Eerst maken Dallemulle en Davenport in het artikel „What's your data strategy” een onderscheid tussen data en informatie. Volgens Peter Drucker is informatie 'data met relevantie en doel'. Alleen als je ruwe data in een context plaatst, krijg je informatie die beslissingen ondersteunt.
Je kan bijvoorbeeld verkoopcijfers per productgroep en regio vergelijken met de verkopen van vorig jaar. Dit geeft je informatie waarmee je jouw bedrijfsstrategie kunt opvolgen. De ruwe data in deze analyse kan bestaan uit miljoenen kassatickets. Die zijn moeilijk te interpreteren zonder ze te ontleden, te sorteren of te verrijken.
Veel organisaties beginnen met een top-down, gecentraliseerde, op controle gerichte architectuur met een enkele versie van de waarheid (SSOT). Deze aanpak is effectief voor het standaardiseren van data en is noodzakelijk om de data veilig en conform te houden. Maar dit soort databeheer kan flexibiliteit belemmeren. Dit maakt het moeilijker om ze om te zetten in bruikbare informatie.
Gekoppeld aan deze SSOT heb je een flexibelere manier nodig om data te gebruiken: MVOTs. Ze zijn het resultaat van bedrijfsspecifieke transformaties van de data in relevante en doelgerichte informatie. Informatie die je aanpast aan verschillende contexten voor verschillende departementen in het bedrijf.
Een klant kan bijvoorbeeld verschillende dingen betekenen voor verschillende afdelingen in je organisatie:
Alle data met betrekking tot de klant bevinden zich in de SSOT, maar je maakt MVOT's voor de verschillende afdelingen om aan hun specifieke behoeften te voldoen. Maar waarom proberen we dan in de eerste plaats verschillende versies van de waarheid uit te roeien? De vele versies van de waarheid die we soms bij onze klanten vinden, zijn niet bepaald gebaseerd op een SSOT. De MVOT's bij onze klanten bestaan niet alleen op informatieniveau, maar ook op dataniveau, en dat willen we absoluut vermijden.
Elke projectmanager heeft zijn eigen Excel met taken, urenstaten en milestones. Er is dus geen gereguleerde SSOT op data niveau die gegevens bevat die in overeenstemming zijn met de definities die in de organisatie bestaan. Dit beperkt de mogelijkheid om projecten met elkaar te vergelijken. De klant wordt meer of minder gefactureerd afhankelijk van de interpretatie van de urenstaten. Gegevens bestaan op verschillende detailniveaus tussen projecten, enzovoort.
Hoe los je dit op?
De database van deze software bevat de SSOT over projecten op dataniveau. Nu kan je beginnen met het bouwen van MVOT's op basis van deze gegevens. Verschillende mensen in de organisatie hebben verschillende informatie nodig om beslissingen te nemen. De projectmanager heeft alle gegevens nodig om de dagelijkse activiteiten te beheren. Maar het management heeft maar een paar KPI's over het project nodig. De gegevens zullen hetzelfde zijn, maar de context waarin je de gegevens presenteert, wordt afgestemd op de behoeften van de eindgebruiker.
Kortom: SSOT werkt op dataniveau, MVOT's gebruiken de data in de SSOT ter ondersteuning van de verschillende afdelingen en hun specifieke noden.
Ik help je de juiste conceptuele datamodellen te vinden om je verschillende business cases te ondersteunen. Enerzijds gaan we uit van de beschikbare data om te kijken hoe we die op een efficiënte, toegankelijke, uitbreidbare en veilige manier kunnen opslaan: de SSOT. Aan de andere kant zullen we stakeholders in je organisatie interviewen om erachter te komen hoe data beslissingen en acties kunnen ondersteunen om hun business vooruit te helpen, en dus hoe de MVOT's voor hun afdeling eruit moet zien.
