Data-architectuur scannen: wat een goede scan van uw huidige situatie oplevert

Het bestuur wil met AI aan de slag, de controller vertrouwt de maandrapportage niet en de enige collega die weet hoe de koppeling met het ERP-systeem werkt, gaat over een half jaar met pensioen. Drie problemen die op het eerste gezicht los van elkaar staan, maar die alle drie lastig aan te pakken zijn zolang niemand een actueel beeld heeft van hoe de data in uw organisatie stroomt.

Een scan van uw data-architectuur maakt dat beeld. Hieronder leest u wat een goede scan onderzoekt, wie u daarbij nodig hebt, wat het concreet oplevert en waar zo’n scan vaak de mist ingaat. En ook wat u er níet van mag verwachten.

Wat een scan van uw data-architectuur is, en wat niet

Een scan zoals wij die bedoelen is een gestructureerde opname van de huidige situatie. Welke systemen staan er, welke koppelingen lopen ertussen, wie is eigenaar van welke gegevens en waar botsen definities.

In die afbakening is het geen ontwerp van de nieuwe situatie. Dat komt daarna, en pas als u weet waar u staat. Het is ook geen toolselectie. Eindigt een scan in een aanbeveling voor een specifiek platform, dan is het de vraag of uw huidige situatie of het aanbod van de uitvoerder het uitgangspunt was.

Het is evenmin in de eerste plaats een audit met een cijfer. Een score of volwassenheidsniveau kan helpen om de urgentie zichtbaar te maken, maar het bruikbare deel zit in de bevindingen: waar zit het risico, wat blokkeert uw plannen en wat kunt u als eerste aanpakken.

Wanneer een scan zin heeft

Niet elke organisatie heeft op elk moment een scan nodig. In onze ervaring zijn er een aantal momenten waarop het loont om eerst de huidige situatie in kaart te brengen:

• U wilt starten met een AI- of machine-learningtraject en niemand kan met zekerheid zeggen welke data daarvoor beschikbaar en betrouwbaar is.
• Er staat een migratie of systeemvervanging gepland en de koppelingen met het huidige systeem zijn nooit gedocumenteerd.
• Rapportages uit verschillende afdelingen geven verschillende cijfers over hetzelfde onderwerp, en discussies gaan over de cijfers in plaats van over de inhoud.
• Kennis over het datalandschap zit bij één of twee personen die op termijn vertrekken.
• Twee organisaties of afdelingen zijn samengevoegd en werken nog met dubbele systemen.

Herkent u een of meer van deze situaties, dan is het de vraag hoeveel u eigenlijk weet over de basis waarop u verder bouwt. Een AI-project kan dan vastlopen op datakwaliteit of ontbrekend eigenaarschap, en het risico is dat u dat pas ontdekt als er al veel werk in zit.

Wat een goede scan onderzoekt

Een scan die alleen naar techniek kijkt, laat een deel van het beeld buiten beschouwing. In de praktijk kijkt u naar vier gebieden die elkaar beïnvloeden.

Systemen en koppelingen

Welke applicaties bevatten welke gegevens, en hoe komen die gegevens van A naar B? Let daarbij ook op koppelingen die niet in de systeemdocumentatie staan: handmatige exports, macro’s in spreadsheets, een script op de laptop van een collega. Zulke informele koppelingen verdienen aandacht als mogelijk risico: wie bewaakt ze, en wat gebeurt er als de maker vertrekt?

Definities en datakwaliteit

Wat betekent “klant”, “medewerker” of “afgehandelde aanvraag” precies, en betekent het in elk systeem hetzelfde? Verschillen in definities kunnen verklaren waarom rapportages niet met elkaar kloppen. Een scan legt die botsingen bloot en benoemt ze concreet.

Eigenaarschap en besluitvorming

Wie mag beslissen over de definitie van een veld, over toegang tot een bron, over het opschonen van historische data? Als het antwoord “dat weten we niet” of “iedereen een beetje” is, dan loopt u het risico dat technische verbeteringen weer weglekken. Een architectuur kan dit uittekenen, maar niet overnemen: iemand in uw organisatie moet het beleggen.

Beheer en continuïteit

Wie houdt de koppelingen draaiend, wat gebeurt er als een export mislukt en hoe merkt u dat? Hoe zwaar rust het geheel op de kennis van individuen? Dit gebied krijgt gemakkelijk minder aandacht dan de techniek, terwijl het medebepalend is voor of uw datavoorziening op langere termijn blijft werken.

Wie u aan tafel zet

De grootste fout bij een scan is alleen met IT praten. IT kan u vertellen welke servers er staan en welke licenties lopen, maar heeft niet altijd zicht op welke cijfers een afdeling wekelijks handmatig corrigeert. Die kennis zit bij de mensen die met de cijfers werken.

Zorg dus dat u per belangrijk proces minstens één gebruiker spreekt: de controller, de teamleider van de klantenservice, de beleidsadviseur die de kwartaalcijfers maakt. Zij weten waar het schuurt, welke systemen ze omzeilen en welke definities in de praktijk anders worden gebruikt dan op papier staat.

Daarnaast hebt u iemand nodig die besluiten kan nemen en eigenaarschap kan beleggen. Zonder die persoon loopt u het risico dat de scan eindigt als een lijst met bevindingen waar niemand iets mee mag doen. Reserveer die rol vooraf, niet achteraf.

Wat een scan concreet oplevert

Een scan zoals hier beschreven levert geen opgeruimde data en geen werkende architectuur. Wat u wel krijgt, als het goed gebeurt en binnen de grenzen van de afgesproken scope, de beschikbare documentatie en de gesprekken die u kunt voeren:

Een kaart van uw datalandschap. Alle systemen, alle koppelingen inclusief de informele, en per koppeling wie ervoor verantwoordelijk is. Bestaat zo’n kaart in uw organisatie nog niet, dan is dit op zichzelf al een bruikbaar resultaat.

Een lijst van botsende definities. Concreet, met de systemen erbij en de gevolgen voor rapportages. Dit onderdeel maakt tastbaar waar afwijkende cijfers vandaan kunnen komen, en is daarmee een bruikbare basis voor het gesprek met het management.

Een risicobeeld. Waar hangt de continuïteit aan één persoon, welke koppeling breekt bij de eerstvolgende update, welke gegevens worden bewaard zonder dat iemand weet waarom. Gaat het om persoonsgegevens, dan zijn bewaardoel, bewaartermijn en wie verantwoordelijk is punten die u nader moet laten onderzoeken. Een architectuurscan is geen juridische toets en vervangt dat onderzoek niet.

Een prioritering. Niet alles hoeft tegelijk. Een goede scan benoemt een beperkt aantal zaken die u als eerste zou moeten aanpakken en waarom, en welke u bewust kunt laten liggen.

Een eerlijk antwoord op uw oorspronkelijke vraag. Kan dat AI-project starten? Soms is het antwoord ja. Soms is het: ja, maar eerst dit. En soms is het nee, nog niet. Dat laatste antwoord is vervelend, maar het is beter om dat vooraf te horen dan het halverwege een project zelf te ontdekken.

Waar een scan vaak misgaat

Een aantal patronen die wij regelmatig tegenkomen bij scans die weinig opleverden:

De scan duurt te lang. Een opname die maanden loopt, is een architectuurproject geworden. Spreek vooraf een duidelijke afbakening en een doorlooptijd van enkele weken af. Hoeveel weken hangt af van de omvang van uw landschap en hoe snel de juiste mensen beschikbaar zijn; wees kritisch op aanbiedingen die veel korter beloven en vraag wat er dan precies wordt bekeken.

De uitvoerder verkoopt ook het platform. Dan bestaat het risico dat de uitkomst wordt gekleurd door dat belang. Laat de scan uitvoeren door een partij die geen belang heeft bij een specifieke tool, of leg vooraf vast dat productadvies buiten de scope valt.

Alleen documentatie wordt bekeken. Wat op papier staat, kan afwijken van de praktijk. Een scan zonder gesprekken met gebruikers levert een beeld op van hoe het bedoeld was, niet van hoe het werkt.

Het rapport verdwijnt in de la. Dat risico is groter als er niemand is die met de uitkomsten mag handelen. Koppel de scan vooraf aan een besluitmoment: op datum X bespreken we de bevindingen en besluiten we over de eerste drie acties.

De scan wordt een schuldvraag. Bevindingen over botsende definities of ongedocumenteerde koppelingen zijn geen verwijt aan de mensen die het landschap jarenlang draaiend hielden. Communiceer dat vooraf, anders loopt u het risico dat juist de mensen met de meeste kennis terughoudend worden.

Uw eerste stap

U hoeft niet met een volledige scan te beginnen. Begin met een eenvoudige vraag: schrijf drie rapportages of cijfers op die u niet volledig vertrouwt, en zoek per rapportage uit welke systemen erachter zitten en wie de definitie bepaalt. Dit is een indicatieve oefening, geen meting. Lukt het vlot, dan is dat een eerste aanwijzing dat uw basis redelijk staat. Kost het veel moeite of loopt u vast, dan is dat een signaal dat een bredere opname zinvol kan zijn.

Wilt u een snellere eerste indruk, dan heeft Twentynext een online zelfscan: zestien vragen, zeven minuten, en u ziet direct een spinnenweb met uw sterkste en zwakste dimensie. U hoeft daarvoor geen e-mailadres op te geven. Het vervangt geen echte opname. Wel kunt u het gebruiken als gespreksopening voor het volgende overleg met IT en de proceseigenaren.

Zo maken we dit. AI schrijft de eerste versie, een tweede AI controleert, en een mens van Twentynext leest en keurt elk artikel goed voordat het live gaat. We controleren feiten en bronnen zorgvuldig, maar kunnen juistheid en volledigheid niet garanderen. Zie onze disclaimer.