd op bruikbaarheid en plausibiliteit. Vervolgens kunnen informatieproducten worden gemaakt door het uitvoeren van bewerkingen op basis van de onbetwiste gegevens. Een informatieproduct kan bijvoorbeeld zijn de doorlooptijd van een strafzaak. Hiertoe worden de gegevens startdatum van een strafzaak en datum afdoening van de zaak gebruikt. Deze gegevens kunnen in verschillende bronnen zijn vastgelegd. Het datamodel zorgt ervoor dat de gegevens eenduidig zijn vastgelegd en vindbaar zijn. De data en informatiemodellen zijn leidend om ervoor te zorgen dat informatie op de goede manier wordt opgeslagen, zodat deze vindbaar en bruikbaar wordt en dubbelingen worden voorkomen. Distribueren zorgt ervoor dat het informatieproduct op de juiste wijze, op het juiste moment met de juiste kwaliteit via het juiste kanaal aan de juiste afnemer wordt afgeleverd. De afnemer kan een externe partij of bron zijn zoals een website of ketenpartners, maar ook eigen medewerkers of systemen die de data gebruiken. en betere informatieuitwisseling in de bestaande ketens, maar ook met andere partijen. Wanneer vervolgens ook uniforme dataprocessen worden ingevoerd, wordt echt grip verkregen op data uit diverse interne en externe bronnen. De processen borgen dat data gecontroleerd wordt en vervolgens op een manier wordt opgeslagen, zodat het vindbaar en herbruikbaar is. De waarde die ligt besloten in data die bij alle partijen ligt opgeslagen, kan dan echt worden benut voor versnelling en verbetering van bestaande en nieuwe ketens. Over de auteurs Drs. Edwin Kok MBA is client director voor het ministerie van Veiligheid en Justitie bij Capgemini. Ir. Marijke de Jong-Bultsma is management consultant bij Capgemini Consulting. Marijke de Jong-Bultsma is gespecialiseerd in de samenwerking tussen business en ICT en richt zich daarbij specifiek op vraagstukken rondom data en informatievoorziening. Elke stap van het dataproces draagt bij aan naleving van de kwaliteitsregels. Daarnaast zijn er een aantal ondersteunende processen die ingericht dienen te worden om leveren en behouden van onbetwiste data te kunnen blijven garanderen. Een belangrijke is inrichten van een terugmeldproces; wanneer iemand in de keten kwaliteits-issues constateert, kan dit teruggemeld worden aan de eigenaar van de data. Het issue kan hierdoor direct opgepakt en verholpen worden. Grip op data Het Digital Operating Model geeft antwoord op de discussie van wie welke data is, wie de meest actuele en juiste data heeft. Het beëindigt dubbele inwinningsprocessen en vergroot zo de efficiëntie van de bedrijfsvoering en de betrouwbaarheid van data. Dat leidt tot onbetwiste data. En onbetwiste data leidt tot voordelen, zoals snellere Voor meer informatie kunt u contact met de auteurs opnemen via het adres: trendsinveiligheid.nl@ capgemini.com of persoonlijk via edwin.kok@capgemini.com en 25