Als het optimaliseren van datamanagement eenvoudig was, was het probleem allang opgelost. Overheidsorganisaties werken al jaren aan betere governance, naamgeving en datamodellen, en toch blijft het lastig. Dat komt niet doordat er te weinig aandacht voor is, maar doordat het applicatielandschap van de publieke sector voortdurend verandert. Wie dat begrijpt, weet ook waarom een eenmalige ingreep nooit voldoende is.
Gegevensbeheer bij de overheid is al decennia onderwerp van verbeterprogramma’s, standaardisatie-initiatieven en migratietrajecten. Toch blijft optimalisatie lastig, om een simpele reden: het landschap staat nooit stil. Gemeenten fuseren, ministeries worden samengevoegd of herverdeeld, wetgeving verandert, en applicaties (of delen daarvan) verhuizen naar de cloud terwijl andere systemen on premises blijven draaien. Bovendien zit lang niet alles in dezelfde cloudomgeving. Elke verandering raakt weer opnieuw de manier waarop gegevens worden vastgelegd, gedeeld en beheerd.
Een aantal factoren zorgt ervoor dat het landschap zelf al een uitdaging vormt, los van de vraag hoe data eruit ziet:
Hybride infrastructuur. On premises systemen naast cloudoplossingen, en cloudoplossingen die weer bij verschillende leveranciers zijn ondergebracht. Elke omgeving hanteert vaak net iets andere manieren om gegevens vast te leggen en te beschrijven, waardoor het lastiger wordt om overkoepelende afspraken over definities en eigenaarschap te handhaven.
Organisatorische verschuivingen. Fusies en reorganisaties veranderen niet alleen organogrammen, maar ook eigenaarschap van systemen en data. Een gegevensmodel dat voor een gemeentelijke herindeling klopte, hoeft dat er na de herindeling niet meer te zijn.
Verouderde systemen. Legacy-applicaties blijven vaak langer in gebruik dan gepland, omdat vervanging kostbaar en risicovol is. Deze systemen zijn vaak ontstaan voordat er organisatiebreed is nagedacht over gedeelde definities en datamodellen, waardoor hun gegevens moeilijker aan te sluiten zijn op nieuwere afspraken.
Verschuivende wetgeving. Wetswijzigingen kunnen direct invloed hebben op welke gegevens verwerkt mogen worden, hoe lang, en onder welke voorwaarden. Een applicatielandschap dat hierop niet flexibel kan reageren, loopt al snel achter de feiten aan. Daarnaast kunnen gegevens die al jaren niet worden vastgelegd plotseling belangrijk worden omdat maatschappelijke ontwikkelingen dit vereisen terwijl andere gegevens die al jaren bijgehouden werden plotseling het stempel “zeer privacy gevoelig” krijgen omdat de richtlijnen zijn veranderd.
Dit is een van de lastigste vraagstukken, juist omdat er zelden één juist antwoord is. Overeenstemming bereiken over naamgeving, eigenaarschap en de mate van privacy vraagt om herhaalde afstemming tussen partijen die vaak andere belangen en werkwijzen hebben. Een gegevensmodel opstellen is een goed startpunt, maar dat model is nooit af. Het is een levend geheel dat meebeweegt met veranderende samenwerkingen en regelgeving.
Dat roept meteen een vervolgvraag op: op welk niveau moet zo’n model gelden? Is het een gemeentelijk deelmodel, een model dat provincies overstijgt, of iets dat zich uitstrekt over waterschappen en veiligheidsregio’s heen? Elk niveau brengt andere eigenaren, andere belangen en andere beheervraagstukken met zich mee.
Zodra de scope van een gegevensmodel is bepaald, volgt de vraag wie het model bijhoudt. Twee richtingen liggen voor de hand.
De eerste is een opensource-achtige aanpak, waarbij een community van deelnemers uit verschillende domeinen, gemeenten en disciplines gezamenlijk het model onderhoudt. Dit sluit aan bij hoe veel technische standaarden in de praktijk al tot stand komen, en past bij organisaties die geloven in gedeeld eigenaarschap.
De tweede is een meer gestructureerde aanpak, met een aangewezen partij die formeel verantwoordelijk is voor beheer en besluitvorming. Dit geeft duidelijkheid over wie de knoop doorhakt bij een verschil van inzicht, maar vraagt ook om draagvlak bij alle deelnemende organisaties om die partij die rol te gunnen.
Geen van beide aanpakken is per definitie beter. De keuze hangt af van hoeveel partijen betrokken zijn, hoe groot de onderlinge verschillen zijn, en hoeveel snelheid nodig is bij het doorvoeren van wijzigingen.
Governance staat hierbij voorop: het bepaalt de spelregels, het eigenaarschap en het datamodel waarop alles verder rust. Integratie en beveiliging zijn vervolgens de randvoorwaarden die ervoor zorgen dat systemen zich ook daadwerkelijk aan die spelregels kunnen houden. Optimalisatie lukt alleen wanneer governance leidend is; een sterk gegevensmodel zonder heldere afspraken over beveiliging is net zo riskant als een technisch prima beveiligde omgeving zonder heldere governance.
Omdat de context waarin overheidsorganisaties opereren voortdurend verandert. Gemeentelijke herindelingen, Cloud migraties, nieuwe wetgeving en verschuivende samenwerkingsverbanden zorgen ervoor dat een eenmaal geoptimaliseerd landschap na verloop van tijd weer bijstelling nodig heeft. Optimalisatie is daarom geen project met een einddatum, maar een doorlopend proces waarbij organisaties moeten blijven investeren in het bijhouden van modellen, definities en afspraken over eigenaarschap.
Waarom is optimalisatie van gegevensbeheer bij de overheid zo moeilijk, terwijl het probleem al jaren bekend is? Omdat het applicatielandschap zelf voortdurend verandert door gemeentelijke herindelingen, fusies, cloudmigraties en nieuwe wetgeving. Elke verandering vraagt opnieuw om afstemming, waardoor een eenmalige oplossing nooit voldoende blijft.
Wat is het verschil tussen een gemeentelijk en een interbestuurlijk gegevensmodel? Een gemeentelijk model geldt binnen de scope van één gemeente, terwijl interbestuurlijk gegevensmodel afspraken vastlegt tussen meerdere gemeenten of zelfs meerdere provincies, waterschappen en veiligheidsregio’s. Hoe breder de scope, hoe meer partijen betrokken zijn bij beheer en besluitvorming.
Is een opensource-aanpak met een community beter dan een gestructureerd beheermodel? Geen van beide is universeel beter. Een community-aanpak past bij gedeeld eigenaarschap en brede betrokkenheid, terwijl een gestructureerd model duidelijkheid geeft over wie uiteindelijk beslist. De juiste keuze hangt af van het aantal betrokken partijen en de gewenste snelheid van besluitvorming.
Hoe zorgt een organisatie dat een gegevensmodel actueel blijft? Door het model te behandelen als een levend geheel in plaats van een eenmalig op te leveren document, met een duidelijke afspraak over wie wijzigingen mag voorstellen, beoordelen en doorvoeren.
Waarom is hybride infrastructuur (deels cloud, deels on premises) een complicerende factor? Omdat elke omgeving vaak net iets andere manieren hanteert om gegevens vast te leggen en te beschrijven. Dat maakt het lastiger om organisatie breed dezelfde definities, naamgeving en eigenaarschap te handhaven, ongeacht waar een gegeven precies staat. Daarnaast is het, zonder de juiste technische hulpmiddelen, vaak ingewikkeld om gegevens uit zulke verschillende bronnen te combineren. Gelukkig zijn daar inmiddels betrouwbare oplossingen voor.
Aan de slag
Herkent u een aantal van deze knelpunten in uw eigen organisatie? Plan een vrijblijvend gesprek met een van onze dataspecialisten. Zij helpen u om uw huidige situatie in kaart te brengen en de knelpunten in governance, naamgeving en eigenaarschap te benoemen. We vertalen complexe datavraagstukken naar begrijpelijke en uitvoerbare stappen. Geen grote en complexe rapporten, maar concrete adviezen waarmee u direct aan de slag kunt.
