DAMA kenniswiel & Data Governance

De DAMA kenniswiel – The DAMA Wheel – wordt veelvuldig gebruikt bij het omschrijven van de kennisgebieden binnen datamanagementprocessen. Het geeft de nodige inzicht op noodzakelijke kennis om deze processen tot concrete uitvoering te brengen. De deelgebieden zijn:

Data kwaliteit: Definiëren, monitoren, verbeteren van datakwaliteit en het onderhouden van data-integriteit, met als doel het goede gebruik ervan te bevorderen.

Data architectuur: Het geheel aan datastructuren en kaderstelling (principes) op data als integraal onderdeel van de enterprise architectuur. (NORA –PETRA: Provinciaal EnTerprise Referentie Architectuur).

Data modellering en Design: Ontwerpen, bouwen, testen en onderhouden van data, als vastlegging van de werkelijkheid, opgeslagen in deze data.

Data opslag & -operatie: Structurele inzet en onderhoud van fysieke dataopslagmiddelen (oa. databases en andere media).

Data beveiliging: Waarborgen van de juiste toegang (tot data) vanuit kaders en richtlijnen zoals IAM (Identity Acces Management), wet- en regelgeving en vertrouwelijkheid.

Data integratie & uitwisseling: Acquisitie, extractie, transformatie, transport, levering, replicatie, federatie, virtualisatie van data naar andere stakeholders (inclusief open data).

Document & Content: Ontwikkelen, bewaren, archiveren en vernietigen van data- en kennismodellen, inclusief taxonomieën, kennisgraven en ontologiën.

Referentie- & Master data:

Masterdata: belangrijkste data binnen een organisatie, waar de business omheen is georganiseerd (bijv. inwoners, objecten, wijken, buurten, basis-/kernregistraties).

Referentiedata: (relatief) vaste kernmerken waarmee andere data worden geclassificeerd (bijv. BSN, leverancier nummer, wijkcode, buurtcode).

Metadata: Verzamelen, categoriseren, onderhouden, integreren, beheersen, managen van de (diversiteit in) betekenis en context van de data (zijnde informatie over data).


DAMA kenniswiel & Data Governance