Verwijst naar het vermogen van een datasysteem of architectuur om effectief te reageren op veranderingen in bedrijfsprocessen, vereisten, databronnen en technologische omgevingen. Door de flexibiliteit kan een systeem variaties in dataformaten, datamodellen en datastructuren ondersteunen.

Verwijst naar het vermogen van een datasysteem of architectuur om effectief te reageren op veranderingen in bedrijfsprocessen, vereisten, databronnen en technologische omgevingen. Door de flexibiliteit kan een systeem variaties in dataformaten, datamodel.

Beschrijving van de bedrijfsarchitectuur voor een werkwijze met een architectuur repository. Hierbij worden daartoe een aantal bedrijfsprocessen en -rollen uitgewerkt. Omdat het werken met een architectuur repository een transitie is naar een andere werkwijze binnen het architectuurteam is de bedrijfsarchitectuur daarom een belangrijk onderdeel om in detail uit werken. Reden is dat een succesvolle bedrijfsarchitectuur het succes of het mislukken van de introductie van een architectuur repository kan bepalen.

Uitwerking van de binnen de architectuur relevante bedrijfs- en werkprocessen. Inclusief een detaillering van de daarin uitgevoerde activiteiten.

Naamgevingsconventies Gebruik: Werkwoord in de gebiedende wijs gevolgd door een zelfstandig naamwoord (enkelvoud), bijvoorbeeld: Controleer order, maak offerte, Meldt storing. Vermijd Beheer, verwerk, registreer ……

Naamgevingsconventie Gebruik: Werkwoord in de gebiedende wijs gevolgd door een zelfstandig naamwoord (enkelvoud), bijvoorbeeld: Controleer order, maak offerte, Meldt storing. Vermijd Beheer, verwerk, registreer ……

In de detailprocessen worden bedrijfsprocesmodellen uitgewerkt op basis van Business Process Modeling Notation (BPMN). Hiermee is het mogelijk om een gedetailleerde modellering uit te werken van processen. Vanuit het perspectief van de data modellering voegen wij hier data objecten en data stores aan toe om inzichtelijk te maken hoe data van de ene proces activiteit naar de andere stroomt

Op basis van een aantal eenvoudige processtappen en bijbehorende rollen kun je een aantal gewenste functies van het expertise netwerk definieren. Hieraan kun je vervolgens beheerprocessen en applicatiefuncties koppelen. Daarmee ontstaande contouren van het expertise netwerk

Data en informatie heeft een passend beveiligingsniveau - Rationale Adequate beveiliging van data en informatie voorkomt ongeoorloofd gebruik, ondersteunt de integriteit van XXX en waarborgt de continuïteit van bedrijfsprocessen en dienstverlening. - Implicatie Voldoen aan het XXX beleid over de beveiliging van data en informatie. Dit bestaat uit een raamwerk voor Informatieveiligheid, een risicogedreven aanpak en een classificatiesysteem om het gewenste niveau van beveiliging te bepalen, en maatregelsets passend bij het belang (voor XXX en voor personen) van de data en informatie.

BPMN is bedrijfsprocesmodellering en wordt gebruikt als detaillering voor werkprocessen en activiteiten.

Data is bij data gedreven organisaties een belangrijk domein. Het domein is gerelateerd aan de andere domeinen binnen een organisatie zoals infrastructuur, applicaties en bedrijfsprocessen. De data domein architectuur is daarmee een holistische beschrijving van de data bestaande uit meerdere uitwerkingen onder andere de kaders zoals data principes, modellen van de stakeholders maar ook een beschrijving van de huidige en toekomstige data architectuur in de vorm van blauwdrukken, modellen en visualisatie's. De data domein architectuur is daarmee veelal kaderstellend en initiërend voor data solution architecturen.

Een maatregel is een activiteit zowel technisch van aard, bedrijfsproces of werkinstructie die zorg draagt voor het oplossen van een data kwaliteits issue gerelateerd aan het kwaliteitsraamwerk.

Data wordt veelal als een waardevol productiemiddel gezien en wordt daarom gemanaged. Dit managen zal op meerdere enterprise niveaus vorm krijgen. In de bedrijfslaag wordt gekeken in welke bedrijfsprocessen en organisatie onderdelen welke data wordt gebruikt voor het uitvoeren van de diverse activiteiten. Daarnaast wordt op dit niveau data ontsloten voor diverse (interne en externe) stakeholders. Deze laag zal daartoe ondersteund worden vanuit een dataplatform dat is opgebouwd uit één of meerdere datatoepassingen. Dit data platform en de datatoepassingen worden uitgewerkt in de vorm van een data- en applicatielandschap. Dit landschap wordt gemodelleerd zodat de data gemanaged kan worden in een combinatie van applicatiecomponenten. Daarnaast zal er data uitgewisseld worden tussen diversie informatiesystemen binnen de organisatie en er zal data uitgewisseld worden vanuit deze toepassingen met externe partijen, veelal bestaande uit informatiesystemen bij externe stakeholders. Vanuit data-architectuur is er behoefte om dit datalandschap te beschrijven zodat vanuit data-architectuur meerwaarde geboden kan worden op het moment dat er behoefte is aan veranderingen binnen het data platform en de data-toepassingen. Onder dit data- en applicatielandschap kan vervolgens een infrastructurele inrichting beschreven worden vanuit het perspectief van de data-architect. Waar wordt de data opgeslagen in de infrastructuur. Hoe zijn de fysieke datastromen binnen de infrastructuur. Via welke technische interfaces en infrastructurele toepassingen. Daarnaast is het van belang om hier bij cloud gebaseerde toepassingen hoe de data tussen cloud en on premise voorzieningen worden uitgewisseld.

Data wordt veelal als een waardevol productiemiddel gezien en wordt daarom gemanaged. Dit managen zal op meerdere enterprise niveaus vorm krijgen. In de bedrijfslaag wordt gekeken in welke bedrijfsprocessen en organisatie onderdelen welke data wordt gebruikt voor het uitvoeren van de diverse activiteiten. Daarnaast wordt op dit niveau data ontsloten voor diverse (interne en externe) stakeholders. Deze laag zal daartoe ondersteund worden vanuit een dataplatform dat is opgebouwd uit één of meerdere datatoepassingen. Dit data platform en de datatoepassingen worden uitgewerkt in de vorm van een data- en applicatielandschap. Dit landschap wordt gemodelleerd zodat de data gemanaged kan worden in een combinatie van applicatiecomponenten. Daarnaast zal er data uitgewisseld worden tussen diversie informatiesystemen binnen de organisatie en er zal data uitgewisseld worden vanuit deze toepassingen met externe partijen, veelal bestaande uit informatiesystemen bij externe stakeholders. Vanuit data-architectuur is er behoefte om dit datalandschap te beschrijven zodat vanuit data-architectuur meerwaarde geboden kan worden op het moment dat er behoefte is aan veranderingen binnen het data platform en de data-toepassingen. Onder dit data- en applicatielandschap kan vervolgens een infrastructurele inrichting beschreven worden vanuit het perspectief van de data-architect. Waar wordt de data opgeslagen in de infrastructuur. Hoe zijn de fysieke datastromen binnen de infrastructuur. Via welke technische interfaces en infrastructurele toepassingen. Daarnaast is het van belang om hier bij cloud gebaseerde toepassingen hoe de data tussen cloud en on premise voorzieningen worden uitgewisseld.

Datakwaliteiten zijn van groot belang voor data gedreven organisaties en daarmee voor de data-architectuur. Het in kaart brengen van de huidige en de gewenste datakwaliteits niveaus is een activiteit van de data-architect essentieel om kaders te stellen aan de verandering. Om datakwaliteiten te verhogen worden maatregelen ingezet. Een maatregel is van technische aard, bedrijfsproces of werkinstructie om voldoende kwaliteit te realiseren. Maatregelen zijn veelal uitgewerkt in de vorm van patronen en architectuur en solution bouwblokken.

Projecten en programma's leveren deliverables dit zijn producten of diensten die ervoor zorgen dat de requirements vanuit de verschillende stakeholders worden gerealiseerd. Meestal realiseert een deliverable twee elementen. Allereerst zijn dit de generieke elementen in het data gedreven landschap. Denk hierbij aan bedrijfsprocessen en -functies, applicatiesystemen en infrastructuur elementen. Daarnaast realiseert een deliverable via de generieke- of infrstructuurelementen de data gedreven requirements.

Implementeer de kwaliteitsrelease. Dit is veelal een combinatie van technische IT maatregelen zoals hjet doen van aanpassingen in informatiesysteem, data modellen en infrastructuur samen met aanpassingen in bedrijfsprocessen of in de werkinstructies voor de betrokkenen.

De kwaliteit van data en informatie wordt actief beheerd en verbeterd tijdens de gehele levenscyclus - Rationale Data en informatie is de grondstof voor bedrijfsprocessen. Goede kwaliteit zorgt voor meer efficiëntie, betrouwbaarheid en compliance voor alle betrokkenen. De kwaliteit van data en informatie is van cruciaal belang voor het nemen van de juiste besluiten. - Implicatie Kwaliteitsmanagement is geborgd gedurende de hele levenscyclus van data en informatie. Sturing op ‘First Time Right’ (Lean principe) en waar nodig een controle/reviewstap.

Een maatregel van technische aard, bedrijfsproces, werkinstructie of bewustwording zadat het bereiken van voldoende kwaliteit gerealiseerd wordt.

Een maatregel van technische aard, bedrijfsproces of werkinstructie om voldoende kwaliteit te realiseren. Een maatregel van technische aard, bedrijfsproces of werkinstructie om het bereiken van voldoende kwaliteit gerealiseerd wordt

Een maatregel van technische aard, bedrijfsproces of werkinstructie om het bereiken van voldoende kwaliteit gerealiseerd wordt

Een maatregel van technische aard, bedrijfsproces of werkinstructie om voldoende kwaliteit te realiseren.

Aangezien de meeste dataveranderingsprojecten de ontwikkeling of aanschaf van softwaretoepassingen vereisen, is een algemeen begrip van technologie, technologische ontwikkelingen en benaderingen van softwareontwikkeling noodzakelijk, zodat data-architecten zinvol kunnen communiceren met hun technologiegerichte collega's en hun rol en bijdrage aan de oplossingsarchitectuur en het ontwikkelingsproces kunnen waarderen. De mate waarin data-architecten technische kennis nodig hebben, hangt af van de aard van het analysewerk dat wordt uitgevoerd. De belangrijkste vereiste is dat de data-architect het potentieel van technologie en de benaderingen en termen die door technische specialisten worden gebruikt, begrijpt. Enkele van de belangrijkste gebieden die data-architecten moeten begrijpen, worden hieronder opgesomd: Trends en ontwikkelingen zoals AI, robotic process automation (RPA), big data, software as a service (SaaS), visualisatie, mobiele technologieën, en hoe deze impact hebben op organisaties en de potentie die ze bieden voor nieuwe of verbeterde producten of diensten. Technische infrastructuurcomponenten zoals besturingssystemen, applicatiesoftware, hardware, netwerken, cloud computing. Levenscycli van systeemontwikkeling (SDLC's) en benaderingen zoals het 'V'-model en het uniforme proces. Benaderingen voor systeemmodellering zoals de UML. Agile ontwikkelingsbenaderingen zoals DSDM en Scrum. De relatieve voor- en nadelen van het ontwikkelen van software in plaats van het kopen van kant-en-klare softwareproducten. Organisatiestructuren Veel bedrijfsveranderingsprojecten omvatten het tot op zekere hoogte herstructureren van divisies of teams om overdrachten te verwijderen, taken te centraliseren of de klantenservice te verbeteren. Om deze redenen is het belangrijk dat een data-architect een goed begrip heeft van de verschillende organisatiestructuren die zich kunnen voordoen – functioneel, project, matrix, plat, virtueel – en van hun relatieve sterke en zwakke punten. Beheer van leveranciers Veel organisaties maken gebruik van externe leveranciers om hun IT-systemen te leveren, hetzij op ad-hocbasis, hetzij via een uitgebreidere outsourcingregeling, die hele bedrijfsprocessen of zelfs een hele bedrijfsfunctie kan omvatten. Veel organisaties hebben bijvoorbeeld hun salarisadministratieprocessen meerdere jaren uitbesteed, maar sommige hebben dit nu uitgebreid tot een groot deel van het personeelswerk (HR), van werving tot het bijhouden van gegevens. Selecteren en contracteren van leveranciers valt meestal binnen het domein van de inkoopfunctie. Voor sommige outsourcingcontracten kan de data-architect echter betrokken zijn om ervoor te zorgen dat de bedrijfsprocessen en -systemen efficiënt blijven werken. Dit vereist dat data-architecten een breed begrip hebben van inkoop- en leveranciersbeheerprocessen. Data-architecten moeten op zijn minst op de hoogte zijn van de verschillende contractuele regelingen die beschikbaar zijn, met name: Tijd en materiaal: Wanneer de gecontracteerde partij wordt betaald op basis van de gewerkte tijd en de te leveren prestaties die zijn geleverd; het tijdselement heeft geen betrekking op de verstreken tijd van het project, maar op de hoeveelheid inspanning die is geleverd. Levering tegen een vaste prijs: waarbij de gecontracteerde partij de prijs ontvangt die is overeengekomen voor de levering van het werk in overeenstemming met de oorspronkelijke specificatie. Risico en beloning: Wanneer de gecontracteerde partij ermee heeft ingestemd om een deel of het volledige risico van het project te dragen. Bijvoorbeeld door middelen te investeren zoals personeelstijd, materialen of kantoorruimte, maar waarbij de potentiële beloningen groter zijn dan bij andere contractuele regelingen. Data-architecten moeten in staat zijn om met leveranciers in contact te komen om ervoor te zorgen dat ze hun diensten effectief leveren. Dit vereist persoonlijke kwaliteiten zoals communicatie en het opbouwen van relaties, die eerder zijn besproken

SIPOC is een krachtige notatiewijze om de data elementen, de bedrijfsprocessen en de omgeving van een bedrijfsproces met elkaar in verband te brengen en te visualiseren. SIPOC staat voor supplier, input, process, output en consumer en laat zien welke data door de organisatie stroomt van producers naar consumers via een proces.

SIPOC is een eenvoudige modelleerwijze voor het modelleren van bedrijfsprocessen, objecten en rollen. Er zijn een aantal voorbeelden gegeven. Kopieer een van de diagrammen en pas het aan naar de nieuwe SIPOCs voor een bedrijfsspecifieke uitwerking..

Generieke tool voor het opstellen van modellen, voor data, architectuur, en oa bedrijfsprocessen.

Een stakeholder is een persoon, groep of organisatie die belang heeft bij een bepaalde verandering. Meestal in de vorm van veranderingen in een project, besluit of bedrijf, omdat hij of zij wordt beïnvloed door de uitkomst ervan of er zelf invloed op kan uitoefenen. Stakeholders kunnen zowel intern als extern zijn en hebben vaak uiteenlopende belangen. Stakeholders spelen een belangrijke rol in het succes van verandering, en het begrijpen en beheren van hun behoeften is vaak cruciaal voor de data-architect. Vanuit een data-architectuurperspectief zijn er enkele belangrijke bijzonderheden met betrekking tot stakeholders: Verschillende belangen: Stakeholders in data-architectuur hebben vaak uiteenlopende belangen. Bijvoorbeeld:

• Business stakeholders: Gericht op hoe data waarde kan toevoegen aan bedrijfsprocessen.
• Technische stakeholders: Gefocust op de implementatie en technische haalbaarheid.
• Regelgevende stakeholders: Bezorgd over naleving van wet- en regelgeving, zoals GDPR.

Complexiteit van concerns: Stakeholders hebben vaak specifieke zorgen, zoals datakwaliteit, beveiliging, schaalbaarheid en interoperabiliteit. Het is de taak van de data-architect om deze zorgen te begrijpen en te adresseren. Viewpoints en modellen: Data-architecten gebruiken vaak verschillende modellen en visualisaties om de behoeften van diverse stakeholders te communiceren. Dit kan variëren van technische blauwdrukken tot strategische dashboards. Veranderende rollen: De rol van stakeholders kan veranderen naarmate de organisatie evolueert. Dit vereist flexibiliteit in de aanpak van de data-architect.

Bedrijfsproces voor het registreren van rollen binnen een vestiging ten behoeve van het organogram van de organisatie.

Korte checklist voor het modelleren van bedrijfsprocessen architectuur met BPMN

Inzetten van BPMN is een interessante taal voor organisaties waar bedrijfsprocesmodellering reeds ingebed is in de organisatie. Vanuit datamodelleringsperspectief is het interessant dat er een link te leggen is tussen de data- en de procesmodellering. BPMN is toepasbaar in organisaties met weinig modelleervolwassenheid maar ook met een hoge volwassenheid. Met BPMN kan eenvoudig gestart worden. In een later stadium kan de gewenste detaillering voor bedrijfsprocesmodellering verder uitgewerkt worden ter ondersteuning van een hogere modelleervolwassenheid. De modellen worden met name gebruikt voor interactie met business vertegenwoordiging. Daarnaast kan deze notatie gebruikt worden om de verbanden tussen de bedrijfsprocessen met de onderliggende lagen van werkprocessen uitgewerkt worden.

Doel: Inzicht geven in de te realiseren bedrijfsprocessen en functies en de toewijzing naar actoren. Ondersteuning door de onderliggende applicaties en technologie. Verplicht: Afhankelijk van de omvang kan deze gecombineerd worden met de applicatie view en technologie view in een overzichtsview.

Diagram met een overzicht van bedrijfsproces activiteiten gerelateerd aan de data die geproduceerd en geconsumeerd wordt binnen een bedrijfsactiviteit. Daarnaast zijn in het model de bedrijfsrollen gemodelleerd die een bedrijfsproces uitvoeren of bediend worden door de procesactiviteit.

Een diagram bestaande uit events en procesactiviteiten van de bezorging en hun onderlinge relaties met daarbij de data objecten die data in een proces activiteit consumeren of produceren.

In deze SIPOC zie je de verbanden rond het bedrijfsproces voor data kwaliteiten in de organisatie.

Beschrijving van de bedrijfsprocessen en hoe deze processen ondersteund worden door het onderliggende data platform landschap dat door deze solution wordt geïntroduceerd. Of hoe het data-landschap wordt aangepast en uitgebreid binnen deze solution.

In het detail van het bedrijfsproces voor architectuur modelleren worden een aantal verbanden inzichtelijk gemaakt. Welke bedrijfsobjecten zijn relevant bij dit proces (in zowel lezen als schrijven), welke rollen zijn betrokken bij dit detailproces.

In dit scenario werkt het masterdataregister samen met de verschillende dataproducerende applicatiefuncties. Dit betekent dat wanneer gegevens in een van de systemen worden gewijzigd, deze wijzigingen worden gedeeld tussen alle samenwerkende functies. Daarom is de integratie tussen deze dataproducenten essentieel in dit scenario Een interessant scenario hierbij is dat het Dataregister alleen als sleutelarchief of sleutelkast wordt gebruikt en de detailgegevens in de andere bronsystemen worden bewaard. Voordelen:

• Gegevens worden rechtstreeks uit bronsystemen verzameld en zijn dus altijd nauwkeurig en realtime.
• Gegevens kunnen in de bronsystemen worden opgeslagen in een specifiek formaat dat de bedrijfsprocessen binnen deze systemen ondersteunt
• Verschillen in beschikbaarheid tussen consumenten en bronnen kunnen worden opgevangen door het Dataregister
• Hergebruik van schermen, workflows en validaties in de bronsystemen
• Datastandaardisatie binnen het Dataregister
• Introductie van een sleutelkast of sleutelkast.

Nadelen:

• Het beheren van de synchronisatie tussen systemen is extra werk en complexiteit.
• Replicatie van gegevens
• Complexe datatransformaties van bronnen naar register en terug

Overschrijving welke onderdelen worden geintroduceerd door de oplossing die geintroduceerd wordt. Kenmerkend zijn hierbij dat er meerdere generieke architectuur elementen gerealiseerd worden door het project. Dit kan van alles zijn maar denk onder andere aan:

• Bedrijfsprocessen en veranderingen in de bedrijfsprocessen
• Organisatieveranderingen, bijvoorbeeld nieuwe indeling van het organogram
• Aanpassingen in het applicatie en datalandschap
• Veranderingen in het technische landschap inclusief mmigraties naar cloud gebaseerde data gedreven oplossingen.

Overschrijving welke onderdelen worden geintroduceerd door de oplossing die geintroduceerd wordt. Kenmerkend zijn hierbij dat er meerdere generieke architectuur elementen gerealiseerd worden door het project. Dit kan van alles zijn maar denk onder andere aan:

• Bedrijfsprocessen en veranderingen in de bedrijfsprocessen
• Organisatieveranderingen, bijvoorbeeld nieuwe indeling van het organogram
• Aanpassingen in het applicatie en datalandschap
• Veranderingen in het technische landschap inclusief mmigraties naar cloud gebaseerde data gedreven oplossingen.

Dit diagram toont de belangrijkste concepten van het tijdschrijven domein. Het tijdregistreren beschrijft een bedrijfsproces vanuit data perspectief en de concepten die rond tijdschrijven van belang zijn.

Een diagram bestaande uit events en procesactiviteiten van de tijdregistratie en hun onderlinge relaties met daarbij de data objecten die in een proces activiteit worden geconsumeerd en of geproduceerd.

Werkproces voor een architectuur op basis van een repository. Hierin zitten een aantal algemene stappen zoals het uitwerken van een metamodel voor de architectuur. Daarnaast bevat het een aantal specifieke zaken zoals de inrichting van de tooling. Dit diagram omvat alleen de bedrijfsproces beschrijving. Houdt er rekening mee dat in de voorbeeld repository er een link gelegd is met andere onderdelen in de solution architectuur. Denk hierbij aan het toewijzen van de bedrijfsrollen voor deze bedrijfsprocessen. Deze worden vervolgens uitgewerkt in een aantal meer gedetailleerde diagrammen.

Beschrijving van de bedrijfsarchitectuur voor een werkwijze met een architectuur repository. Hierbij worden daartoe een aantal bedrijfsprocessen en -rollen uitgewerkt. Omdat het werken met een architectuur repository een transitie is naar een andere werkwijze binnen het architectuurteam is de bedrijfsarchitectuur daarom een belangrijk onderdeel om in detail uit werken. Reden is dat een succesvolle bedrijfsarchitectuur het succes of het mislukken van de introductie van een architectuur repository kan bepalen.

In de detailprocessen worden bedrijfsprocesmodellen uitgewerkt op basis van Business Process Modeling Notation (BPMN). Hiermee is het mogelijk om een gedetailleerde modellering uit te werken van processen. Vanuit het perspectief van de data modellering voegen wij hier data objecten en data stores aan toe om inzichtelijk te maken hoe data van de ene proces activiteit naar de andere stroomt

Op basis van een aantal eenvoudige processtappen en bijbehorende rollen kun je een aantal gewenste functies van het expertise netwerk definieren. Hieraan kun je vervolgens beheerprocessen en applicatiefuncties koppelen. Daarmee ontstaande contouren van het expertise netwerk

Data wordt veelal als een waardevol productiemiddel gezien en wordt daarom gemanaged. Dit managen zal op meerdere enterprise niveaus vorm krijgen. In de bedrijfslaag wordt gekeken in welke bedrijfsprocessen en organisatie onderdelen welke data wordt gebruikt voor het uitvoeren van de diverse activiteiten. Daarnaast wordt op dit niveau data ontsloten voor diverse (interne en externe) stakeholders. Deze laag zal daartoe ondersteund worden vanuit een dataplatform dat is opgebouwd uit één of meerdere datatoepassingen. Dit data platform en de datatoepassingen worden uitgewerkt in de vorm van een data- en applicatielandschap. Dit landschap wordt gemodelleerd zodat de data gemanaged kan worden in een combinatie van applicatiecomponenten. Daarnaast zal er data uitgewisseld worden tussen diversie informatiesystemen binnen de organisatie en er zal data uitgewisseld worden vanuit deze toepassingen met externe partijen, veelal bestaande uit informatiesystemen bij externe stakeholders. Vanuit data-architectuur is er behoefte om dit datalandschap te beschrijven zodat vanuit data-architectuur meerwaarde geboden kan worden op het moment dat er behoefte is aan veranderingen binnen het data platform en de data-toepassingen. Onder dit data- en applicatielandschap kan vervolgens een infrastructurele inrichting beschreven worden vanuit het perspectief van de data-architect. Waar wordt de data opgeslagen in de infrastructuur. Hoe zijn de fysieke datastromen binnen de infrastructuur. Via welke technische interfaces en infrastructurele toepassingen. Daarnaast is het van belang om hier bij cloud gebaseerde toepassingen hoe de data tussen cloud en on premise voorzieningen worden uitgewisseld.

Data wordt veelal als een waardevol productiemiddel gezien en wordt daarom gemanaged. Dit managen zal op meerdere enterprise niveaus vorm krijgen. In de bedrijfslaag wordt gekeken in welke bedrijfsprocessen en organisatie onderdelen welke data wordt gebruikt voor het uitvoeren van de diverse activiteiten. Daarnaast wordt op dit niveau data ontsloten voor diverse (interne en externe) stakeholders. Deze laag zal daartoe ondersteund worden vanuit een dataplatform dat is opgebouwd uit één of meerdere datatoepassingen. Dit data platform en de datatoepassingen worden uitgewerkt in de vorm van een data- en applicatielandschap. Dit landschap wordt gemodelleerd zodat de data gemanaged kan worden in een combinatie van applicatiecomponenten. Daarnaast zal er data uitgewisseld worden tussen diversie informatiesystemen binnen de organisatie en er zal data uitgewisseld worden vanuit deze toepassingen met externe partijen, veelal bestaande uit informatiesystemen bij externe stakeholders. Vanuit data-architectuur is er behoefte om dit datalandschap te beschrijven zodat vanuit data-architectuur meerwaarde geboden kan worden op het moment dat er behoefte is aan veranderingen binnen het data platform en de data-toepassingen. Onder dit data- en applicatielandschap kan vervolgens een infrastructurele inrichting beschreven worden vanuit het perspectief van de data-architect. Waar wordt de data opgeslagen in de infrastructuur. Hoe zijn de fysieke datastromen binnen de infrastructuur. Via welke technische interfaces en infrastructurele toepassingen. Daarnaast is het van belang om hier bij cloud gebaseerde toepassingen hoe de data tussen cloud en on premise voorzieningen worden uitgewisseld.

SIPOC is een krachtige notatiewijze om de data elementen, de bedrijfsprocessen en de omgeving van een bedrijfsproces met elkaar in verband te brengen en te visualiseren. SIPOC staat voor supplier, input, process, output en consumer en laat zien welke data door de organisatie stroomt van producers naar consumers via een proces.

SIPOC is een eenvoudige modelleerwijze voor het modelleren van bedrijfsprocessen, objecten en rollen. Er zijn een aantal voorbeelden gegeven. Kopieer een van de diagrammen en pas het aan naar de nieuwe SIPOCs voor een bedrijfsspecifieke uitwerking..

Een stakeholder is een persoon, groep of organisatie die belang heeft bij een bepaalde verandering. Meestal in de vorm van veranderingen in een project, besluit of bedrijf, omdat hij of zij wordt beïnvloed door de uitkomst ervan of er zelf invloed op kan uitoefenen. Stakeholders kunnen zowel intern als extern zijn en hebben vaak uiteenlopende belangen. Stakeholders spelen een belangrijke rol in het succes van verandering, en het begrijpen en beheren van hun behoeften is vaak cruciaal voor de data-architect. Vanuit een data-architectuurperspectief zijn er enkele belangrijke bijzonderheden met betrekking tot stakeholders: Verschillende belangen: Stakeholders in data-architectuur hebben vaak uiteenlopende belangen. Bijvoorbeeld:

• Business stakeholders: Gericht op hoe data waarde kan toevoegen aan bedrijfsprocessen.
• Technische stakeholders: Gefocust op de implementatie en technische haalbaarheid.
• Regelgevende stakeholders: Bezorgd over naleving van wet- en regelgeving, zoals GDPR.

Complexiteit van concerns: Stakeholders hebben vaak specifieke zorgen, zoals datakwaliteit, beveiliging, schaalbaarheid en interoperabiliteit. Het is de taak van de data-architect om deze zorgen te begrijpen en te adresseren. Viewpoints en modellen: Data-architecten gebruiken vaak verschillende modellen en visualisaties om de behoeften van diverse stakeholders te communiceren. Dit kan variëren van technische blauwdrukken tot strategische dashboards. Veranderende rollen: De rol van stakeholders kan veranderen naarmate de organisatie evolueert. Dit vereist flexibiliteit in de aanpak van de data-architect.