Navigeren door het labyrint: Een handleiding voor het beheer van data

nAls u een organisatie leidt of als u met uw managers moet communiceren over datamanagement, dan is Navigeren door het Labyrint uw gids. n nOrganisaties die waarde willen halen uit hun data moeten die data goed beheren. Maar voor de meeste leidinggevenden lijkt datamanagement obscuur, gecompliceerd, en zeer technisch. Je hebt geen tijd om alle details te leren of hypes te herkennen. Navigeren door het Labyrint helpt je verder, gebaseerd op de best practices van DAMA's Data Management Body of Knowledge (DMBOK2). Het legt de grondbeginselen uit en zegt waarom ze zo belangrijk zijn. Het vertelt u wat u moet weten om in uw organisatie vertrouwen in data op te bouwen en hoe u waarde uit data kan halen.n n n nOver DAMA n nDAMA International is een leveranciersonafhankelijke vereniging zonder winstoogmerk bestaande uit datamanagement professionals die zich toeleggen op het bevorderen van datamanagementconcepten en best practices ter ondersteuning van de bedrijfsstrategie. Via lokale verenigingen, zoals DAMA Nederland biedt DAMA International deze best practices aan via een netwerk van verbonden personen en organisaties die ideeën, trends en oplossingen delen. Zij zien DAMA als de vertrouwde, collaboratieve centrale bron voor iedereen. Bezoek dama.org of dama-nl.org voor meer informatie.n n nn nOver Laura n nLaura Sebastian-Coleman heeft, sinds 2003, gewerkt aan datakwaliteit van grote analytical data warehouses in de gezondheidszorg. Zij heeft datakwaliteitskencijfers en -rapportages geïmplementeerd, teams voor datakwaliteit gevormd, en data-afnemers getraind. Ze heeft datastandaarden gedefinieerd en het beheer van metadata voor grote analytische datawarehouses en voor Big data gemanaged.n nIn 2015 werd ze benoemd tot DAMA Publications Officer en was ze eindredacteur voor DMBOK2. Hiervoor heeft ze de prestigieuze jaarlijkse prijs van DAMA International voor 'Outstanding Service to the Data Management Profession' ontvangen. Ze is ook auteur van Measuring Data Quality for Ongoing Improvement.n