Je datalandschap in kaart brengen in vijf stappen

Kort antwoord: je brengt je datalandschap in kaart door per systeem vast te leggen welke data erin zit, wie de eigenaar is en hoe die data naar andere systemen en rapporten stroomt. Dat doe je in vijf stappen: systemen inventariseren, datastromen tekenen, eigenaarschap en leidende bronnen vastleggen, knelpunten markeren en kiezen wat je centraal wilt hebben. Het resultaat is een overzicht dat laat zien waar je cijfers vandaan komen en waar het risico zit. Dat overzicht heb je ook nodig voordat je AI of een datalake gaat inzetten.

Waarom een datalandschap in kaart brengen?

In de meeste organisaties is het datalandschap niet ontworpen, maar gegroeid. Er kwam een boekhoudpakket, later een CRM, een planningssysteem, een webshop, en tussendoor een paar Excel-lijsten die niemand meer weg durft te halen. Iedereen kent zijn eigen stukje, maar niemand ziet het geheel.

Dat gaat goed tot je een vraag stelt die over meerdere systemen gaat. "Wat levert een klant ons op, inclusief de uren die we eraan besteden?" vraagt data uit de boekhouding, de urenregistratie en het CRM. Dan blijkt pas hoe die systemen samenhangen, of juist niet.

Een overzicht van je datalandschap helpt bij:

• een BI-traject, datalake of AI-toepassing: je weet welke bronnen je moet ontsluiten;
• een nieuw systeem kiezen: je ziet welke koppelingen het moet ondersteunen;
• privacy: je weet waar persoonsgegevens staan en waar ze naartoe gaan;
• continuïteit: je ziet welke processen afhangen van één persoon of één bestand.

Stap 1: inventariseer je systemen

Maak een lijst van alle plekken waar data ontstaat of wordt bewaard. Niet alleen de grote pakketten, ook de losse bestanden die een rol spelen in rapportages.

Leg per systeem minimaal vast:

Vraag dit op bij de mensen die met de systemen werken, niet alleen bij IT. De Excel-lijsten die het verschil maken, kent IT vaak niet.

Stap 2: teken de datastromen

Zet de systemen als blokken op papier en teken een pijl voor elke stroom van data. Geef bij elke pijl aan hoe het gaat:

• automatisch, via een koppeling;
• met een export, die iemand handmatig maakt en ergens anders weer inleest;
• door overtypen, waarbij iemand gegevens uit het ene systeem in het andere invoert.

Teken ook de rapportages: waar komen de cijfers in het maandrapport vandaan? Vaak blijkt dat één rapport afhangt van drie exports en een werkboek. Dat is precies het soort inzicht dat je zoekt.

Stap 3: leg eigenaarschap en leidende bronnen vast

Veel gegevens staan op meer dan één plek. Een klantadres staat in het CRM, in de boekhouding en misschien in de webshop. Welk adres klopt als ze verschillen?

Spreek per soort gegeven af welk systeem leidend is: de plek waar het gegeven wordt ingevoerd en onderhouden. Andere systemen nemen het over, en een wijziging gebeurt alleen in de leidende bron. Leg ook vast wie verantwoordelijk is voor de kwaliteit van die gegevens.

Dit klinkt als papierwerk, maar het voorkomt de discussie die in rapportages het vaakst opduikt: welk getal klopt?

Stap 4: markeer de knelpunten

Loop je tekening na en zet een markering bij:

• handwerk: exports en overtypen die tijd kosten en fouten kunnen opleveren;
• dubbele invoer: hetzelfde gegeven op twee plekken bijgehouden;
• ontbrekende historie: systemen die alleen de huidige stand tonen, terwijl je wilt terugkijken;
• afhankelijkheid van één persoon: een stroom die alleen werkt als die ene collega er is;
• gevoelige gegevens: persoonsgegevens die via mail of losse bestanden reizen;
• systemen zonder uitgang: data die je er alleen met veel moeite uit krijgt.

Deze lijst is vaak het waardevolste resultaat van de hele oefening.

Stap 5: kies wat centraal komt

Nu bepaal je welke bronnen je naar een centrale plek wilt halen, zoals een datalake of datawarehouse. Niet alles tegelijk: begin bij de vraag die je wilt beantwoorden. Welke KPI's daarbij horen, lees je in KPI's kiezen die je echt gebruikt.

Zet elke bron op twee assen: hoe belangrijk is hij voor die vraag, en hoe makkelijk kom je bij de data?

• Belangrijk en makkelijk: eerst aansluiten.
• Belangrijk maar lastig: plannen. Soms is een tussenoplossing nodig, zoals een geplande export.
• Makkelijk maar niet belangrijk: meenemen als het uitkomt.
• Lastig en niet belangrijk: voorlopig laten liggen.

Hoe die centrale plek eruit kan zien, lees je in Datalake of datawarehouse.

Valkuilen

• Alleen de officiële systemen. De echte afhankelijkheden zitten vaak in Excel-lijsten en gedeelde mappen.
• Te veel detail. Je hoeft niet elke tabel en kolom te beschrijven. Systemen, soorten data en stromen zijn genoeg voor de eerste versie.
• Eenmalig. Een overzicht dat niet wordt bijgehouden, is na een jaar onbetrouwbaar. Wijs iemand aan die het bijwerkt bij elke wijziging.
• Alleen IT laten tekenen. De mensen die met de data werken, weten waar het knelt.

Wat het oplevert

Na deze vijf stappen heb je een tekening van je systemen en stromen, een lijst met eigenaren en leidende bronnen, een overzicht van knelpunten en een volgorde om bronnen aan te sluiten. Dat is een stevige basis voor de stap naar business intelligence, zoals beschreven in Van Excel naar business intelligence.

Samengevat

• Een datalandschap is het geheel van systemen, gegevens, eigenaren en stromen.
• Inventariseer, teken de stromen, leg eigenaarschap vast, markeer knelpunten en kies wat centraal komt.
• Begin bij de vraag die je wilt beantwoorden, en sluit eerst de bronnen aan die belangrijk én bereikbaar zijn.
• Houd het overzicht bij, anders veroudert het snel.

Wil je je datalandschap in kaart laten brengen en bepalen wat er centraal moet komen? Dat is de eerste fase van onze roadmap: kennismaken en in kaart brengen. Op Werkwijze lees je hoe het daarna verdergaat, en op Diensten wat we in je eigen omgeving kunnen inrichten.