Zonder DataOps geen data-driven organisatie

‘Data-driven worden’: het is een ambitie die steeds meer organisaties hebben. Dat is begrijpelijk. Er is steeds meer data beschikbaar die kansen biedt om belangrijke beslissingen goed te onderbouwen.

Maar hoe word je data-driven als organisatie? Dat is een ander verhaal, aldus Vincent Goris, Chapter Lead Data & AI: “Er wordt vaak iets te eenvoudig over gedacht. Je wordt nog niet data-driven door simpelweg beslissingen te nemen op basis van data. Stel bijvoorbeeld dat je in een winkel de voorraad automatisch laat bijvullen op basis van sensordata, maar de voorraaddata kloppen niet, dan krijg je alsnog tekorten in de schappen. Oftewel: je kunt pas goede beslissingen nemen op basis van data, als je volledig grip hebt op het datalandschap. En daar ontbreekt het vaak aan.”

DataOps biedt hier een oplossing voor. Deze set van werkwijzen en principes helpt organisaties om meer grip en controle te krijgen over data. Vincent: “DataOps zou je zelfs een voorwaarde kunnen noemen om echt data-driven te kunnen worden als organisatie.”

Drie onderdelen van DataOps

De term lijkt op DevOps en heeft er ook overeenkomsten mee; in beide manieren van werken staat het snel leveren van features en toegevoegde waarde centraal. Maar er zijn ook verschillen: DataOps is veel dynamischer, omdat data continu verandert. Bovendien kan DevOps zich in principe beperken tot één team, terwijl bij DataOps meerdere afdelingen in de organisatie moeten worden betrokken.

“Je zou wel kunnen zeggen dat DevOps één van de drie peilers van DataOps is”, aldus Vincent. “De tweede peiler is data governance, oftewel het inrichten van de juiste processen in de organisatie. Data is niet alleen de verantwoordelijkheid van IT, de kennis van data ligt vaak in de business, dus die moet zich dan ook verantwoordelijk voelen voor de kwaliteit van de data. Ook is het belangrijk dat voor alle betrokkenen duidelijk is welke processen er zijn op datagebied, wat de data precies inhouden en wie de kennishouders zijn.

Testing is een derde peiler. Binnen DataOps gaat het om meer dan het testen van de oplossing. Ook data die gebruikt wordt door de oplossing moet worden getest, zodat je altijd grip hebt over de kwaliteit van de data en het effect op je oplossing.”

Weerstand

De invoering van DataOps kan wel wat weerstand oproepen binnen organisaties, aldus Vincent: “Het is ook best een investering om hiermee te beginnen. Mensen moeten daar vaak even aan wennen voordat ze de voordelen ervaren. Voor het opzetten van data goverance-processen is het zelfs belangrijk dat de hele organisatie meebeweegt. Project managers zien testen nogal eens als onnodig en tijdrovend. Sommige data engineers zijn niet zo bekend met DevOps-principes dus ook daar kan weerstand ontstaan. Wij raden daarom altijd aan om klein te beginnen met DataOps. Dit maakt de verandering behapbaar, de investering iets beperkter en geeft bij succesvolle implementatie een referentiecase die je kunt gebruiken om verder te groeien.”

Er zijn verschillende tools die kunnen helpen met de invoering van DataOps, legt Vincent uit: “Zo zijn er tools die je helpen op het gebied van governance. Maar een tool blijft een tool. Deze kan je helpen om DataOps te implementeren, maar alleen als je het voor elkaar krijgt om de bedrijfscultuur aan te passen en mensen mee te krijgen.”

Kortom: DataOps is een voorwaarde om data-driven te worden, omdat het je organisatie kan helpen om de datakwaliteit goed te houden, zodat je daadwerkelijk de juiste beslissingen kunt maken. Dat vergt wel wat veranderingen in de organisatie, maar als je klein begint en langzaam uitbouwt, dan kun je mensen in de organisatie meekrijgen.”

 

Meer weten?

Luister ook naar deze podcast waarin Vincent Goris, Maarten Vos en Niels Naglé vijf stelling over DataOps bespreken, zoals: Haal je zonder DataOps onvoldoende waarde uit machine learning en artificial intelligence?

Of lees dit artikel over het gebruik van DataOps in de praktijk. Hierin komen vragen aan bod als: Hoe verhouden DataOps en DevOps zich? Hoe implementeer je het in je organisatie en wat voor effect heeft het op de bedrijfsvoering? Wat zijn de grootste uitdagingen en valkuilen?