4#10 - Geir Myrind - The Revival of Data Modeling (Nor)

"Vi modellerer for å forstå, organisere og strukturere dataene." / "We model to understand, organize, and structure the data."

This episode with Geir Myrind, Chief Information Architect, offers a deep dive into the value of data modeling in organizations. We explore how unified models can enhance the value of data analysis across platforms and discuss the technological development trends that have shaped this field. Historical shifts toward more customized systems have also challenged the way we approach data modeling in public agencies such as the Norwegian Tax Administration.

Here are my key takeaways:
Standardization

• Standardization is a starting point to build a foundation, but not something that let you advance beyond best practice.
• Use standards to agree on ground rules, that can frame our work, make it interoperable.
• Conceptual modeling is about understanding a domain, its semantics and key concepts, using standards to ensure consistency and support interoperability.

Data Modeling

• Modeling is an important method to bridge business and data.
• More and more these conceptual models gain relevance for people outside data and IT to understand how things relate.
• Models make it possible to be understood by both humans and machines.
• If you are too application focused, data will not reach its potential and you will not be able to utilize data models to their full benefits.
• This application focus which has been prominent in mainstream IT for many years now is probably the reason why data modeling has lost some of its popularity.
• Tool advancement and new technology can have an impact on Data Management practices.
• New tools need a certain data readiness, a foundation to create value, e.g. a good metadata foundation.
• Data Modeling has often been viewed as a bureaucratic process with little flexibility.
• Agility in Data Modeling is about modeling being an integrated part of the work - be present, involved, addressed.
• The information architect and data modeling cannot be a secretary to the development process but needs to be involved as an active part in the cross-functional teams.
• Information needs to be connected across domains and therefore information modeling should be connected to business architecture and process modeling.
• Modeling tools are too often connected only to the discipline you are modeling within (e.g. different tools for Data vs. Process Modeling).
• There is substantial value in understanding what information and data is used in which processes and in what way.
• The greatest potential is within reusability of data, its semantics and the knowledge it represents.

The role of Information Architect

• Information Architects have played a central role for decades.
• While the role itself is stable it has to face different challenges today.
• Information is fluctuant and its movement needs to be understood, be it through applications or processes.
• Whilst modeling is a vital part of the work, Information Architects need to keep a focus on the big picture and the overhauling architecture.
• Information architects are needed both in projects and within domains.
• There is a difference between Information and Data Architects. Data Architects focus on the data layer, within the information architecture, much closer to decisions made in IT.
• The biggest change in skills and competency needs for Information Architects is that they have to navigate a much more complex and interdisciplinary landscape.

Metadata

• Data Catalogs typically include components on Metadata Management.
• We need to define Metadata broader - it includes much more than data about data, but rather data about things.

Transcript

Datamodellering Og Informasjonsarkitektur

Speaker 1 0:00

Dette er Metadama, en helhetlig podcast om datamanagement i Norden. Hei og velkommen. Jeg heter Vinfrid og takk for at du er med på en ny episode av Dama Nordens podcast, hvor visjonen er å gi datamanagement i Norden et løft, vise frem den kompetansen og ikke minst det kunnskapsnivået vi har innenfor Fragfelt, og det er derfor jeg inviterer med meg Nordisk eksperter innenfor både datamanagement og informasjonsforvaltning til en prat. Velkommen til MetaDama. Og i dag har jeg endelig, skulle jeg si, fordi dette har vi ventet på lenge. I hvert fall, jeg har jeg endelig fått med meg Geir Myhrin, og Geir jobber i Skatteetaten. Han forteller litt mer om hva han gjør der litt senere. Men vi skal snakke om noe veldig spennende tema, fordi det er et tema som har kommet veldig mye opp i det siste, og det er datamodellering.

Speaker 1 1:02

Siste, og det er datamodellering. Datamodellering virker nesten som om det er hept igjen, særlig i forbindelse med metadata. Også er det mye fokus på metadata generelt for tiden, og oppmerksomheten rundt datamodellering har, som sagt, økt og på mange måter og i hvert fall føler jeg det så har vi sett en slags generasjonsskifte i data. Det er nye data professionals som jobber innenfor fagfeltet og noen av de oppdager gamle sannheter, som datamodellering har egentlig vært. Men hva er egentlig fundamentet i datamodellering og hvordan skal vi forholde oss til dette fakfeltet? Det er et annet spørsmål som er veldig viktig her å stille, og det er hva betyr dette for rollen til informasjonsarkitekter? Informasjonsarkitekt-rollen har jo gått litt i bølger der også i forskjellige selskap. Det er en rolle som kanskje er nøkkelig rolle innenfor dette. Så det skal vi høre litt mer om. Hvordan henger dette egentlig sammen med metadata og vårt ønske på innsikt og ikke minst i forhold til datakatalogimplementeringer? Så veldig stort tema. Vi prøver å holde det ganske kort og precis, så ingen bedre å gjøre dette enn Geir. Velkommen, tusen takk, vilfrid.

Speaker 2 2:29

Det er veldig gledelig å endelig kunne komme og snakke om dette temaet. Det er jo kjempespennende og det er noe jeg brenner for. Som du sier, så har jo dette med datamodellering vært en litt sånn lost art nå i mange år, nå i mange år, og det er egentlig veldig frustrerende, kan man si også. Men så er det jo gledelig at du får mer oppmerksomhet for tiden. Jeg er informasjonsarkitekt, jeg har ansvar for det, så jeg er sjefs, informasjonsarkitekten i Skatteetaten, jobber i informasjonsforvaltning. Jeg var jo lenge i IT som informasjonsarkelleringsmiljøet, der Jeg kan si litt mer om reisen etterpå. To barns far bor i Oslo, kort vei til skatteetaten, og er egentlig en ganske litt unaturlig hobby for andre på dette nivået. Jeg har vært en ivrig rullebretter i 35 år, og onsdag er faktisk skatedag. så i dag er bre brettet med. Jeg skal i Oslo skatehall og kjøre sammen med noen andre gamle, likesinnede skater, rett og slett. Så hvis du er på en konferanse, et eller annet rart sted i verden, hvor de har en gøy skaterpark, så skal du ikke forundre meg at jeg har med dette for å vise fint skjønns Og ellers, så henger er ofte bra i musikk også. Så det er en kreativ sak, og så er det jo litt. Du har jo jobbet innen dataværen lenge du også, du vet at dette er krevende. Så jeg tror noe av grunnen til at jeg kanskje holder ut da innenfor dette med datastyring og data er at man med skating, så er det jo ganske viktig å ikke gi opp, for du får da ofte noen smelter. Don't give up. Så det er viktig.

Speaker 2 4:03

Jeg skrev hovedfag informatikk på universitetet i Oslo og satt på Sinter på å skrive master i modelldrevet utvikling, og det var egentlig da jeg fikk oppdaget dette at oi, her er det noe skikkelig bra, noe skikkelig lurt, og spesielt den tanken på det at man bygger en viss form for kunnskap rundt datene som man igjen kan trekke veldig ned i IT-løsningene. Så det var egentlig gjennom det hovedfaget mitt at jeg faktisk fikk den datainteressen. Og det er ganske unikt, synes jeg også noen ganger, at jeg sitter faktisk og jobber med det samme og vilføring av det som jeg faktisk skrev hovedfaget min om og masteroppgaven. Så jeg har en veldig modelleringsbakgrunn derfra. Og så begynte jeg ganske umiddelbart i statens kartverk.

Speaker 2 4:52

Det var veldig vanskelig å få jobb når jeg var ferdig rundt med en, så det var com og alt var nede. Men jeg begynte flotte standardiseringsarbeidet som er gjort innenfor geodata. Det er jo ISO-standardisering, europeisk standardisering og nasjonal standardisering. Så da fikk jeg en veldig sånn startpakke med en veldig sånn standardiseringsmindset, sammen med ganske mye modelleringskunnskap og også systemutviklingskunnskap, som jeg har tatt med meg, og det er fundamentet for veldig mye av det vi gjør rundt informasjonsmodellering i skattesaten i dag.

Speaker 1 5:27

Det var en veldig kul intro. Det var masse spennende. Jeg vet ikke hvor jeg skal begynne, om jeg skal begynne på Tony Hawk-metaffa. Det ene jeg synes er litt spennende, fordi vi har snakket mye om dette på podcasten også, og det er denne sanitiseringen og det er litt sånn forskjellige verdikrunnlag eller utgangspunkt for å sanitisere.

Speaker 1 5:53

Men jeg føler ofte at sanitisering, det er ikke noe som får deg til å komme videre, det får deg til å få et godt utgangspunkt for å jobbe utifra. Men det store problemet jeg har sett og særlig kanskje i dataverden, fordi det er mye som er under utvikling det er at standardisering ofte ikke treffer helt, det treffer litt på kanten, og så har man to eller tre eller fire forskjellige standarder, som man må finne en summe som passer akkurat for din use case. Og så er det noen som kommer opp på denne fantastiske ideen der man lar oss lage en standard som passer der for alt. Så har du, i stedet for fire har du plutselig fem. Så jeg synes standardisering er et godt utgangspunkt, men litt vanskelig i den praktiske omsetningen. Vet ikke hva du tenker om det.

Speaker 2 6:44

Jeg er jo absolutt enig i det, og jeg ser jo det at med standardisering så må man jo også ha en lose pragmatikk rundt dette.

Speaker 2 6:53

For når man har jobbet mye med standardiseringsarbeid, så merker man jo det at det å være veldig rigid på det området blir veldig krevende. Men allikevel så setter ofte standardiseringsarbeid en retning for noe som gir en verdi da. Men det er jo nesten et eget tema i seg selv å snakke om verdien av standardisering og hvor mye arbeid som gjøres i masse tekniske kommenterer i ISO og andre og hvor det faktisk brukes da for eksempel. Så det er absolutt noe å diskutere, men det er jo noe med dette er det en type gjenbruksverdi i dette Er det noe vi kan ta med oss, som vi kan sikre at vi gjør mest mulig ting på likt. Vi har for eksempel jobbet veldig mye med å utveksle dataen, vår og beskrive informasjonsmodellene på XML, og hvis vi ikke rammer inn din bruk av XML på en god måte, så kan du få de utroligste rare datastrukturerne.

Speaker 2 7:45

Så det er å på en måte sette noen føringer. Og da er jeg jo litt inne på noe som er min motivasjon også som jeg jobbet ganske mye med, som vi ikke snakket så mye med, og det er jo det fellesoffentlige informasjonsforvaltningsarbeidet som vi har en felles måte å beskrive datasett på. Vi vet alle at jo alle datasettene vi har skal i felles datakatalog. Vi har jobbet med informasjonsombuderingen rett og slett for å sikre at variasjonen i hvordan vi beskriver og snakker og dokumenterer dataen våre ikke året ikke spiker noe så forferdelig, for det ville det ellers ha gjort.

Speaker 2 8:24

Så det å ha en del føringer. Men så opplever vi at det er alltid utfordringer for å forholde seg til disse standardene, og vi ser jo det, at jo det er viktig for oss å være litt fri internt. Vi må kunne justere litt og tilpasse litt og legge til de tingene. Men når vi snakker med de der ute, så må og forholde oss til det felles begrepsapparatet og de felles føringene vi bygger, og da får vi til denne interoperabiliteten eller denne samhandlingsevnen som vi snakker så mye om. Enten det da er Og da er det jo både organisasjonelt nivå og juridisk nivå og på dette semantiske nivået, som er litt det vi skal snakke om i dag med begreper informeringer og datsutgjør også ned på det tekniske.

Speaker 1 9:04

Ja, og det er jo spennende der, fordi det har en direkte koppling til hvorfor gjør vi modelleringsarbeid eller datamodellering, i hvert fall på konseptuelt nivå. Så handler det mye om standardisering på samme begrepsbruk, og så er det kanskje litt av den. Der skrikende forklaring til en av mine mentorer, chris Bradley, i damerverden er jo, at vi gjør ikke datamodellering for datans skyld, vi gjør det for forretningen selv. Vi ønsker å forklare forretningen og hvordan forretningen fungerer, og jeg tror dette er også en av de grunnene hvorfor datamodellering har vært litt out i noen år, at man har fokusert for mye på data og avstand til forretning har blitt for stor. Kanskje vi er på vei tilbake nå, inn i en litt mer forretningsfokus i modelleringsarbeid.

Speaker 2 9:50

Jeg håper det, og vi opplever veldig det. Vi har jo jobbet med modellering i skattetaten nå veldig lenge, og vi har jo da ulike nivåer på modelleringen, fra høynivå, konseptptuelt, til mer teknisk, ned mot applikasjoner og løsning. Og det har jo vært en lang reise på å få aksept for en del av disse tingene, og nå begynner man jo å se på at, ja, men dette er jo veldig nyttig, og det er stadig flere og flere jurister som henger seg på og forstår disse konseptuelle, overordnete modellene vi lager, og Og det er jo nettopp det å kunne ha du skaper deg et bilde, du skaper en begrepsforståelse, du ser sammenhengen mellom begrepene og du forstår det området du har foran deg. Om du tar et domeneinteresseområde, hva du kaller det, så er det jo viktig at vi får en felles forståelse av hva er noe dette egentlig dreier seg om, og dette er jo en fagkunnskap og en forretningskunnskap som er ekstremt viktig.

Speaker 2 10:49

At man enes om og kan bruke det som et diskusjonsunderlag, et kommunikasjonsunderlag i ulike sammenhenger, og gjerne da er det et forprosjekt eller har du begynt å komme nærmere deg løsning men at man faktisk skaper en felles forståelse som man kan snakke om. Og derfor lager vi en del modeller, rett og slett overordnede begrepsmodeller, som vi kaller det her, som er helt uavhengig av en gitt applikasjon eller et system eller IT, og det, at de har en verdi i seg selv, og så kan man jo snakke om ja, hva gjør man med de etterkant, hvordan er det med å forvalte de, og så videre, og det er jo en trevende øvelse også. Men vi ser jo det, at vi har noen begrepsmodeller som henger rundt og som brukes.

Verdien Av Datamodellering

Speaker 1 11:37

Det var en fantastisk god forklaring på hvorfor vi modellerer og ikke minst, jeg tror du var inne på litt forskjellige måter å modellere på, som gir oss litt innsikt i hva er det egentlig vi snakker om. Men kanskje du kan, hvis du skulle, sammenfatte det i noen få ord hva er datamodellering? Hva ville du sagt?

Speaker 2 11:56

Nei, altså, vi modellerer i hovedsak for å forstå og organisere og strukturere dataene på en måte som gir verdi for organisasjonen. Så det handler rett og slett om å sikre, at man har en enhetlig forståelse, lik struktur og egentlig rett og slett stabler informasjonselementene på en god måte, som gir verdi. Og det som er en kjeppest igjen der er jo, at dette er ikke bare for maskiner eller bare for mennesker. Vi ønsker å etablere en modell som beskriver og strukturerer dataene, som er forståelig både for menneske og maskin. Og når vi klarer det, så skaper vi så mye mer verdi enn at vi sitter og oversetter, ikke sant? Man har jo den modellen for IT og så lager man den for forretning, og så må noen sitte og oversette der. Hvis man gjør et grunnlig arbeid, så kan man faktisk beskrive datene på en måte som man kan gjenbruke både for mennesker og maskin.

Speaker 1 13:02

Det var veldig bra å tenke på, og da er det jo både for mennesker og maskin i forskjellige settinger Og det som er litt. Jeg skal gå inn i grunnene, hvorfor datamodelleringen har vært litt out i det siste og det er jo kanskje et veldig teknologisk fokus. Det man også har proprietary, som det så fint heter på norsk, datamodeller som er knyttet til en løsning, for eksempel. Eller man har tenkt at hvis jeg bare modellerer på et fysisk nivå, så er det godt nok, fordi man tenker kanskje på mye på maskinen og ikke nok på mennesker som skal få stengt. Vil du?

Speaker 2 13:44

stille deg bak dette. Ja, jeg er helt enig. Og så er det jo mye av den utviklingsmetodikken som man har sett over mange av de moderniseringssystemene, alt fra man begynte å komme opp med Java og applikasjonsutviklingen og all den tyngden på dette, så har det jo veldig fokus på smidig, så har det på en måte blitt veldig mye applikasjonsfokus. Jeg pleier å si det, at vi i Skattestaten er kjempegode på å lage applikasjoner, vi lager gode fagsystemer, vi forteller saksbehandlingen vår og vi har ingen skandaler i systemutvikling, moderniseringsprosjektene våre. Men fokuset er på fagsystem og saksbehandling, det er ikke på viderebruken av dataene.

Speaker 2 14:28

Og derfor så stopper det veldig i mange av de som da har sittet, at noen skal bruke dette til analyse, vi skal dele dette eksternt eller vi skal dele dette til andre deler av organisasjonen. Så har man ikke tenkt på eller tatt høyde for eller på noen måte hensyn tatt til de behovene, og derfor har man heller ikke hatt nødvendigvis så god nyttig behov for informasjonsmodelleringen, for det at når man sitter så tett på utviklingen selv, så tar man til et strekkelig gode valg innad, slik at det fungerer for applikasjonene, det fungerer for fagsystem systemene. Men en gang vi andre kommer og skal prøve å være egle og lage hvilke data har dere. Hva betyr de? hvordan er de strukturert? så er det på en måte helt stopp, og du må gå og spørre mennesker i stedet for at dette er kunnskap som er tilgjengelig.

Speaker 1 15:16

Jeg skal legge til en tanke der, fordi jeg synes det er spennende å se på og ser på den store linjene i utviklingen der, og vi har jo for en del år siden vært veldig på Big One Suit, kavosedal løsninger, så har pendlet, svinget litt bort mot Modern Data Stack, at man har løsninger som virkelig er tailored til bruksområder, som man setter sammen i en plattform. Så har det gått litt tilbake, føler jeg. I hvert fall det er min oppfatning Med Microsoft Fabric for eksempel, at man tenker igjen big bucket. Og så føler jeg, at den utviklingen i populariteten av datamodellering, den svinger litt etter den teknologiske utviklingen, at man ser kanskje forskjellige behov når man bruker forskjellige sammensetninger av systemer, også for modellering skyld.

Speaker 2 16:12

Ja, jeg tenker, det er jo mye av teknologiutviklingen som driver en del av behovene der også. Og vi ser jo nå på en ting nå kan man diskutere mye rundt Data Fabric og også mye rundt Data Mesh, men det Data Fabric fronter. Igjen, som jeg sier, nå snakker vi om Data Fabric, men det fronter, da må vi ha gode metadata, ikke sant? så det er jo ikke sant. Da kommer det en sånn push på det, og da kan jo vi bruke det for alt det har væeller. Vi må ha kunnskap om datene, vi må ha strukturert kunnskap om datene som er tilgjengelige. Det er en forutsetning for disse nye teknologiene og det som kommer. Og så får vi jo veldig hjelp nå fra det, at man snakker hele tiden om KI og at du skal ha KI-klare data. Hva betyr det? Nei, det betyr metadata. Jo, det betyr gode informasjonsmodeller. Så vi får jo drahjelp av egentlig alle de initiativene som går nå samtidig, som man også da kanskje ser. Altså, jo mer og mer fokus det nå kommer på data, jo mer og mer drahjelp får vi til informasjonsmodellering på egentlig alle måter.

Speaker 2 17:25

Og så er det jo litt sånn, som du sier, litt avhengig av hvilken teknologi som gjelder, at det kommer og går litt, men der er det jo også avhengig av når er det du modellerer? for det er jo mange steder å modellere på, og du kan si, kanskje på noen av områdene vi har lykkes godt er jo for eksempel på delingstjenester, for der er det så viktig for skattedaten å være god utad, som gjør, at der må du faktisk stille litt gode krav til ting. Så det er en del områder, hvor vi har fått det til på grunn av at da kommer type teknologier som sier, at skal du ha delingstjenester med rest av fir og så videre, så må du ha åpne API-spesifikasjoner, og da er vi litt inne på standard igjen også. Så plutselig hjelper det oss til at, oi, ja, da må vi ha orden på ting, for hvis vi skal få til dette her da. Så absolutt, de trendene som kommer, drar jo også i datamodelleringens retning nå da.

Speaker 1 18:16

Vi kunne legge til en siste trend som jeg synes er litt spennende, og ikke minst fordi at vi det var et år siden vi hadde et arrangement rundt det temaet, og det handler mye om agilitet i modellering. Så på den ene siden så har du en utvikling til desentralisering, microservices, men også nå også i dataverden, en måte å jobbe på som er mye mer agilt, mye mer iterativt i sin tilnærming Og da, i en overordnet blikk, så virker det som en motsetning til modellering, det du skal finne og måtte, sannheten om konsepter og begreper og skrive det ned til en modell som skal stå over tid. Hvordan tenker du rundt disse mekanismene av agil innenfor datamodellering?

Speaker 2 19:07

Jeg synes jo, at tidligere har den smidigheten og agiliteten blitt litt sånn. Vi har jo fått litt kjeft for det informasjonsarkitektene, for det, at man har vært så lite agil, opplever man da for det, at man må forankre og ja, vi trenger dette begrepet, og jeg husker at, skal du ha dette informasjonselementet? ja, du kan ikke kalle det det, jeg må snakke med den og den, og så tar det en uke, før vi kommer tilbake med et svar og man klarer å lande det. Men det handler mye om å ha dialog, få lov til å være med og sitte og diskutere en del av disse tingene for noen av de første gangene og det opplever vi jo litt fortsatt at de forteller informasjonsarkitektene ja, vi skal ha dette møt om, og så kan det dokumentere det i modellen vår din, og så blir man mer en sekretær enn at man faktisk er med på den agile prosessen.

Speaker 2 20:11

Og dette blir det også mer og mer forståelse for at det å komme faktisk tidlig inn i prosjektene, tenke, hva er de analytiske behovene til disse datene, og det, at man også ser for seg, at hvis vi hadde strukturert dette for løsningsarkitekten og applikasjonsområdet, så hadde det blitt veldig bra for fagsystemet og saksbanningen, men hadde det blitt ganske dårlig for analyseområdet og modellbruken, for eksempel hvisje mer høyde for maskinlæringsmodellen, så kan det gi oss veldig mye mer proveny og egentlig ganske lite forvaltning i fagsystemet. Det å kunne få lov til å være med på og diskutere og ta de gode valgene og det har jo vært litt av utfordringen med mye av den sidige applikasjonen, at vi får ikke lov til å være med og ta de gode valgene rundt data. Det er nettopp fordi man kanskje ikke er tilstrekkelig involvert eller får lov til å modellere ting og strukturere opp ting på en god måte med tanke på selve informasjonen. Det er mange spennende temaer, her Winfried.

Speaker 1 21:18

Det er supermange spennende temaer, men vi prøver å holde dette på et kort nivå at alle kan være med, og vi får det inn i 45 minutter. Så det er ikke så lett. Men la oss snakke litt om roller, fordi jeg synes dette er spennende, særlig med tanke på informasjonsarkitekten, som har vært der egentlig i hvert fall i mitt hodet siden 90-tallet, har en veldig tydelig rolle inni. Dette Har den endret seg over tid. Hva er det egentlig en informasjonsarkitekt gjør i dag?

Arkitektens Rolle I Datamodellering

Speaker 2 21:48

Det er jo egentlig et veldig godt spørsmål. Jeg synes jo, den informasjonsarkitektrollen har jo stått seg egentlig over lang tid, som du sier. Og så er det jo også på en måte, hvilket nivå er det du jobber på som informasjonsarkitekt, og er det også i en stor og en liten organisasjon? og det har jo også litt konsekvenser for deg. For eksempel meg som har ansvaret for en gjeng informasjonsarkitekter som jobber på forskjellige nivåer, så vil jo mitt ansvar være litt ulik. men det vi var inne på, altså du må prøve å organisere datalandskapet, altså når du er inni en organage, en del overordnede informasjonsmodeller, tenke informasjon, støtte informasjon, se også hvordan informasjonen passer opp mot prosesser, dialog med ulike det er både regelverd prosesser, øvrige systemlandskap og så videre Også da begynne å nærme seg mer inn mot begrepsmodeller og med seg mer inn mot begrepsmodeller og informasjonsmodeller. Og så kan man jo spørre seg er informasjonsarkitekten en hardcore informasjonsmodellør? Og i noen sammenhenger så er det veldig mye arbeid i informasjonsmodellering. men kanskje den overordnede informasjonsarkitekten går mer på å se på informasjonsarkitekturen der, og det var en litt overordnet rolle. og så har vi informasjonsarkitekter i prosjektene, og de sitter jo mye mer som denne informasjonsmodelleringseksperten som jeg snakket om. De har jo dialog med utviklingsprosjektene. arkitektene jobber tett med utviklerne for å lage de informasjonsmodellene som vi bruker som grunnlag til implementasjonen. Så de er det. jeg kaller da på en måte en prosjektinformasjonsarkitekt Og det som er kult der hos oss, som jeg tror man snakker mye om sånn semantisk lag og samme ting, men vi lager jo nå faktisk informasjonsmodeller som jeg kan gå på en nettside intern på hos oss. Så hvis du lurer på strukturen, på skattemeldingen, så kan jeg vite at dette er skattemeldingen for personer i 2023, og se på strukturen og også se hva de faktisk gjør og hva som er implementert. Det er en kjempeverdi.

Speaker 2 24:11

Så det er jo da informasjonsarkitektene som jobber tett på dette, og så er det jo litt den forskjellige informasjon og data, og vi ser jo spesielt det når vi jobber inn mot informasjonsplattformen. nå så snakker vi jo ofte kanskje mer også om data og dataarkitektur, og da kommer man også litt på dette med ja, hva gjør en dataarkitekt? Er de da den samme som en informasjonsarkitekt eller er det ikke det? Så jeg pleier å si at, ja, denne dataarkitekturen er på en måte litt sånn nederste laget i informasjonsarkitektur, hvor det på en måte er mye nærmere IT og en del av de valgene som tas der.

Speaker 2 24:51

Så ja, jeg kan jo fortelle litt mer om akkurat dette med dataarkitekten, som jeg tenker, den bør jo også ha en del modelleringsskills. men jeg tenker, en dataarkitekt bør også være litt sånn som applikasjonsarkitekten er for applikasjoner Hvis du er inne på en dreven applikasjonsarkitekt, så kan han også en god del data og informasjonsmodellering. Men dataarkitekten trenger også å sikre en god dataarkitektur. Dette har med lagring, det har med optimalisering, det er på en måte hvordan er det du bygger? skal du ha en sånn medaljearkitektur? og hvordan er det du skal jobbe med arkitekturen der? Så denne dataarkitekten er en mye mer teknisk arkitektrolle enn informasjonsarkitekten, vil jeg si.

Speaker 1 25:36

Dette synes jeg er litt spennende, fordi det har vært en del diskusjon rundt akkurat dette temaet, og det handler trolig nok også om at mange selskap har sin egen definisjon om hvordan arkitekturfag henger sammen, og det jeg kanskje har sett mest er at man har en slags hierarki fra virksomhetsarkitekt til løsningsarkitekt, der informasjonsarkitekten sitter et sted i midten. Men så utvider man denne hierarkien inn i en matrise ved å komme med tema-spesifikke arkitekter, som for eksempel sikkerhetsarkitekt, og det jeg har sett oftest er at data-arkitekten også ligger i denne matrisen, som treffer litt på tvers, den treffer det tekniske, den treffer informasjonsarkitekturen, den treffer til og med virksomhetsarkitektur på et visst nivå, men at den egentlig ikke har noe sted der i den hierarkien i seg selv.

Speaker 2 26:34

Det er sannelig meg en godt spørsmål. Nå skal det vel sies at jeg ser litt det behovet mer for dataarkitekter nå enn det vi har hatt tidligere, og det er egentlig litt spesielt for det. Vi har etablert nå en ny dataanalysplattform nå, hvor det er behov for en del andre roller, mens vi har jo en veldig tydelig informasjonsarkitekturrolle i skattetaten på flere nivåer. Men jeg ser jo det at en del av den kompetansen vi har bygd opp på informasjonsarkitektur dekker nødvendigvis ikke alt det på dataarkitektur, og der er det jo litt forskjellige aspekter. Hvis du tenker deg på veien for å bli en løsningsarkitekt klassisk for applikasjonsutvikling og så videre, så har du jo typisk vært utvik opp, og jeg tenker, hvis du da er en dataarkitekt, så vil du typisk være en dataingeniør eller en dataingeniør som ønsker at nå skal jeg ikke bare utvikle lenger, men jeg trenger å lage gode dataplattformløsninger, jeg trenger å bygge god dataarkitektur også.

Speaker 2 27:40

Bygge hvordan er det? vi trenger nå egentlig et veldig tydelig samarbeid mellom oss som er litt mer overrørende til informasjonsarkitekter og setter føringer og har mye av datamodellen også. Men hvordan er det vi nå skal få dette til å svinge godt sammen da? Og så er jo dette selvfølgelig da avhengig av stor og liten organisasjon, og Men jeg vil jo si det, at vi informasjonsarkitektene jobber ofte på et mye mer forretningsnivå og ned mot og er bimmeledde mer mot IT. Og så trenger egentlig IT-fondet, de tverrfaglige teamene å ha kompetanse som kan ganske mange tekniske aspekter samtidig, som de må på en måte bygge seg opp mot oss.

Speaker 1 28:19

Ja, og jeg tenker, kompetanse er jo et veldig. Føler du at det har vært et skift i kompetanseprofiler for informasjonsarkitekter? Føler du, informasjonsarkitekter i dag er fortsatt det samme som informasjonsarkitekt på 10-15 år siden?

Speaker 2 28:34

Det er jo veldig mye av dette som egentlig står seg. Jeg tenker som en informasjonsarkitekt at man har den grunnleggende kompetansen å forstå hvordan man skal ha data og begreper, som er ganske likt. Men så ser vi at når man kommer ned på teknologi, ned mot data og produkter, som er veldig innå, og ned mot en del andre aspekter, så er det veldig mye mer. Det krever en del. Altså det har jo alltid vært samarbeid, men det krever nok ganske mye av informasjonsarkitektene på mange områder. Nå at man må forholde seg til flere. Det blir veldig mye tverrfaglighet nå, som gjør at man alltid har vært en diplomat, men nå er det kanskje enda mer mot de ulike rollene og de ulike delene av organisasjonen som man må jobbe mot, hvilke deler av organisasjonen som man må jobbe mot, og det er jo en krevende funksjon i seg selv. Så det er ikke alltid så lett å være en informasjonsarkitekt. Det er en krevende rolle, rett og slett.

Speaker 1 29:36

Ja, og så tenker jeg, det er en stegkode vi har lyst til å snakke litt mer om, fordi jeg føler at det har vært veldig mye fokus på forretningen. Hva er ved de utaker, det arbeidet vi gjør for forretningen? hvordan kan vi måle outcome? Og da tenker jeg at særlig på arkitekturnivå, så kreves det jo en viss konkret samarbeid med forretning, hvis man har de melanserte selskapene, som ofte kanskje ikke er tilfelle. Og fornevner du et tema helt i starten rundt prosessmodellering, det kunne vært litt interessant å høre hva du tenker rundt hvordan prosessmodellering og forretningen er truffet av datamodellering og arbeid informasjonsarkiteten gjør.

Speaker 2 30:23

Ja, det er det. Nå har ikke vi så mange forretningsarkitekter. Du begynner å dukke opp en del nå, og det er veldig, veldig, veldig gledelig. Man har også jobbet en del med prosessmodellering, men det har jo da uheldigvis også ikke vært tett med å koble på informasjonsmodelleringen. Så dette er jo en sånn kjeppest jeg har hatt internt nå i mange år. Så hvis du spør de som jobber med prosjekter og prosjektledelsen og de som sier hvor langt de driver prosjekter, så ja, gerd vil jo ha det der og der, og det er viktig for oss da for det at og dette handler jo også om noe med hele governance-strukturen, forierskap hvem er det som har ansvar for de dataene vi faktisk jobber med, og hvilke prosesser henger de faktisk på, og hvem har den overordnede koblingen der? så det har jo vært en del av den veldig vanskelige jobben som informasjonsarkitekt egentlig, for at du lager noe og du ser jo, dette er riktig, dette er godt, men jeg har ikke noe sted å plassere det oppi organisasjonen, jeg har ikke sted å hekte det på. Jeg vet ikke hvilke prosesser som egentlig skaper denne informasjonen eller bruker denne informasjonen, og der har vi jo testet ut litt og jobbet litt og adressert dette egentlig sånn at når vi nå ser på spesielt ny helhetlig utviklingsmetode, og dette er noe jeg ønsker, at man i mye større grad får på plass. Men da er man jo også litt avhengig av hvilke verktøy er det man modellerer i.

Speaker 2 31:49

Så nå har vi på en måte prosessmodelleringen i et verktøy og informasjonsmodelleringen i et annet verktøy. Og så stresser jeg dette også overfor personvernombud og juristene, at hvis vi gjør dette riktig, sånn som vi ønsker at det skal være, så kommer disse behandlingsaktivitetene i din protokoll etter GDPR. Så triller jo egentlig disse behandlingsaktivitetene inn ut. Se, her, i dette tilfellet behandler vi den og den og den informasjonen. Så det er mange gevinster i dette her. Men det er jo krevende av en organisasjon å få dette på plass, for du må jo da både ha noen forretningsarkitekter som kjenner og kan godkjenne og ser, at disse prosessene er på stell og at vi klarer å hekte de opp da. Men vi ønsker å komme dit.

Speaker 1 32:31

Veldig bra. Og så tenker jeg, vi kan dykke litt inn i det siste temaet, som er i seg selv et veldig stort tema, og det er datakatalog og metadata. Kanskje heng mellom metadata og datamål.

Speaker 2 32:43

Jeg tenker, metadata er jo et veldig stort tema og en organisasjon forvalter jo ganske mye metadata, både kjente og ukjente metadata, og informasjonsmodellene er jo en del av metadatafamilien. Altså det er en del av de metadataene en organisasjon forvalter. Og vi har jo jobbet ganske mye for å stykke opp de ulike metadataene vi har, spesielt innenfor informasjonsforvaltning og informasjonsarkitektur, som gjør at vi har metadata om begreper, vi har metadata om referansedata, altså kodelister som vi kaller det, altså kommunenummer og lønnsbeskrivelser og næringsbeskrivelser og en del sånne type ting, og også metadataene om datasettene vi har, for datasettene peker jo igjen til ok, datasettet beskriver disse dataene, og disse dataene skal ha en informasjonsmodell. Så vi peker jo til mellom disse ulike metadata-beskrivelsene, og akkurat dette med koblingen mot prosess blir også en type metadata. Så alle de sammenhengene mellom metadataene som finnes ulike deler i organisasjonen er noe av det vi prøver å visualisere og få til og se sammenhengene på det. Da trenger vi også litt verktøy, støtte på disse tingene.

Speaker 2 34:09

Og så kan du jo si det, at vi har da metadata-kataloger. Og så kan du jo spørre er en metadata-katalog en data-katalog? og så vil du kanskje si ja, kanskje sant, men data-katalogene har jo gjerne et spesifikt formål, for der skal du finner informasjon om data, og så kan man jo diskutere hvor presise skal datakatalogene være. Det er veldig mange forståelser av hva dette her er. Men hvis du da ser på de som leverer datakataloger av leverandører der ute, så har disse datakatalogene typisk en komponent som handler om metadata management, altså forvaltning av metadata. Og der er det jo en komponente som de fleste organisasjoner vil ha nytte av for å nettopp kunne beskrive deler av sine metadata i en sånn type datakatalog.

Speaker 2 35:01

Og så kan vi jo da snakke om, for eksempel, at de har jo da flere hundre informasjonsmodeller som til, og kanskje at man i datakatalogen, når man ser på et datasett, peker til de og sier at sånn skal de være strukturert eller de skulle vært. Kanskje de ikke er det, men det er sånn de skulle vært strukturert, enn at man putter alle disse inn i en sånn katalog, for det kan bli veldig voldsomt, og dette er jo et et vanskelig tema å sortere rundt, men det er heller egentlig ikke så komplekst for det at du må tenke hvilke ting er det vi ønsker å snakke om? er jo det med greper, informasjonsmodeller, datasett, dataprodukter, den type ting få på plass metadata om de og finne en måte å forvalte de på. Det kan være en datakatalog, datakatalog, men det som i hvert fall er sikkert, som vi vet fra vår organisasjon at jo, vi trenger et system for å håndtere dette. En datakatalog vil hjelpe oss med å håndtere veldig mye av de metadataene. Vi har Ikke nødvendigvis alt, men det er jo en avvei.

Speaker 1 36:00

Det var to ting jeg la merke til her når du beskrev det. Det ene er at du hadde en veldig god beskrivelse om hva du tenker en datahøllog skal være, og det andre jeg tenkte på er at du også hadde et veldig sterkt plé du gi, for jeg har prøvd å skifte litt tanken rundt hva metadata er, fordi jeg ikke i den definisjonen data om data. Det er litt korttenkt Og det føler jeg. Du hadde et veldig godt bled å gi om at det er også mer enn det. Det handler også om å beskrive konsepter for data. Det handler også om å beskrive hvordan data er representert, om det er et modell, om det er infrastruktur, om det er kod, og det er både på fysisk, logisk, konseptuelt nivå. Det handler om regler, det handler om betingelser for data, det handler om prosesser. Så jeg tenker at det likte jeg veldig godt, at du hadde en veldig god breivskrivelse om hva metadata kan være.

Speaker 2 37:00

Ja, det er mye mer data om ting enn data om data og det. Jeg har en sånn figur hvor jeg fjaser om dette med at vi har ganske mange artefakter som henger sammen. Hvilke domener har vi? Hvilke data forvalter de? Hvilke prosesser inngår de? Hvilke regler styrer disse prosessene? Hvilke applikasjoner støtter opp under disse? Hvilke appgir deler disse datene Og hvilke applikasjoner støtter opp under disse? hvilke appgir deler disse datene og hvilke roller? hvem har ansvar for dette her? Og så kan de jo trekke det ned til infrastruktur og alt.

Speaker 2 37:36

Hvilke serverer er det som serverer disse og hvilken kjeller står disse serverene i, holdt jeg på å si. Og det er jo uendelig mye metadata man kan snakke om, og i et metadata-repository så burde man kunne finne alle disse tingene. Men så må man jo avgrense seg. Hva som skal henge sammen? hva er det viktig at man i varetar? Men det er mye mer metadata om ulike ting som vi ønsker å ha kunnskap påtså. Det er kunnskap om de tingene organisasjonen holder på med og kunnskap om rett og slett de ulike artefaktene vi forvalter eller tingene vi forvalter for de ulike sammenhengene. Så metadata er ikke bare om de rene datene, det er mye mer enn det. Så vi trenger denne kunnskapen. Kunnskapen om data må være tilgjengelig og strukturert for hele organisasjonen og også de utenfor.

Speaker 1 38:37

Nå må du passe på, for jeg tror du trykker på den store knappen hos meg. Jeg har alle årene følt at knowledge management, eller hvordan vi forvalter kunnskap i bedrifter og organisasjoner, er frakopplet fra datainformasjonen, mens datainformasjon er jo på alle måter grunnlaget for å bygge opp den kompetansen eller kunnskapen vi har i organisasjonen. Så det å frakopple forvaltningen av kunnskap fra forvaltningen av datainformasjonen, det gir ikke mening.

Speaker 2 39:02

Nei, tingene henger jo veldig, veldig tett, ja, tett sammen. Så dette er også en ekstremt spennende og da er man innenfor, data er man innenfor. Vi ser det noen ganger når vi snakker om dette.

Kunnskapsdeling Og Datamodellering

Speaker 1 39:14

Så ja, men hvis du skal ha en datakatalog, skal du ha et virksomhetsverkt, et arkitekturverktøy og disse tingene henger jo sammen, er jo veldig nettopp, og det gir jo betydning for hvordan man velger, for eksempel en datarøtologverktøy, hva som er formålet med å bruke denne datarøtologen eller det metadata repository man ønsker. I et sannskap, det finnes ikke en løsning som dekker alt. Vi er på slutten av samtalen.

Speaker 2 39:59

Det har gått veldig fort, men har du noen key takeaways? at vi skal forstå hverandre i organisasjonen og kunne dele kunnskap. Det er nødvendig for at vi klarer å strukturere datene på en god måte og skre viderebruk av datene i organisasjonen. Vi må tenke på at viderebruken er der det store potensialet er, enten det er deling inn i en maskinlæringsmodell eller i analyseaktivitetene. Det har vært alt for fokus på data som en del av applikasjonene, så det viktigste brukerne er egentlig utenfor. Det handler om data. Og så er det jo selvfølgelig dette med kunnskap som jeg var inne på på slutten, at det er en ekstremt viktig ting at vi også begynner å ta inn over oss dette med kunnskaps-knowledge management, og der også har informasjonsmodelleringen en veldig viktig funksjon i dette. Nettopp det, å for eksempel strukturere opp rettsinformasjon og lover og regelverk og faktisk beskrive den kunnskapen der. Da kan man også inn på hvordan man uttrykker regler og sammenhenger og da kan man også snakke om mye mer ontologier og grafer og sånne ting som er avansert informasjonsmodellering.

Speaker 1 41:12

Så her er det veldig mye gøy å snakke om Fred. Det var et blid å gi for å komme tilbake. Det er lyktig. ja, Tusen takk Geir.

Speaker 2 41:20

Bare hyggelig og glede.