Bron: Key2Control – Naar een stabiele beheersorganisatie op basis van Management Control.

Bestuurders, CDO’s en CIO’s voelen de urgentie: er moet méér uit data te halen zijn. Voor betere beleidskeuzes, efficiëntere uitvoering en transparante verantwoording. Toch stokt het. Er is beleid, er zijn projecten en dashboards, maar de doorbraak blijft uit. De organisatie ervaart geen structurele verbetering. Zonder normatief toetsingskader wordt het een verzameling goede bedoelingen. In deze blog laten we zien hoe een normenkader datavolwassenheid meetbaar en bestuurbaar maakt, en welke eerste stappen je vandaag al kunt zetten.

Het kernprobleem zonder heldere maatlat 

Zonder toetsingskader investeren organisaties tijd, geld en energie zonder dat duidelijk is wat “goed” precies betekent of hoe je voortgang objectief aantoont. Dan krijg je losse initiatieven, wisselende interpretaties en teleurstelling bij bestuur én teams. Waar men eigenlijk naar zoekt, is een gemeenschappelijke taal voor competenties rond data—met duidelijke verantwoordelijkheden, werkafspraken en kwaliteitsnormen. 

Wat er misgaat als je niet normeert 

1. Stuurinformatie is wankel of afwezig; strategisch inzicht blijft uit en besluiten leunen op onderbuikgevoelens en aannames. 
2. Innovatie struikelt over continuïteit; afhankelijkheid van sleutelfiguren en onnodige frictie. 
3. Verantwoording blijft diffuus; onduidelijkheid over datagebruik belemmert naleving en transparantie. 
4. Kosten lopen op in een gefragmenteerd landschap; versnipperde verantwoordelijkheden en wildgroei aan tooling. 

De kloof tussen intentie en borging: wat we tegenkomen 

In (semi)publieke organisaties, denk aan waterschappen, gemeentes of waterbedrijven, zien we terugkerende patronen: 

• Ambitie zonder mandaat. Er is de wil om data-gedreven te werken, maar de opdracht is niet bestuurlijk belegd. Projecten starten zonder duidelijke koppeling met strategische ambities. Zonder formeel mandaat kan een CDO/CIO/CTO geen samenhang afdwingen; impact blijft incidenteel. 

• Sturen op data, maar niemand bewaakt de kwaliteit. Men wil op alle niveaus sturen, terwijl de verantwoordelijkheid voor datakwaliteit niet bij de juiste verantwoordelijken ligt. Analisten en scientists dragen de last of het onderwerp valt tussen wal en schip; besluiten vallen terug op de oude manier. 

• Aanspreekbaarheid zonder objectieve toets. Bestuur wil inzicht in de verantwoordelijkheden van CDO’s en CIO’s, maar er is geen objectieve maatlat. De discussie verschuift naar kosten en abstracte roadmaps in plaats van aantoonbare voortgang. 

Hardnekkige misvatting: “We hebben beleid, dus het staat goed” 

Beleid is nodig, maar niet genoeg. Zonder vertaalslag naar rollen (wie heeft mandaat en plicht), werkprocessen (overleg, escaleren, corrigeren) en architectuur (één bron als waarheid, uniforme standaarden) blijft het papierwerk. Een referentiekader met concrete stuurvragen dwingt juist die vertaalslag af: zijn verantwoordelijkheden helder, zijn kwaliteitscriteria vastgesteld, wordt er periodiek geëvalueerd en verbeterd? 

Wat toetst het normenkader? 

Een raamwerk voor datamanagement is geen checklistje dat je “even” afvinkt. Het beoordeelt of de organisatie richting, structuur en vakmanschap op orde heeft—en of dit zich uit in betrouwbaar gebruik van gegevens. 

We kijken eerst naar aansturing: is er bestuurlijk eigenaarschap met echt mandaat, is de datastrategie verbonden met de organisatiedoelen en wie spreekt wie aan als afspraken niet worden nagekomen? Zonder die basis blijft alles vrijblijvend. Daarna draait het om samenhang. Bestaat er een doelarchitectuur waarin bedrijfsfuncties, informatie, applicaties en techniek elkaar logisch versterken? Is duidelijk welke bron per domein leidend is—een Single Point of Truth—zodat definities niet per afdeling verschillen? 

De derde lens is kwaliteit en betrouwbaarheid. Zijn er overeengekomen kwaliteitscriteria (nauwkeurigheid, actualiteit, compleetheid) en meten we die ook? Kunnen teams laten zien dat afwijkingen tijdig worden gesignaleerd en hersteld? Vervolgens komt uitwisselen en afspraken: hoe delen we gegevens intern en met partners, volgens welke standaarden en contracten, en hoe borgen we veiligheid en privacy zonder de dienstverlening te verstikken? 

Tot slot is er leven en leren—de PDCA-logica. Worden veranderingen in het datalandschap getoetst aan dezelfde principes? Komt er periodiek een managementreview op dataissues? En is er een ritme van corrigeren én voorkomen, zodat verbeteringen niet telkens opnieuw bevochten hoeven worden? Pas als deze schakels in elkaars verlengde liggen, ontstaat er een organisatie die voorspelbaar groeit in volwassenheid. 

De minimale route naar volwassen datamanagement (in 5 stappen) 

1. Oriëntatie en draagvlakvorming. Creëer bestuurlijke urgentie en benoem een formele opdrachtnemer (bijv. CDO, CIO of CTO) met mandaat. Leg samen vast wat “goede” uitkomsten zijn voor beleid, uitvoering en verantwoording. 
2. Nulmeting en diagnose. Meet waar je staat met het normenkader Datamanagement: governance, samenhang in architectuur, kwaliteit, uitwisselbaarheid en levenscyclus. Dat geeft een objectief startpunt en maakt prioriteiten zichtbaar (denk aan verantwoordelijken, één leidende bron, kwaliteitscriteria). 
3. Roadmap op basis van feiten. Kies het beoogde volwassenheidsniveau en vertaal dit naar een realistische route met afhankelijkheden, quick wins en randvoorwaarden (kijk naar rollen, competenties, tooling, standaarden). 
4. Implementeren en borgen. Richt overlegstructuren in (data-eigenaar ↔︎ gebruikers), leg kwaliteitsafspraken vast, wijs formele beheerders aan, definieer per domein één leidende bron en documenteer uitwisselingsprocessen. Verbind dit aan de architectuur en security/compliance. 
5. PDCA op datamanagement. Meet periodiek, rapporteer aan het management, voer corrigerende en preventieve acties uit en herijk de route. Zo wordt voortgang aantoonbaar en beklijft het gedrag. 

Waarom juist dit referentiekader het verschil maakt 

Met één gemeenschappelijke taal weten bestuur, business en IT waar ze het over hebben; volwassenheid, datakwaliteit en governance worden auditabel en daarmee stuurbaar. De organisatie kan middelen en prioriteiten onderbouwen, faalkosten dalen, en verbeteringen worden herhaalbaar door het PDCAritme. Dat is het moment waarop beleid, uitvoering en verantwoording elkaar gaan versterken. 

Praktisch voorbeeld: van visie naar verantwoording 

Neem een (publieke) organisatie met de ambitie om data-gedreven te sturen. De nulmeting laat zien: er is geen formele data-eigenaar per kerndataset, er is nog geen eenduidige “één waarheid”, en kwaliteitsindicatoren ontbreken. Door eerst de verantwoordelijken te beleggen, kwaliteitscriteria af te spreken en per domein de leidende bron te bepalen, ontstaat binnen enkele maanden betrouwbare stuurinformatie. Het bestuur kan prioriteiten herijken en de voortgang periodiek laten rapporteren—niet op gevoel, maar op feiten. 

Wat levert dit op voor bestuur en MT? 

Snellere, beter onderbouwde besluiten; minder afhankelijkheid van individuen doordat processen en afspraken zijn vastgelegd; lagere faalkosten door een samenhangende routekaart; en sterkere verantwoording richting toezichthouders en burgers dankzij transparante rapportage over datagebruik en kwaliteit. 

Direct aan de slag: vul de Datavolwassenheid-zelfscan in! 

Wil je in 5 minuten zien waar je staat? Vul dan de Datavolwassenheid-zelfscan in. Je krijgt een beknopt, toetsbaar overzicht van de kernonderwerpen en ziet direct welke gesprekken en beslissingen prioriteit hebben. Dit is de eerste stap naar een objectieve nulmeting en een realistische routekaart. 

Volgende stap: plan een 1-op-1 gesprek met ons, meld je aan voor de DSMS-demo, of vraag direct een interne nulmeting aan. Na de checklist volgt een korte emailserie met verdieping en andere sneak-peaks. 

Tot slot 

Data-gedreven werken vraagt meer dan ambitie en tools. Met een normenkader maak je volwassenheid zichtbaar en bestuurbaar; je zet een fundamentele stap van losse initiatieven naar een samenhangende transformatie van de organisatie. Daarom volgende week: hoe je datastrategie vertaalt naar gedrag, inclusief het Data Meeting Starter Pack.