Je houdt een data catalog up-to-date zonder groot stewardteam door het werk te splitsen. Laat de technische metadata automatisch binnenkomen uit je bronnen en uit Power BI. Beperk het handwerk tot de definities en eigenaars van wat mensen echt gebruiken. En leg dat handwerk bij de mensen die de cijfers al bezitten, niet bij een apart team. Een catalog sterft aan onderhoud, niet aan ontbrekende functies.
Waarom de meeste data catalogs na een jaar verouderd zijn
De gangbare reflex is: meer functies, meer stewards. Dat lost het probleem zelden op. Een catalog wordt niet onbruikbaar omdat hij te weinig kan, maar omdat hij niet meer klopt.
Bijvoorbeeld: een projectteam documenteert bij de lancering duizenden tabellen. Een jaar later zijn kolommen hernoemd, is een eigenaar vertrokken en verwijst de helft van de beschrijvingen naar een bron die niet meer bestaat. De eerste gebruiker die dat merkt, komt niet terug.
In de praktijk is de catalog dan een momentopname geworden. Het project is afgesloten, maar het onderhoud heeft nooit een eigenaar gekregen. Daar zit het echte probleem.
Wat je kunt automatiseren, en wat niet
Niet alle metadata vraagt evenveel mensenwerk. Een groot deel kan rechtstreeks uit je bronnen komen. Wat overblijft is de betekenis: wat een cijfer wil zeggen en wie erover beslist.
| Soort metadata | Hoe het binnenkomt | Wie houdt het bij |
|---|---|---|
| Tabellen, kolommen, datatypes | Automatisch, via een connector op de bron | Niemand, het ververst vanzelf |
| Lineage tussen bron en rapport | Grotendeels automatisch, voor zover de bronnen het tonen | Het datateam vult gaten aan |
| Gebruik: welke rapporten geopend worden | Automatisch, uit de logs van het platform | Niemand |
| Beschrijvingen van velden | Een eerste voorstel kan door AI geschreven worden | Een mens keurt het goed |
| KPI-definities en eigenaars | Deels handwerk, met voorstellen voor de definitie en de koppeling naar rapporten | De eigenaar van het cijfer |
Het patroon is eenvoudig. Alles wat een machine kan uitlezen, laat je door een machine uitlezen. Mensen besteden hun tijd aan de onderste twee rijen.
Begin bij wat gelezen wordt, niet bij alles wat bestaat
Volledigheid voelt verantwoord, maar het is de snelste weg naar een verouderde catalog. Elke tabel die je documenteert, moet je ook blijven onderhouden.
Kijk daarom eerst naar gebruik. Welke Power BI-rapporten worden elke week geopend? Welke KPI's komen terug in het directiecomité? Daar begin je. Een staging-tabel die niemand leest, mag ongedocumenteerd blijven tot iemand ernaar vraagt.
In de praktijk komt je eerste scope zo neer op een paar rapporten en de KPI's daarin. Dat is werk voor enkele weken, geen meerjarenproject.
Leg het onderhoud bij de eigenaar, niet bij een apart team
Een klein team data stewards kan nooit alle definities in een groot bedrijf actueel houden. Ze kennen de business niet goed genoeg, en ze horen niet wanneer er iets verandert.
De eigenaar van een cijfer hoort dat wel. Als Finance de definitie van brutomarge aanpast, weet de financieel controller dat als eerste. Maak die persoon eigenaar van de definitie in de catalog. Een steward begeleidt, bewaakt de afspraken en vangt op wat tussen twee stoelen valt.
Dat werkt alleen als het onderhoud klein blijft. Vraag een eigenaar niet om een portaal te leren. Vraag om één zin te bevestigen of aan te passen, op een vast moment.
Maak zichtbaar wat niet meer klopt
Een verouderde definitie die niemand opmerkt, is gevaarlijker dan een ontbrekende. Geef daarom elke definitie een datum van laatste bevestiging en een eigenaar.
Toon definities ook waar mensen werken: in het rapport, naast het cijfer. Wie een definitie ziet die niet klopt, meldt het. Een definitie die alleen in een apart portaal staat, wordt nooit gecorrigeerd, omdat niemand ze leest.
Een praktisch kader: Automatiseer, Kies, Wijs toe, Toon, Herzie
- Automatiseer: laat tabellen, kolommen, lineage en gebruik automatisch binnenkomen uit je bronnen.
- Kies: documenteer eerst de rapporten en KPI's die effectief gelezen worden.
- Wijs toe: één benoemde eigenaar per definitie, iemand uit de business, geen team.
- Toon: laat definities en eigenaars zien in het rapport, waar fouten opvallen.
- Herzie: de eigenaar bevestigt elke definitie op een vast ritme, bijvoorbeeld elk kwartaal.
Waar dScribe past
Een KPI definiëren blijft handwerk. Iemand uit de business beslist wat brutomarge bij jullie betekent, en dat neemt geen tool over. dScribe maakt dat werk wel kleiner met slimme suggesties. Ze helpen je nieuwe termen en KPI's te definiëren en koppelen ze aan de rapporten en datasets waarin ze lijken te worden gebruikt. Ze wijzen je ook op dubbele definities en helpen de lineage vastleggen. De eigenaar vult zo geen leeg blad in, maar bevestigt of past een voorstel aan.
Daarnaast kan dScribe de metadata van oudere systemen crawlen en er een inventaris van maken. Je ziet welke rapporten een bepaalde measure-definitie gebruiken. Je ziet ook welke rapporten en velden gebruikt worden, zodat je weet waar je moet beginnen. In Power BI toont de browserplugin definities en eigenaars in het rapport zelf, waar lezers ze zien en fouten melden.
Tot slot
Een catalog die bij de lancering volledig is, is na een jaar meestal fout. Een catalog die klein begint en door de juiste mensen wordt bijgehouden, blijft kloppen. Automatiseer wat een machine kan lezen. Leg de betekenis bij de eigenaar. En toon het waar mensen kijken, zodat een fout niet lang onopgemerkt blijft.
Veelgestelde vragen
Hoeveel data stewards heb je nodig voor een data catalog?
Minder dan je denkt, als de eigenaars van de cijfers zelf hun definities bijhouden. Stewards begeleiden dan het proces in plaats van alles zelf te schrijven. Hoeveel je er nodig hebt, hangt vooral af van hoeveel domeinen je tegelijk aanpakt.
Kan een data catalog zichzelf bijhouden?
Voor een deel. Tabellen, kolommen, lineage en gebruik kunnen automatisch binnenkomen. De betekenis van een KPI en wie erover beslist, moet een mens vastleggen, ook als AI een eerste voorstel doet.
Kan AI de beschrijvingen in mijn data catalog schrijven?
AI kan een bruikbaar eerste voorstel doen voor veldbeschrijvingen, op basis van namen en context. Laat een mens het nalezen voordat het gepubliceerd wordt. Voor KPI-definities waarover discussie bestaat, beslist altijd de eigenaar.
Waarom gebruikt niemand onze data catalog?
Meestal omdat hij niet staat waar mensen werken, of omdat te veel informatie verouderd is. Wie twee keer een foute beschrijving tegenkomt, stopt met zoeken. Toon definities in het rapport en houd de scope klein genoeg om actueel te blijven.
Moet je eerst alles documenteren voordat je een catalog lanceert?
Nee. Begin met de rapporten en KPI's die het meest gelezen worden. Een kleine scope die klopt, wint meer vertrouwen dan een volledige catalog vol oude beschrijvingen.