Big Data moet je benutten

Transcriptie

1 Tekst: Shirley Bodegraven, Maarten Heijkoop en Kim Stael Beeld: BBP Media Big Data moet je benutten Big Data is een opkomend verschijnsel dat is doorgedrongen tot de top van de onderneming. Het nieuws en de berichtgeving over dit fenomeen wordt vooral overheerst door het onderzoek naar geschikte tooling en de zoektocht naar de Data Scientist. Deze kan omschreven worden als de wiskundig geschoolde tovenaar die met de beschikbare tools informatie weet te ontfutselen aan de brij die Big Data heet. Heb je die tovenaar in huis en pas je de tools goed toe, dan leidt die brij tot waardevolle informatie. Enterprise Content Management, Enterprise Information Management, Big Data, record management, compliance, Business Process Management, Data Scientist Record management, het vakgebied van de digitale archivaris, maakt gebruik van content, maar werkt vanuit de invalshoek van ordening en beheer. Waar Big Data zich concentreert op statistische informatie uit een grote hoeveelheid content, waarbij het document geen individuele rol speelt, richt record management zich op de ordening, beheer en vindbaarheid van het individuele document. De vraag is in hoeverre Big Data zich verhoudt tot record management. In beide vakgebieden wordt in potentie met dezelfde content omgegaan en zijn er dus raakvlakken. In dit artikel zullen we duidelijk maken dat het begrip content een nieuwe definitie verdient. Het is niet, zoals velen zeggen ongestructureerde data, maar data in context. Ten tweede is de behandeling van content door record management processen gericht op precisie, Big Data processen zijn eerder globaal van aard. Ten slotte tonen we aan dat de overeenkomst tussen Big Data en record management processen bestaat uit een bedrijfsmatige, dus niet een technische benadering van het vaststellen van de context van de data die gezocht wordt. Enterprise Information Management en de hulpmiddelen daarbinnen biedt de benodigde handvatten om de context te verschaffen die door de bedrijfsprocessen wordt bepaald. Dit laatste staat haaks op de vigerende praktijk rond Big Data, waar de toolset en de Data Scientist de dienst uitmaken. Wat is content? Content is data in context waarbij de context wordt bepaald zodra de content wordt gemaakt. De context van de content krijgt een nieuwe betekenis als zij in een organisatie in een bepaald bedrijfsproces wordt (her)gebruikt en vastgelegd. De context is aan verandering onderhevig afhankelijk van het gebruik en het doel. Bijvoorbeeld: een schademelding kan oorspronkelijk gemaakt zijn voor verzekeringsdoeleinden, omschrijving van het incident en de geleden schade. Als echter op een later moment blijkt dat een betreffende persoon meer dan gemiddeld schademeldingen indient dan kan de context van deze schademelding veranderen. In een onderzoek en daaropvolgende rechtszaak is de context van de schademelding veranderd van het bepalen van een schadebedrag naar een bewijsstuk in een verzekeringsfraudezaak (Zie figuur op pagina 16). Vanuit de Enterprise Information Management visie wordt het bedrijfsproces als centrale coördinator voorgesteld. Alles wat aan content wordt aangemaakt, ingevoerd, gewijzigd, hergebruikt, vernietigd en uitgevoerd, is bepaald in het bedrijfsproces en daarmee wordt ook de context van de content bepaald. Of de context nu is om een statische analyse op grote hoeveelheden data uit dezelfde context uit te voeren, of een bewerking van een archiefstuk (archiefbescheiden) in een geordende omgeving, in beide gevallen leidt het hergebruik van de content tot een verande 14 VIP Doc l nummer 1 l februari 2013

2 Bedrijfsprocessen bepalen de context van de content VIP Doc l nummer 1 l februari

3 Context Data & Content Bewerkte Data = Informatie + Gebruikersgegevens van een proces Content Vastleggingsregels Bewerkingsregels van informatiesystemen Procesregels >> Figuur 1: Content is data in context ring in de context. De content kan zelfs als nieuwe content gezien worden. Bijvoorbeeld een reactie die wordt gepost op een bericht in een blog heeft de context van een reactie op een specifiek bericht. Als echter de reactie wordt opgenomen in een strafdossier krijgt het daarbij een juridische context. Wat doet de recordmanager? De recordmanager ordent content op basis van de context. Denk bijvoorbeeld aan inkoopdossiers, productiedossiers, klantdossiers, etc. Hierbij kan het ook goed voorkomen dat content in meerdere dossiers (een andere context) geordend is. Het beheer van de informatie wordt per context bepaald. Hierbij is precisie van groot belang. Op basis van argumenten als risicoanalyse, wetgeving en informatiebehoefte beheert de recordmanager informatie. Concreet zijn de taken van de recordmanager: Ervoor zorgen dat de primaire processen van een organisatie optimaal van de beschikbare content kunnen gebruikmaken, waardoor deze processen efficiënter uitgevoerd kunnen worden. Het faciliteren van het afleggen van verantwoording over het handelen door de organisatie, bijvoorbeeld aan politieke en justitiële instanties. Waarom zouden we energie steken in record management? Alle informatie doorloopt een bepaalde cyclus. Informatie wordt altijd aangemaakt of toegestuurd, gebruikt, opgeslagen, geraadpleegd en verliest na verloop van tijd haar waarde voor de organisatie. Het is daarom niet nodig en zelfs ongewenst om alle informatie tot in de eeuwigheid te bewaren. Informatie die nog wel gebruikt wordt moet te allen tijde beschikbaar zijn voor de organisatie. Record management borgt dit door: De beschikbaarheid van informatie in context te garanderen (content). Het bewaren en vernietigen van informatie volgens de wettelijke kaders. Het vernietigen van niet (meer) relevante informatie. Het faciliteren van informatie en kennis op maat. Welke informatie valt onder record management? In de wereld van record management wordt nu nog over het algemeen meer de focus gelegd op de ongestructureerde informatie. Maar zoals eerder aangegeven maakt de vorm van informatie niets uit als we het over record management hebben. In onze optiek is record management van toepassing op alle vormen van informatie. Ook wet- en regelgeving zegt niets over de vorm van informatie of het systeem waarin het is opgeslagen. Met de groei van het informatieaanbod en de toename van nieuwe technieken waarmee informatie aangeboden wordt, groeien ook de uitdagingen van de record manager. Big Data De term Big Data heeft betrekking op het behandelen van grote hoeveelheden content met gelijke context en contexten. Big Data ordent niet, verandert niet, vernietigt niet, maar analyseert content op basis van de context en levert nieuwe content op met dezelfde context uit de informatievraag. Het doel van Big Data is dus het vinden van de betekenis die in de grote hoeveelheid content besloten ligt. Denk hierbij aan koopgedrag, geldstromen, wereldwijde informatiestromen, onderhoud op een wagenpark per automerk, enzovoorts. De context staat, net als bij record management, centraal en ook hier wordt de context gegeven door de bedrijfsvoering. Zo wil een webwinkel graag weten wat de interesses zijn van haar klanten, zodat het gerichte marketing kan inzetten. Kortom Big Data is niet slechts een feestje voor wiskundige tovenaars, maar wordt in de eerste plaats gestuurd door de context die de bedrijfsvoering en daarmee de bedrijfsprocessen eraan geeft. Ook voor Big Data is Enterprise Information Management erg nuttig. Immers vanuit EIM wordt voorzien in een procesgerichte aanpak en daardoor in het reguleren van de vraag naar content. Hulpmiddelen die extra toegevoegde waarde bieden in het kader van Big Data zijn: Metadata management: Onderdeel van metadata management is het bepalen en vastleggen van de semantiek van content. Deze activiteit wordt alsmaar belangrijker. Men kan slechts conclusies uit Big Data maken als we weten wat het betekent. Alleen door metadata 16 VIP Doc l nummer 1 l februari 2013

4 De hoeveelheid informatie groeit explosief management wordt Big Data omgezet tot Big Information. Informatiekwaliteit: De Big Data explosie bevat een enorme berg informatie, maar een minstens zo grote berg klinkklare onzin. Het filteren van kwalitatief slechte data - van oudsher onderdeel van informatie kwaliteit - is van essentieel belang om zinvolle conclusies uit Big Data te kunnen trekken. Informatie retrieval: het presenteren van informatie binnen Big Data is een vak apart. Nieuw is dit vakgebied geenszins. Lering trekken van het verleden en het gebruik van bestaande technieken is raadzaam. Het EIM-model Binnen Enterprise Information Management wordt met het proces als rode draad Er worden meer dan 11,4 miljard zoekopdrachten per maand bij Google uitgevoerd (Comscore april 2012). Er wordt naar schatting dit jaar 50 exabyte (5x10 19 ) unieke informatie gegenereerd. Meer dan in de afgelopen 5000 jaar. Er staat naar schatting in de krant van deze week meer informatie dan iemand in de 18e eeuw in zijn hele leven zou tegenkomen. Er wordt naar schatting door een medewerker 25 procent van de tijd besteed aan het zoeken naar informatie. Facebook heeft 845 miljoen actieve gebruikers (5,9 miljoen in Nederland) die elke dag meer dan 250 miljoen foto s uploaden. YouTube heeft 8,9 miljoen unieke bezoekers per maand in Nederland. LinkedIn heeft meer dan 150 miljoen gebruikers (3,1 miljoen in Nederland, 7e plaats in de wereldranglijst). Twitter heeft 4,2 miljoen unieke bezoekers per maand in Nederland. Informatie neemt steeds meer vormen aan. Met de komst van nieuwe ondersteunende technologieën vanuit social media komen nieuwe informatievarianten, zoals berichten op verschillende social media sites als Hyves, Twitter, Facebook en LinkedIn. Daardoor wordt de uitdaging alleen maar groter om deze informatie in context (als content) te beheren en gebruiken. gekeken naar alle content die gebruikt wordt. Het gaat om de voorspelkracht van het proces en om het doel en gebruik van content binnen dat proces. Bedrijfsprocessen bepalen de context van de content die wordt vastgelegd, hergebruikt, gezocht, geanalyseerd, verwerkt tot nieuwe content en geordend. Bij zowel Big Data als bij record management staat de context van informatie centraal. Hieronder vier voorbeelden van deze toepassing: Persoonsgegevens zijn aan wet- en regelgeving gebonden. Je mag alleen die informatie gebruiken die binnen het proces nodig is. Hoe ga je om met mails waarin ook telefoonnummers staan van degene die de mail heeft gestuurd? Hergebruik je dergelijke informatie binnen een CRM-systeem, dan gebruik je deze gegevens voor een ander doel dan waarvoor de verzender van deze mail de informatie bedoeld heeft. Is hier sprake van de schending van privacy? Welke consequenties kan dit hebben? Hoe beheer je deze informatie? Met EIM is bekend welke informatie waarvoor gebruikt mag worden. Het overtypen van persoonsgegevens uit in een CRM-systeem kan voorkomen worden, door bijvoorbeeld alleen persoonsgegevens via elektronische formulieren toe te laten. Het belangrijkste bij de inrichting van iedere database met persoonsgegevens is dat het doel van het aanleggen van deze database duidelijk is omschreven en dat het geborgd is dat niet noodzakelijke persoonsgegevens in deze database op korte termijn verwijderd worden. Ontvangen correspondentie wordt vaak geregistreerd in een systeem. Naast informatie over de inhoud van de correspondentie worden ook contactgegevens van personen vastgelegd. Hoe wordt met deze informatie omgegaan als de correspondentie conform vigerende wet- en regelgeving wordt vernietigd? Welk risico loopt de organisatie als dergelijke ge 18 VIP Doc l nummer 1 l februari 2013

5 Big Data is niet slechts een feestje voor wiskundige tovenaars gevens te lang bewaard worden? In een EIM-oplossing is het mogelijk tijdens de vernietiging van gegevens een link te leggen met de vastgelegde contactgegevens in het andere systeem. Organisaties brengen in vele verschillende vormen hun dienstverlening naar buiten richting consumenten. Naast de vastgelegde producten- en dienstencatalogus in de vorm van een brochure wordt gebruik gemaakt van andere vormen zoals een Facebook pagina, LinkedIn of Twitter. Hoe borg je dat verouderde versies worden verwijderd? Hoe kan je informatie beheren in omgevingen waarin gedeelde informatie niet verwijderd kan worden? Wat kunnen de gevolgen hiervan zijn? Bij een EIM implementatie worden alle vormen van publicaties in het proces vastgelegd. Bij het verwijderen cq. vervangen van een versie kan een (automatische) attendering ingesteld worden om te beoordelen of ook de andere publicaties herzien moeten worden. Het gebruik van Office Communicator en andere zakelijke chatprogramma s is steeds populairder binnen organisaties. Dit is deels een vervanging van de telefoon, maar ook in plaats van mailverkeer. De informatie die wordt uitgewisseld kan van belang zijn. Afhankelijk van de instellingen en het gebruik wordt informatie wel of niet vastgelegd op een drager (denk aan de historie). Hoe moet je met dergelijke informatie omgaan? Hoe zorg je ervoor dat dergelijke informatie juist gebruikt wordt? Moet je deze informatie beheren? Met de EIMoplossing is duidelijk wanneer en waarvoor de Communicator gebruikt kan worden. Op basis van deze kennis kunnen een beleid en procedures opgesteld worden. EIM ondersteunt de record manager bij zijn werkzaamheden. Voor een juist gebruik en beheer van informatie is zoals eerder aangegeven de context van informatie van essentieel belang. Bepalend voor de context van informatie is het vaststellen van de juiste processen, die worden onderkend op basis van hun belang voor de organisatie door middel van een risicoanalyse. Op basis van context en risicoanalyse kan beoordeeld worden of informatie van belang is om te gebruiken. Ook bepaalt de context op welke wijze beoordeeld kan worden of en wanneer informatie vernietigd moet worden. Een van de hulpmiddelen die beschikbaar is binnen de voorgestelde EIM-aanpak is een Process Analysis model. In dit model worden de volgende vragen beantwoord: Identificeren van de producten die gerelateerd zijn aan de klantvraag. Identificeren van de hoofdprocessen behorend bij de producten. Identificeren van de risico s per proces op een hoofdniveau. Identificeren van het volume per proces op hoofdniveau. Identificeren van de complexiteit per proces op hoofdniveau. Het proces geeft context aan de informatie die door de procesgang gegenereerd wordt. Deze context bepaalt mede het benodigde beheer. Hier komt record management in beeld, dat met antwoorden zal moeten komen op vragen als: Hoe leg je de informatie vast, hoe borg je de context ervan? Hoe borg je de digitale duurzaamheid van informatie die langdurig bewaard dient te worden? Wat is de bewaar- of vernietigingstermijn conform vigerende wet- en regelgeving? Daar waar de organisatie de meeste risico s (onder meer gebaseerd op complexiteit en volume) loopt aan zijn informatievoorziening en de grootste prioriteiten stelt zal deze organisatie voor zijn eigen bestwil VIP Doc l nummer 1 l februari

6 maatregelen moeten nemen. Het uiteindelijke doel voor zo n organisatie is: information control in de wereld van big data. Conclusies Vanuit de bedrijfsvoering bezien is de context waarin data wordt gebruikt, opgeslagen, geanalyseerd, en beheerd van doorslaggevende betekenis voor het nut ervan. De grote vraag in de wereld van Big Data is enerzijds of de toolset goed te gebruiken is en of de Data Scientists, die datatovenaars, te vinden zijn. Anderzijds is het zaak dat de bedrijfsvoering in staat is om de juiste vragen te formuleren, die de juiste context vormen voor de zoektocht naar antwoorden. Vanuit record management perspectief wordt een digitaal statisch archief opgebouwd en beheerd. Centraal daarbij staat een ordening van het archief op basis van de context waarin documenten worden gecreëerd, gebruikt en beheerd. Zowel binnen het domein van Big Data als van record management is de context bepalend voor het nut van de informatie. Het verschil zit hem in de wijze waarop de informatie wordt benaderd en gebruikt, globaal versus precies. Enterprise Information Management biedt uitstekende hulpmiddelen bij het bepalen van de context van informatie. Hierbij maakt het detailniveau niet uit; de principes blijven hetzelfde. Met een beetje creativiteit kunnen we bestaande Verklarende woordenlijst Content: is data in context waarbij de context wordt bepaald zodra de content wordt gemaakt. Big data: is een populaire term die wordt gebruikt voor de explosieve groei, de beschikbaarheid en de snelheid van het gebruik van informatie in het IT-landschap van de toekomst. Social media: is de verzameling van technologieën en kanalen met als doel grote groepen mensen productief te laten samenwerken. Record management: het efficiënt en effectief beheren van het creëren, ontvangen, onderhouden, gebruiken en vernietigen van record, inclusief het beheren van bewijsvoering en informatie over bedrijfsactiviteiten en transacties in de vorm van record. Record: informatie die wordt onderhouden als bewijs en informatie voor een organisatie of persoon in relatie tot wettelijke verplichtingen of transacties van een organisatie. Enterprise Information Management: is de benaming voor de combinatie van de vakgebieden Enterprise Content Management en Business Intelligence. Daarbij spelen Business Process Management en Retrieval een essentiële rol. technieken die al jaren worden toegepast voor gestructureerde en ongestructureerde data in het kader van Enterprise Information Management een waardevolle aanzet geven om grip te krijgen op Big Data. n Dit artikel is tot stand gekomen vanuit een multidisciplinair team van Atos: Shirley Bodegraven, Maarten Heijkoop en Kim Stael. Ga voor meer informatie over de Atos aanpak nl.atos.net/eim. 20 VIP Doc l nummer 1 l februari 2013