
Routekaart naar data-denken
Elke digitale transformatie stelt eisen aan de onderliggende data-architectuur om moderne technieken als Big Data analyse, Machine Learning en Kunstmatige Intelligentie mogelijk te maken. In een interessant artikel van McKinsey ‘Breaking through data-architecture gridlock to scale AI’ worden goede voorbeelden beschreven hoe organisaties sneller en makkelijker deze nieuwe data-architecturen kunnen ontwikkelen en implementeren. Om fundamenteel te moderniseren, is een heldere routekaart voor die data-architectuur nodig. Nog steeds kampen veel organisaties met data-architecturen die organisch zijn ontstaan vanuit vele verschillende applicaties. Datamodellen uit de tijd dat applicaties leidend waren en voor hun applicaties het gebruik van eigen ‘propriety’ datamodellen afdwongen. Intussen is wel helder dat in moderne informatie-huishoudingen data in principe open en transparant zal moeten zijn. Met uitzonderingen van specifieke, vaak transactie gerichte processen waar voor applicaties en systemen bijzondere en/of gesloten datamodellen nodig zijn. Deze paradigma verandering van applicatie centrische architecturen naar data centrische architecturen vraagt een andere mindset bij niet alleen de informatiedeskundigen, maar ook bij de leiding van die organisatie. Immers ‘data-denken’ is heel anders dan ‘applicatie-denken’. Applicatie-denken kunnen managers en procesverantwoordelijken redelijk makkelijk, omdat de applicatie vanuit een proces is ontwikkeld en ontworpen. Lees meer…