Published on: 20 jun 2025

Data governance

AuteurKoen van HugtenFunctieData Engineer

Tag(s)

Data Governance Introduction

In May 2023, more than 23,000 Tesla documents hit the streets. These documents contained personal data of more than 75,000 people, risking Tesla a fine of €3.3 billion. Moreover, these documents revealed Tesla’s trade secrets. How this could happen? It turned out that two former Tesla employees still had access to the environment where Tesla had stored these documents. They had ‘stolen’ the documents and shared them with the media.

This is just one of many examples of how poor (or no) data governance led to major negative consequences for a company. For instance, a $327 million NASA spacecraft went up in flames when it arrived at Mars. This was because the sensors on the craft measured in metric units, while the monitoring station on Earth displayed everything in imperial units.

Both examples could have been avoided with good data governance policies. So what data governance means, how to avoid these costly blunders and how we can help you do that? We explain that to you below.

What is data governance?

Data governance is an umbrella term for all agreements, processes and responsibilities surrounding the management of data within an organisation. Just as you need rules and agreements to ensure your business processes run as smoothly as possible, you also need them for your data. A good data governance policy will ensure that your data is and remains reliable, secure, well-organised and usable.

In practice, data governance means creating a policy that describes the technologies you want to use, the processes you want to set up for your data, who the stakeholders are and what responsibilities and access they have. Applying a tight policy with these elements will transform your cluttered data landscape into a value-creating asset. This will prevent decisions based on wrong data, errors in reporting or violation of privacy rules.

How is data governance implemented?

Getting from that disorganised data landscape to a well-oiled data machine requires five steps:
Exploration

Before creating a policy, it is important to understand what kind of data you are dealing with. This revolves around what kind of data is available within your company, where it is stored, in what form it is stored and what you ultimately want to use it for. It should also be clear what you want to achieve with your policy, for instance better data quality or privacy compliance.

  1. Classification

    Once your available data has been mapped, it should be divided into different categories. These categories are based on the value and sensitivity of the data, looking at the goals you have set. For example, customer data is very sensitive in relation to privacy regulations, but your reports that you propagate may need less stringent protection.

  2. Policy

    Create a policy in which you describe who has access to the data (by category). How should it be used and how long should it be kept? Also describe what quality standards you want to maintain and what security is needed. Ultimately, the policy should outline a clear framework for how you handle your data in line with regulations, quality standards and your strategic goals.

  3. Rules

    To monitor your policy and implement it in practice, rules need to be drawn up. These rules cover how backups should be made, how different data categories should be encrypted and who can edit or view files. There should also be guidelines for monitoring data quality, privacy, definitions, etc.

  4. Implementation

    Several tools are available to make data governance part of your daily work. Depending on your policy, you can select the tools you need. For instance, there are different ways to improve your data quality, secure your data and manage access. Furthermore, it is important to label the data to make the source, format and use clear. The combination of the tools and labelled data ensures good findability, organisation and security.

To introduce data governance, it is crucial that employees with different roles, from managers to technicians, are included in defining and implementing the policy. This ensures good support and awareness within the organisation and helps keep the topic alive after implementation. Without these elements, it will remain a paper policy.

What are the biggest challenges in data governance?

Creating support is also a key challenge within data governance. Therefore, data governance should be linked to the impact on employees’ work. At NASA, for example, a good data quality monitoring system had helped technicians by providing alerts on conversion from metric to imperial units.

Furthermore, ownership may be lacking in the organisation. As a result, no one feels responsible for data quality or availability, leading to errors creeping into systems and no decisions on an approach. With clear roles such as data owners and data stewards, this problem can be remedied. Data owners help establish policies and procedures. Data stewards deal with implementing and monitoring the policies.

Finally, a lack of expertise and capacity can hold your company back from taking the data organisation to a mature level. Especially in somewhat smaller companies where data is not yet part of the core business, these competences may be lacking. In such cases, we at Blenddata can help turn your company into a well-oiled data machine.

What can data governance do for your company?

Besides turning your data into a valuable asset, a good data governance policy brings the following:

  • Improved decision-making

    Your decisions will be based on reliable, consistent and up-to-date data. The discussion about “which numbers are right” is a thing of the past.

  • Optimised operation

    Instead of spending time searching for data, resolving errors, or duplicating work, you can focus on making use of your data.

  • Legal compliance

    By thinking carefully about what you use data for and setting your policies accordingly, you can better comply with privacy rules such as the General Data Protection Regulation (GDPR), as well as your audit obligations or industry rules.

  • Higher customer satisfaction

    Because your data is in order, your customers get correct information and you can answer questions faster. Furthermore, you avoid errors in your reporting or invoicing.

  • Future-proof data organisation

    With an organised data organisation, you can better integrate new systems or data streams into your current environment.

  • Reduced risks

    Since the data governance policy is also about access management and data retention, you run less risk of a data breach like the one at Tesla.

We help you process your data

With a good data governance policy, you kill more than two birds with one stone. You prevent data chaos and transform your company into a well-oiled data machine in which reliability, security, organisation and usability of your data are central. Former employees will never have access like they did at Tesla, and calculation errors will be noticed immediately by your data quality monitoring system.
We at Blenddata help you translate your data into working solutions for your business. We create a platform on which your processes run smoother and your organisation performs better. Data governance is a key pillar that keeps these platforms up. Our automated data governance policy is implemented from day 1, using the latest techniques. If you want to make optimal use of your data without compromising on quality and security, feel free to get in touch.

AuteurKoen van HugtenFunctieData Engineer

Tag(s)

Data Governance Introduction

In mei 2023 kwamen meer dan 23.000 documenten van Tesla op straat te liggen. Deze documenten bevatten persoonlijke gegevens van meer dan 75.000 personen, waardoor Tesla een boete riskeerde van €3,3 miljard. Bovendien brachten deze documenten bedrijfsgeheimen van Tesla naar buiten. Hoe dit kon gebeuren? Twee oud werknemers van Tesla bleken nog toegang te hebben tot de omgeving waar Tesla deze documenten had opgeslagen. Zij hadden de documenten ‘gestolen’ en gedeeld met de media.

Dit is slechts één van de vele voorbeelden hoe een slecht (of geen) data governance leidde tot grote negatieve gevolgen voor een bedrijf. Zo ging een ruimtevaartuig ter waarde van 327 miljoen dollar van de NASA in vlammen op toen het bij Mars aankwam. Dit kwam doordat de sensoren op het vaartuig maten in het metrieke eenheden, terwijl het monitoring station op aarde alles weergaf in imperiale eenheden.

Beide voorbeelden hadden voorkomen kunnen worden met een goed data governance beleid. Wat data governance dan inhoudt, hoe je deze dure blunders kan voorkomen en hoe wij je daarbij kunnen helpen? Dat leggen we je hieronder uit.

Wat is data governance?

Data governance is een overkoepelende term voor alle afspraken, processen en verantwoordelijkheden rondom het beheer van data binnen een organisatie. Net als je regels en afspraken nodig hebt om je bedrijfsprocessen zo goed mogelijk te laten verlopen, heb je dit ook nodig voor je data. Een goed data governance beleid zal ervoor zorgen dat je data betrouwbaar, veilig, goed georganiseerd en bruikbaar is en blijft.

In de praktijk houdt data governance in dat je een beleid maakt waarin je beschrijft welke technologieën je wil gebruiken, welke processen je in wil richten voor je data, wie de stakeholders zijn en welke verantwoordelijkheden en toegang zij hebben. De toepassing van een strak beleid met deze elementen zal je onoverzichtelijke data landschap omtoveren tot een waardecreërend asset. Hiermee voorkom je beslissingen op basis van foute data, fouten in de rapportages of schending van privacyregels.

Hoe wordt data governance geïmplementeerd?

Om van dat ongeorganiseerde data landschap tot een geoliede data machine te komen zijn vijf stappen nodig:
Verkenning

Voordat je een beleid op gaat stellen is het belangrijk om te begrijpen met wat voor data je te maken hebt. Daarin draait het om wat voor soort data er beschikbaar is binnen je bedrijf, waar dat staat opgeslagen, in welke vorm het staat opgeslagen en waarvoor je het uiteindelijk wil gaan gebruiken. Ook moet duidelijk worden wat je wil bereiken met je beleid, bijvoorbeeld een betere datakwaliteit of naleving van de privacywetgeving.

  1. ClassificatieZodra je beschikbare data in kaart is gebracht, moet het worden verdeeld in verschillende categorieën. Deze categorieën zijn gebaseerd op de waarde en gevoeligheid van de data, kijkend naar de doelen die je hebt gesteld. Zo zijn klantgegevens in verband met privacyregels heel gevoelig, maar kan het zijn dat je rapportages die je uitdraagt minder strenge bescherming nodig hebben.
  2. BeleidCreëer een beleid waarin je beschrijft wie toegang heeft tot de data (per categorie). Hoe moet het gebruikt worden en hoe lang het bewaard moet worden? Beschrijf ook welke kwaliteitsnormen je wil handhaven en welke beveiliging er nodig is. Uiteindelijk moet het beleid een duidelijk kader schetsen voor hoe je met je data omgaat in lijn met regelgeving, kwaliteitsnormen en je strategische doelen.
  3. RegelsOm je beleid te bewaken en te implementeren in de praktijk moeten er regels opgesteld worden. Deze regels gaan over de manier waarop back-ups gemaakt moeten worden, hoe de verschillende data categorieën versleuteld moeten worden en wie bestanden kan bewerken of inzien. Ook dienen er richtlijnen te zijn voor het bewaken van de data kwaliteit, privacy, definities, etc.
  4. ImplementatieEr zijn verschillende tools beschikbaar om data governance een onderdeel te maken van het dagelijkse werk. Afhankelijk van je beleid kan je de benodigde tools selecteren. Zo zijn er verschillende manieren om je data kwaliteit te verbeteren, je data te beveiligen en toegang te beheren. Verder is het belangrijk om de data te labelen om de bron, het format en het gebruik duidelijk te maken. De combinatie van de tools en gelabelde data zorgt voor een goede vindbaarheid, organisatie en beveiliging.

Voor de introductie van data governance is het cruciaal dat medewerkers met verschillende rollen, van managers tot technici, worden meegenomen in het bepalen en implementeren van het beleid. Dit zorgt voor een goed draagvlak en bewustwording binnen de organisatie en helpt het onderwerp levend te houden na implementatie. Zonder deze elementen blijft het bij een papieren beleid.

Wat zijn de grootste uitdagingen bij data governance?

Het creëren van een draagvlak is ook een belangrijke uitdaging binnen data governance. Daarom dient data governance te worden gekoppeld aan de impact op het werk van medewerkers. Bij de NASA had een goed datakwaliteit monitoring systeem de technici bijvoorbeeld geholpen door waarschuwingen te geven over de conversie van metrische naar imperiale eenheden.

Verder kan eigenaarschap ontbreken in de organisatie. Hierdoor voelt niemand zich verantwoordelijk voor de kwaliteit of beschikbaarheid van data waardoor fouten in de systemen sluipen en er geen beslissingen worden genomen over een aanpak. Met duidelijke rollen zoals data owners en data stewards kan dit probleem verholpen worden. Data owners helpen om het beleid en de procedures op te stellen. De data stewards houden zich bezig met het implementeren en monitoren van het beleid.

Als laatst kan een gebrek aan expertise en capaciteit je bedrijf tegenhouden om de data organisatie naar een volwassen niveau te tillen. Zeker bij wat kleinere bedrijven waar data nog geen onderdeel is van de core business kunnen deze competenties missen. In zo’n geval kunnen wij als Blenddata helpen om jouw bedrijf om te toveren tot een geoliede data machine.

Wat kan data governance opleveren voor jouw bedrijf?

Naast het feit dat je je data omtovert tot een waardevolle asset brengt een goed data governance beleid het volgende met zich mee:

  • Verbeterde besluitvormingJe beslissingen worden gebaseerd op betrouwbare, consistente en actuele data. De discussie over “welke cijfers nou kloppen” is verleden tijd.
  • Geoptimaliseerde operatieIn plaats van tijd kwijt te zijn aan zoeken naar data, oplossen van fouten, of dubbel werk, kan je je focussen op het gebruikmaken van je data.
  • Wettelijke complianceDoor goed na te denken over wat je data gebruikt en je beleid daarop te stellen kan je beter voldoen aan privacyregels zoals de Algemene Verordening Gegevensbescherming (AVG), maar ook aan je auditverplichtingen of sectorregels.
  • Hogere klanttevredenheidDoordat je data op orde is, krijgen je klanten correcte informatie en kan je sneller antwoorden op vragen. Verder voorkom je fouten in je rapportages of facturatie.
  • Future proof data organisatieMet een georganiseerde data organisatie kun je beter nieuwe systemen of datastromen integreren in je huidige omgeving.
  • Verminderde risico’sAangezien het data governance beleid ook over toegangsbeheer en het behouden van data gaat loop je minder risico op een datalek zoals die bij Tesla.

Wij helpen jou bij het verwerken van je gegevens

Met een goed data governance beleid sla je meer dan twee vliegen in één klap. Je voorkomt een data chaos en vormt jouw bedrijf om tot een geoliede data machine waarin betrouwbaarheid, veiligheid, organisatie en bruikbaarheid van je data centraal staan. Oud medewerkers zullen nooit toegang hebben zoals dat bij Tesla het geval was en rekenfouten zullen meteen worden opgemerkt door je data kwaliteit monitoring.
Wij als Blenddata helpen jou met het vertalen van je data naar werkende oplossingen voor jouw business. We creëren een platform waarop je processen soepeler draaien en je organisatie beter presteert. Data governance is een belangrijke pijler die deze platforms omhoog houdt. Ons geautomatiseerde data governance beleid wordt vanaf dag 1 geïmplementeerd, gebruikmakend van de nieuwste technieken. Wil jij optimaal gebruik maken van je data, zonder dat je inlevert op kwaliteit en veiligheid, neem gerust even contact op.

Do you have a question?

Would you like to discuss data governance? Feel free to contact us — we’d be happy to assist you!

Contact

Vincent Fokker

Co-founder | Data Architect

Share this page

Blenddata © 2025 | All rights reserved

Website made by: Gewest13