De situatie
Een internationale offshore-aannemer was een programma Data Management gestart, met een duidelijke aanleiding: er lagen AI-toepassingen in het verschiet, en die zijn alleen zo goed als de data eronder. Voordat je daaraan begint, moet je weten welke gegevens je hebt, wie erover gaat en welke definities gelden.
Het programma was er dus wel, maar de structuur eromheen nog niet. Dat is een herkenbaar moment: het onderwerp is urgent, er zijn mensen aan het werk, en er is nog geen manier om te zien of het de goede kant op gaat.
Wat ik heb gedaan
Ik heb de programmastructuur ingericht conform PRINCE2 en MSP: werkpakketten met een eigenaar, rapportagelijnen die aansluiten op de bestaande governance, en een ritme waarin besluiten daadwerkelijk genomen worden.
De inhoudelijke kern was het beleggen van eigenaarschap. Datagovernance mislukt vrijwel altijd op dezelfde manier: er komt een set definities en standaarden, en niemand voelt zich er verantwoordelijk voor. Daarom is per datadomein bepaald wie de eigenaar is aan de businesskant, wie aan de IT-kant, en waar het gesprek plaatsvindt als die twee het oneens zijn.
Uitkomst
Wat het opleverde
Toen het programma beheersbaar was en de structuur stond, kon de organisatie het zelf oppakken. Dat maakte dit een korte opdracht, en dat is precies wat het moest zijn. Een interim-programmamanager die onmisbaar wordt, heeft zijn werk niet af.
Wat ik meeneem
Bij datamanagement als voorbereiding op AI is de verleiding groot om te beginnen bij het model of het platform. Het werk zit ervoor: weten welke gegevens er zijn, wie ze beheert en welke definitie geldt als twee afdelingen hetzelfde woord anders gebruiken. Zonder dat bouw je een AI-toepassing op zand, hoe goed het model ook is.
