Jean-Paul Middel van Compris vertelt over data

We stellen voor….Jean-Paul Middel van Compris

Compris levert diensten en producten die diverse publieke- en private organisaties ondersteunen bij hun implementatie van (duurzaam) assetmanagement. Ik werk bij Compris als asset information management lead en word binnen mijn vakgebied ingezet op complexe implementatietrajecten, zoals integrale multidisciplinaire datastandaardisatie- en dataverbeteringsprojecten. In mijn dagelijkse werk implementeer ik o.a. informatiestandaarden voor objecten in de openbare ruimte, zoals IMBOR, NEN 2767-4 en pas ik deze standaarden al dan niet via een Object Type Library (OTL) toe in meerdere beheerapplicaties. Data begint bij een behoefte en leidt tot gebruik in besluitvorming. De wereld daartussen is mijn speelveld.

 Organisaties die mij inhuren zeggen opvallend vaak dat ze op zoek zijn naar een persoon die niet alleen kennis van zaken heeft, maar dat men vooral op zoek is naar een persoon die met respect voor de mens tegen de stroming in durft te gaan en ietwat ongeduldig van aard is. Deze organisaties hebben namelijk zelf al ervaren dat een verandering proberen te bewerkstelligen met zachte hand alleen vaak niet lukt. Het mag volgens deze organisaties best schuren om glans te krijgen, natuurlijk wel binnen fatsoensnormen. Mensen die mij kennen weten dat ik vol passie met de beste intenties werk en wanneer het nodig is geen blad voor de mond neem.

Een Q&A met Jean-Paul…

 Vraag: Wat heb je persoonlijk met de wereld van data?

Op een willekeurige zondagmiddag kan ik heerlijk in mijn favoriete zitpositie, de kleermakerszit, een doos met oude spullen voor me leeggooien en de inhoud uitzoeken en sorteren. Mijn motto: Een opgeruimd huis is een opgeruimd hoofd. Zo voelde ik mij ook direct vertrouwd toen ik bijna 15 jaar geleden voor het eerst met project- en assetdata in aanraking kwam. Mijn toenmalige werkgever vroeg mij om data te sorteren en in heldere overzichten terug te leveren. Als een vis in het water schoonde ik de data op en maakte ik uitgebreide overzichten. Hoewel mijn studie Civiele Techniek niet direct over data ging, bleef ik wel een sterke voorkeur hebben voor het werken met data. Mijn eerste constructieve berekeningen zette ik op in geavanceerde Excel-sheets en ik ordende al mijn eindproducten in een overzichtelijke mappenstructuur met een indexpagina. Ná mijn studie maakte ik definitief de keuze om verder te gaan in de wereld van assetdata. Ik analyseerde o.a. meettreingegevens om te kunnen adviseren in het (toekomstig) benodigde onderhoud aan het spoor en werkte aan grote dataverbeteringsprojecten voor meerdere opdrachtgevers. Het werd mij steeds duidelijker dat veel organisaties belemmeringen ervaren in de uitvoering van hun primaire taken, doordat de data niet op orde is. Data is voor mij als een kookrecept. Als het goed is opgezet, geniet je van een heerlijke maaltijd. Als de logica ver te zoeken is, moet je improviseren en weet je niet of je er überhaupt nog wat van kan bakken. Dit geldt ook voor de organisaties waarvoor ik werk. Er kunnen databases vol staan met data, maar als deze data niet actueel, betrouwbaar en compleet is, doe je maar wat. Als er vervolgens een kademuur in elkaar zakt of een scheur in een brug wordt ontdekt, kom je er alleen niet altijd mee weg dat je geen idee hebt hoe de problematiek opgelost kan worden doordat de data niet op orde is en je aan het improviseren bent.

Vraag: Wat is jouw omschrijving van datavolwassenheid?

Een student heeft bij voldoende motivatie sneller een rijbewijs dan een baby met een speen in de mond. Het startpunt en de groeipotentie zijn bepalend voor de tijd en snelheid waarmee gestelde doelstellingen kunnen worden behaald. Datavolwassenheid is niet zozeer een term die ik zelf gebruik, maar als ik er een betekenis aan zou geven gaat het over de volwassenheid en groeipotentie van een organisatie op het gebied van data. Het datavolwassenheidsniveau vormt dus het startpunt, het ambitieniveau vormt het eindpunt en de groeipotentie (motivatie, middelen etc.) bepaalt de snelheid waarmee het ambitieniveau behaald kan worden.

Vraag: Wat zijn volgens jou de veelvoorkomende valkuilen/problemen bij organisaties waar het niet goed geregeld was. Hoe kijk je hier tegenaan?

Tunnelvisie is dichterbij dan je denkt. Oogkleppen op en steeds dieper de techniek in. De hele wereld met elkaar verbinden en standaardiseren als het antwoord op alle problemen zien. Het klinkt misschien wel erg kort door de bocht, maar er zijn een behoorlijk aantal organisaties die vastlopen op zaken zoals tunnelvisie, hobbyisme van techneuten en een bijna obsessieve drang om de kerstboom van data steeds meer aan te kleden, zonder dat de kerstboom zelf goed is geborgd. De kerstboom van data valt bij veel organisaties daarom ook regelmatig om en het opruimen van de scherven kost veel tijd, geld en energie. Ik breng graag het realisme terug door eerst de basis goed neer te zetten alvorens aan uitbreidingen op die basis wordt gewerkt.

Vraag: Zie je een trend/patroon bij de organisaties waar jullie aan de slag gaan?

Het lijkt wel een trend om trends te volgen. Ik denk dat het goed is als organisaties zich niet laten afleiden door de windrichting van vandaag en de focus eerst hebben op het leren lopen, voordat de nieuwste Nike Air Max sneakers worden aangeschaft. In lijn met het antwoord op de vraag over veel voorkomende valkuilen/problemen bij organisaties, zie ik dat het volgen van trends vaak tot problemen leidt en men de basis uit het oog verliest. Als ik de vraag over trends/patronen op een andere manier interpreteer, dan zou je van een trend kunnen spreken dat veel organisaties bewuster zijn van de waarde van data. Onlangs hoorde ik van een organisatie dat men data daar zelfs als intellectueel kapitaal beschouwd. Doordat organisaties zich steeds bewuster worden van de waarde van data, investeren ook steeds meer organisaties in data.

Vraag: Hoe zie je de komende 10 á 20 jaar op het gebied van datastandaardisatie?

Het ideaalbeeld is dat besluitvorming tot stand komt door betrouwbare data en informatie. Dit zal voor de meeste mensen logisch klinken en wellicht relatief simpel lijken, maar wie eraan begint om het ideaalbeeld te realiseren komt er al snel achter dat de praktijk weerbarstiger is. Ik ben van mening dat de weg ernaartoe belangrijker is dan het doel op zich. Pas als je de tussenstappen hebt doorstaan, weet je hoe je met het resultaat om kunt gaan. Wat bij datastandaardisatie vaak wordt onderschat is dat het binnen organisaties al ontzettend lastig is om standaardisatie te bereiken en het echt “next level” is om dan te denken aan datastandaardisatie tussen honderden organisaties onderling. Standaardisatie is op zichzelf geen doel, maar leidt tot een doel. 

Om tot het ideaalbeeld te komen dat besluitvorming tot stand komt door betrouwbare data en informatie, dient data en informatie ook meerdere malen tussen verschillende organisaties uitgewisseld te worden. Dat betekent dat gekeken moet worden naar een standaardisatie die een gemeenschappelijke taal in uitwisseling bewerkstelligt én tegelijkertijd recht doet aan de organisatie specifieke groeipaden, waarbij er grote verschillen zijn in o.a. budget, capaciteit, kennisniveau etc. Er wordt al een aantal jaren op verschillende fronten hard gewerkt aan een ketenbrede gemeenschappelijke taal, maar er zijn nog moeilijk een paar organisaties aan te wijzen die daadwerkelijk volgens exact dezelfde versie en interpretatie van die taal spreken. Daar zijn verschillende oorzaken voor, maar de oplossing zie ik in een vorm van standaardisatie op een hoger abstractieniveau, zoals het bieden van ruimte voor dialecten. Nederlanders die naar Vlaanderen gaan (of andersom) kunnen prima met elkaar communiceren, ook al zijn er verschillen in het dialect. De komende 10 á 20 jaar investeren we wat mij betreft dan ook in een standaardisatie op dat hogere abstractieniveau én tegelijkertijd in de organisatie specifieke groeipaden.

Bijeenkomst

Wil je meer weten over Jean-Pauls ervaringen of hem persoonlijk nog extra vragen stellen? Kom 23 januari naar de bijeenkomst.