Overheidsorganisaties zetten in toenemende mate in op datagedreven werken. Een dataplatform vormt daarbij het technisch kloppende hart: het verzamelt, verwerkt, combineert en ontsluit gegevens op een veilige en betrouwbare manier. Maar het kiezen van de juiste techniek is geen eenvoudige opgave. Het vereist een zorgvuldig afwegingsproces waarin zowel technische als organisatorische factoren een rol spelen. In dit artikel bespreken we de belangrijkste punten om mee te nemen bij de aanschaf van een dataplatform als overheid. 

Wat is een dataplatform?

Om te beginnen: wat wordt verstaan onder een dataplatform? Een dataplatform bestaat uit verschillende onderdelen. Om het hier simpel te houden, bestaat een dataplatform tenminste uit deze vier onderdelen: 

• Opslag van data: een plek waar data wordt opgeslagen en beheerd, bijvoorbeeld een datawarehouse of datalake. 
• Ophalen van data: denk hierbij aan ELT (Extract, Load en optioneel Transform)-tooling. 
• Transformatie: applicaties waarmee data wordt bewerkt, zoals het opschonen of transformeren naar een gewenste vorm. 
• Visualisatie: een omgeving waarin data geanalyseerd en gemodelleerd kan worden, zodat deze op een gewenste manier gepresenteerd kan worden. 

In dit artikel wordt de data-architectuur inhoudelijk verder toegelicht.

Beheer dataplatform

Een dataplatform kan volledig in eigen beheer zijn of worden uitbesteed; dit wordt ook wel self-managed versus managed genoemd. Deze keuze hangt af van de mogelijkheden en behoeften van de organisatie. Het uit handen geven van beheer kan voordelen bieden: het platform is up-to-date, er is een snelle implementatie en de beheerlast is laag. Daarentegen is er minder maatwerk mogelijk en ontstaat afhankelijkheid van de leverancier. Welke vorm het beste past, hangt af van een aantal factoren die later in dit artikel worden toegelicht. 

Ontwikkel- en beheerstrategie

Nog vóór de keuze voor applicaties en leveranciers moet worden bepaald welke ontwikkel- en beheerstrategie het beste past: (high-)code, low-code of no-code. Bij complexe dataprocessen kan de voorkeur uitgaan naar (high-)code, wat betekent dat er meer zelf geprogrammeerd moet worden. Het voordeel hiervan is meer controle en flexibiliteit. Een nadeel voor (kleine) overheidsorganisaties is het benodigde kennisniveau en de kosten van personeel dat over deze expertise beschikt. 

Beginnende organisatie kiezen vaker voor low-code of no-code oplossingen. Hierbij maken applicaties gebruik van vaste bouwblokken, die met een gebruiksvriendelijke user-interface bij elkaar geklikt wordt. Het voordeel is dat minder technische kennis nodig is. Dit gaat op termijn wel ten koste van schaalbaarheid en zorgt voor een grotere vendor lock-in. Waar op code gebaseerde oplossingen relatief eenvoudig te migreren zijn tussen oplossingen van leveranciers (denk aan universele talen als Python en SQL), geldt dat per definitie niet voor low-code en no-code oplossingen. 

Meest geschikte oplossing? 

Er zijn veel verschillende opties en voor elke organisatie kan iets anders het beste werken. Ga vóór de aanschaf de volgende punten na en bepaal op basis daarvan welke oplossing het meest geschikt is.

1. Ambitie van de organisatie

Organisaties met veel data-intensieve processen hebben andere behoeften dan organisaties met beperkte data-behoeften. Waar staat de organisatie nu, hoe hoog ligt de lat en op welke termijn moet de realisatie plaatsvinden? Dit heeft invloed op de grootte, flexibiliteit en complexiteit van het dataplatform dat wordt aangeschaft. 

2. Kennis en kunde

Hoe ziet het datateam eruit en wat is het kennisniveau? Bestaat het uit programmeurs, of is datagedreven werken slechts een onderdeel van de functie? Een hoog kennisniveau biedt de mogelijkheid om meer regie te nemen over het dataplatform. Wanneer dit kennisniveau ontbreekt of middelen ontbreken, is een andere aanpak gewenst. 

3. Middelen

Niet alleen financiële middelen zijn van belang, ook tijd en capaciteit spelen een grote rol. Wat is de tijdlijn waarop de organisatie wil veranderen en met wie wordt aan deze verandering gewerkt? Deze aspecten bepalen hoe het platform zich moet kunnen gedragen. Denk bijvoorbeeld aan minder maatwerk of starten in kleine stappen. Het eerste vraagt minder kennis van de organisatie, het tweede vraagt flexibiliteit van het platform. 

Wanneer ontwikkelfilosofie, ambitie, kennis, en middelen helder zijn, ontstaat een stevig kader voor de aanschaf van een dataplatform. Voor succesvol datagedreven werken is het invullen van deze technische randvoorwaarden noodzakelijk. Tegelijkertijd blijft de techniek faciliterend aan de organisatorische verandering die datagedreven werken voorál is.

Meer weten?

Lees voor meer context ook andere artikelen over datagedreven op de Telengy-website. Voor meer informatie kunt u contact opnemen met  Eline van Lieshout via de contactpagina.