Wat is een gegevenswoordenboek?

Gegevensmanagement

Onderdeel van

Thema's

Contact

Arjen Santema

jacob@jacobmolenaar.nl

Status

Actueel

Auteurs

Marcia van Oploo, Martijn Wisse, Jacob Molenaar

Inhoud Gegevensmanagement

• Expertgroep Gegevensmanagement

Grondslagen en begrippen

• Doel en grondslagen
• Begrippenkader gegevensmanagement
• Principes van gegevensmanagement
• Kaders & regelgeving
• Besturing & governance

Gegevensmanagement organiseren

• Visie opstellen
• Leveringsovereenkomst
• Rollen beleggen

Visie metadatamanagement

• Visie metadatamanagement
• Wat zijn metadata en metadatamanagement?
• Waarom metadata?
• Metadatamanagement inrichten
• Standaarden metadatamanagement
• Aanbevelingen metadatamanagement

Semantiek

• Semantiek
• Hoe beschrijf je betekenis
• Gegevensbeschrijvingen/Handreiking
  • Metagegevensmodel
  • Standaarden voor gegevensbeschrijvingen
  • Lijst referentienamen, definities en standaarden (PDF, 63 kB)
  • Werkbestand referentie metagegevens.ods (ODF-spreadsheet, 45 kB)
• Nationaal Semantisch Vlak
• Gegevenswoordenboeken

Over gegevenswoordenboeken

• Rol Gegevenswoordenboeken
• Wat is een gegevenswoordenboek?
• Belang goed inrichten woordenboeken
• Governance woordenboek
• Beheer woordenboek
• Lijst gegevenswoordenboeken
• Keuzes bij publiceren
• Lijst met gegevenswoordenboeken

Gegevensmodellering

• Modellering van gegevens
• MIM
• MIM conceptueel framework
  • Toepassing Informatiezuil
  • Toepassing Vreemdelingenketen
  • Toepassing Strafrechtsketen
  • Toepassing Zorg en Welzijn
  • Toepassing Onderwijs

Gegevenskwaliteit

• Raamwerk gegevenskwaliteit
  • Kwaliteitsattributen
  • Visualisatie toepassingsniveau's
  • Voorbeelden
  • Begrippen Gegevenskwaliteit

Inleiding

In diverse sectoren (domeinen/ketens) van de Nederlandse overheid hebben organisaties afspraken gemaakt over eenduidige gegevensbeschrijvingen. Deze beschrijvingen zijn opgenomen in wat vaak een gegevenswoordenboek wordt genoemd. Beheerders en experts van gegevenswoordenboeken geven aan dat er, gezien de oorsprong vanuit de wet- en regelgeving, grote verschillen bestaan in de aanpak van gegevenswoordenboeken. Er is ook sprake van grote verscheidenheid in terminologie: er wordt gesproken van gegevenswoordenboeken, informatiemodellen, vocabulaires, thesauri, taxonomieën, tabellenboeken, ontologieën en registers. Soms wordt met deze termen hetzelfde bedoeld, soms heel verschillende dingen. Het is niet te verwachten dat op korte termijn (en wellicht ooit) al deze gegevenswoordenboeken op elkaar zullen zijn afgestemd en geharmoniseerd qua begrippen. Er is zelfs veel discussie of daar naar gestreefd moet worden.

Maar hoe voorkomen we dan begripsverwarring op dit terrein en hoe kan een informatiearchitect of -analist het beste te werk gaan wanneer hij binnen een bepaald domein of over verschillende domeinen heen geacht wordt de informatie-uitwisseling tussen systemen te stroomlijnen?

Het architectonische Vijflaagsmodel van de NORA, basis van het Nationaal Semantisch Vlak en het Metamodel voor Informatiemodellen (MIM) van VNG Realisatie, het Kadaster en GeoNovum bieden een conceptueel framework om het fenomeen van gegevenswoordenboeken beter te kunnen beschrijven en begrijpen. Overigens zonder de ambitie om een eensluidende en canonieke definitie van het begrip gegevenswoordenboek te geven. Daarvoor zijn er teveel verschijningsvormen van in de praktijk. Het gaat er hier om een aantal concepten te definiëren waarmee die verscheidenheid aan verschijningsvormen systematisch beschreven kan worden, waardoor verschillen en overeenkomsten inzichtelijk worden en er geen begripsverwarring tussen sectoren en domeinen meer hoeft te bestaan.

Het Vijflaagsmodel en het Nationaal Semantisch Vlak

Het hebben van een gegevenswoordenboek, wat het dan in uitwerking ook precies mag zijn, is voor een publieke of private sector geen doel op zich. Een gegevenswoordenboek is een instrument om te komen tot iets anders. Meestal op het vlak van interoperabiliteit: de gestructureerde uitwisseling van informatie tussen informatiesystemen. Gegevenswoordenboeken functioneren in een omgeving waarin enerzijds overkoepelende kaders van wet- en regelgeving en ketenprocessen een rol spelen en anderzijds de technische wereld van informatiesystemen, koppelvlakken en webservices. De gegevenswoordenboeken vervullen een centrale schakelfunctie hierin: ze beschrijven ketenprocessen en -semantiek in kaders en richtlijnen voor de ontwikkeling van informatie- en communicatie-technologische systemen. Deze centrale middenpositie wordt goed weergegeven in het zogenoemde Vijflaagsmodel van de NORA:

Semantisch Vlak als onderdeel van het Vijflaagsmodel

In dit schema bevinden de gegevenswoordenboeken zich op de centrale, derde laag, de Informatielaag. De NORA beschrijft deze laag als ‘een stelsel van gegevenswoordenboeken en gegevensmodellen’. Deze formulering geeft aan dat gegevenswoordenboeken en gegevensmodellen verschillende dingen zijn.

Het Nationaal Semantisch Vlak (NSV) geeft een nadere invulling van de Informatielaag van het Vijflaagsmodel van de NORA en stelt daarbij het fenomeen gegevenswoordenboek centraal. Het NSV is de verzameling van alle begrippen die voor de Nederlandse dienstverlening en informatiehuishouding van de overheid relevant zijn, met hun definitie, relaties en de context waarin ze gebruikt worden. De definitie is een omschrijving van de inhoud van het begrip, waarbij ook in voorkomende gevallen is aangegeven in welke wetgeving het begrip is gedefinieerd. De relaties zijn de verbanden tussen twee of meer begrippen, bijvoorbeeld omdat je het ene begrip niet kunt beschrijven zonder het andere begrip te gebruiken. De context geeft aan waar de begrippen gebruikt worden, dus in welke gegevenswoordenboeken ze voorkomen, in welke processen of informatiemodellen ze gebruikt worden en in welke systemen ze worden vastgelegd.

Het Nationaal Semantisch Vlak koppelt de Informatielaag enerzijds nadrukkelijk aan wat ‘processen en informatiemodellen’ wordt genoemd en anderzijds aan ‘gegevens in registraties’. De positionering van de gegevenswoordenboeken in de architectuur van publieke (en waarschijnlijk ook private) informatiedomeinen is hiermee volkomen duidelijk. Maar de vraag waarmee de Informatielaag dan precies wordt gevuld, met welke entiteiten en wat de inhoud en functie van deze entiteiten is, is hiermee nog niet beantwoord.

Het Metamodel voor Informatiemodellen (MIM)

In de zomer van 2017 hebben het Kwaliteitsinstituut Nederlandse Gemeenten (KING, nu VNG Realisatie), het Kadaster en Geonovum een metamodel gemaakt voor het ontwikkelen van informatiemodellen: het Metamodel voor Informatiemodellen, afgekort als MIM. Het MIM is ontwikkeld in het kader van het Digitaal Stelsel Omgevingswet. Het is blijkens het voorwoord van de ontwikkelaars duidelijk hun ambitie om het model niet alleen een standaard voor geo-informatie te laten zijn, maar ook om het veel breder toepasbaar te maken. Het metamodel is daarom heel generiek opgezet. In het kader van de discussie over gegevenswoordenboeken bevat het MIM echter ook een heel interessant conceptueel framework dat begrepen kan worden als een nadere invulling van de Informatielaag van het Vijflaagsmodel van de NORA en een uitwerking van wat de NORA ‘gegevenswoordenboeken en gegevensmodellen’ noemt. In paragraaf 1.5 van het MIM wordt het framework van het MIM beknopt beschreven. Het bestaat uit vier onderdelen:

1. Model van begrippen
2. Conceptueel informatiemodel
3. Logisch informatie- of gegevensmodel
4. Fysiek of technisch gegevens- of datamodel.

Daarnaast wijst het MIM ook het bestaan van zogenoemde registraties aan, informatiesystemen waarin met behulp van het fysiek of technisch gegevens- of datamodel, domeingegevens worden opgeslagen en ontsloten t.b.v. interoperabiliteit. Registraties bevatten beschrijvingen van instanties van concepten en maken geen onderdeel van het metamodel van het MIM uit. Omdat we echter in de werkelijkheid van de gegevenswoordenboeken ook veelvuldig van dit soort registraties aantreffen, nemen we het fenomeen mee in onze analyse.

De verschillende onderdelen van het metamodel van het MIM worden als volgt beschreven:

Model van begrippen

Beschrijft de werkelijkheid binnen het beschouwde domein (de ‘universe of discourse’) d.m.v. de daarin gehanteerde begrippen en hun relaties tot elkaar. Doel is dat de actoren daarbinnen elkaar begrijpen en één taal spreken. Een model van begrippen wordt opgesteld voor gebruik door mensen, met name uit ‘de business’. De begrippen worden beschreven in een formele taal, een vocabulaire. Een vocabulaire is geen informatiemodel. Begrippen kunnen in meerdere informatiemodellen gebruikt worden.

Conceptueel informatiemodel

Modellering van de werkelijkheid binnen het beschouwde domein, v.w.b. informatie daarvan, onafhankelijk van ontwerp van en implementatie in systemen. Het geeft een zo getrouw mogelijke beschrijving van die werkelijkheid en is in natuurlijke taal geformuleerd. Een dergelijk model definieert het ‘wat’: welke ‘concepten’ (‘dingen’) worden onderscheiden (in de beschouwde werkelijkheid), wat betekenen zij, hoe verhouden ze zich tot elkaar en welke informatie (eigenschappen) is daarvan relevant. Het dient als taal waarmee domeinexperts kunnen communiceren met informatie-analisten en verschaft een eenduidige interpretatie van die werkelijkheid ten behoeve van deze communicatie. Een conceptueel informatiemodel wordt dan ook opgesteld voor gebruik door mensen, zodat ‘de business’ en de ICT-specialisten elkaar makkelijker kunnen begrijpen.

Logisch informatie- of gegevensmodel

Beschrijft hoe de, in het conceptuele model onderscheiden, concepten gebruikt worden bij de interactie tussen systemen en hun gebruikers en tussen systemen onderling. Anders gezegd, een model van de representatie van informatie over de werkelijkheid in digitale registraties en in de uitwisseling daartussen. Het gaat hierbij, in tegenstelling tot een conceptueel model, dus veel meer om het ‘hoe’. Het slaat de brug tussen werkelijkheid en systemen maar beschrijft nog niet de implementatie in die systemen. Een dergelijk model wordt in een formele taal beschreven en wordt waar mogelijk gegenereerd vanuit het conceptuele model. Het logisch model wordt opgesteld voor ICT-interoperabiliteit, voor gebruik door met name de ontwerpers, bouwers en beheerders van ICT-voorzieningen.

Fysiek of technisch gegevens- of datamodel

Specificeert de structuur en eigenschappen van de technologie waarin de informatie wordt vastgelegd of uitgewisseld. Dit is sterk afhankelijk van de gebruikte opslagtechnologie zoals een specifieke database of de servicetechnologie zoals XML, GML, SOAP, REST, (Geo)JSON, LinkedData e.d. Het kan tevens informatie bevatten over de manier waarop berichten ‘verpakt’ worden, het (internet)protocol en de logistiek van het berichtenverkeer. De technische specificaties worden over het algemeen zo veel als mogelijk gegenereerd uit het logisch informatiemodel. Deze specificaties worden opgesteld voor ‘machines’, te gebruiken door software-ontwikkelaars.

Registraties

Dit zijn systematische en meestal in een informatiesysteem opgeslagen beschrijvingen van instanties van concepten. Registraties vormen een bijzonder fenomeen. Ze komen technisch voor op de vierde laag van het Vijflaagsmodel van de NORA, de Applicatielaag, maar ze hebben ook een informatiekundige tegenhanger op de derde laag, de Informatielaag. Zo kan een bepaalde referentietabel voorkomen in een logisch of technisch informatiemodel én in een applicatie waarin de waarden van de tabel machine-raadpleegbaar beschikbaar zijn. Bij een concept als ‘Vreemdelingenrecht’ in de migratieketen bijvoorbeeld kan een lijst gegeven worden van alle Europese en Nederlandse wetten en regelgeving die de omgang van de overheid met vreemdelingen reguleren. Dit zijn dan de instanties, de concrete verschijningsvormen, van het concept. In het onderwijsdomein komen vergelijkbare lijsten van opleidingen en eindtermen (instanties van de concepten 'Opleiding' en 'Eindterm') voor die een sterk conceptualiserende en structurerende functie hebben binnen het domein, bijvoorbeeld als metadata van leerobjecten. Zij hebben de technische vorm van een registratie maar fungeren in de praktijk min of meer als een logisch informatiemodel.

Analyse van het MIM

Hoe moeten wij het metamodel van het MIM precies begrijpen als nadere invulling van de Informatielaag van het Vijflaagsmodel van de NORA? Het metamodel heeft zoals hierboven beschreven vier componenten. Drie daarvan, het conceptueel informatiemodel, het logisch informatie- of gegevensmodel en het fysiek of technisch gegevens- of datamodel, weerspiegelen de praktijk van het werk van de informatiearchitect of analist. Men werkt of top-down vanuit een abstractie van het domein naar de concrete werkelijkheid van het berichtenverkeer of bottom-up, waarbij de concrete gegevensuitwisseling de basis vormt voor normaliserende abstracties. Vaak vinden ook allebei de bewegingen plaats, waarbij het helaas niet altijd zo is dat partijen elkaar halverwege vinden. De werelden van architecten enerzijds en ontwikkelaars anderzijds kunnen zeer gescheiden zijn.

Deze drie modellen horen dus functioneel bij elkaar. Anders ligt dat voor het begrippenmodel. De beschrijving in het MIM geeft het concept van het begrippenmodel een heel pragmatische functie (‘mensen in een domein elkaar laten begrijpen’) en stelt: ‘De begrippen worden beschreven in een formele taal, een vocabulaire. Een vocabulaire is geen informatiemodel’. Deze beschrijving roept de vraag op wat hier precies wordt bedoeld met een vocabulaire in een formele taal, als dit niet een informatiemodel mag zijn. Het klinkt namelijk tegenstrijdig: een begrippenmodel moet wel een ordening kennen, maar deze ordening mag geen model zijn. Om deze tegenstrijdigheid op te lossen leggen we het MIM-concept begrippenmodel in abstracto uit als een domeinonafhankelijk geordende samenstelling van begrippen. Met domeinonafhankelijk bedoelen we: algemene informatiekundige vormen van structurering, zoals die van entiteiten in een hiërarchie, een taxonomie of ontologie of zelfs in een simpele alfabetische volgorde. Voor deze vormen van structurering zijn formele talen beschikbaar als SKOS. Domeinonafhankelijke ordening staat tegenover domeinafhankelijke ordening, die aangetroffen wordt in conceptuele, logische en technische informatiemodellen. Daar is het immers de conceptuele structuur van het domein (entiteiten, processen, etc.) die de ordening van de begrippen in het model regeert. Een conceptueel informatiemodel kan met andere woorden precies dezelfde begrippen bevatten als een begrippenmodel, maar alleen de manier van ordenen verschilt.

Concluderend kunnen we stellen dat de vier concepten uit het MIM-model uit twee clusters bestaan:

Het MIM als invulling van de Informatielaag

Zoals eerder opgemerkt geeft het MIM een nadere invulling van de Informatielaag van het Vijflaagsmodel van de NORA. In schema ziet dat er als volgt uit:

Laten we dan nu kijken naar de vraag of we met de concepten van het MIM preciezer kunnen beschrijven en begrijpen welke zaken we zoal aantreffen in de Informatielaag van publieke (en private) informatiedomeinen, de zaken die de NORA losjes beschrijft als ‘gegevenswoordenboeken en gegevensmodellen’. Zoals al in de inleiding vermeld, komen er in de praktijk veel verschillende praktische invullingen van het fenomeen gegevenswoordenboek of gegevensmodel voor. Soms zijn het eenvoudige begrippenlijsten, soms zijn het echte modelleringen die meer of minder abstract zijn, soms combineren ze ook verschillende van deze aspecten en functies. Kunnen we de verschillende typen gegevenswoordenboeken en -modellen die we aantreffen duiden als een van de verschillende entiteiten uit het MIM? Zo ja, dan is het metamodel van het MIM een goed model om de Informatielaag van het Vijflaagsmodel van de NORA mee te beschrijven.

Toepassing van het MIM-model op een aantal praktijkgevallen

Hieronder doen we een poging om een dergelijke exercitie uit te voeren binnen een aantal domeinen:

• Het Gegevenswoordenboek Migratieketen binnen de migratieketen
• Het Canoniek Datamodel Strafrechtsketen binnen de strafrechtsketen
• De Datazuil van de Immigratie- en naturalisatiedienst
• Het Kernmodel Onderwijs Informatie (KOI) binnen de onderwijsketen
• De Thesaurus Zorg en Welzijn binnen het domein zorg en welzijn.

Onderstaande pagina's gaan in op de toepassing van het MIM-model in de praktijk:

• MIM toegepast op Gegevenswoordenboek Vreemdelingenketen
• MIM toegepast op het Canoniek Datamodel van de Strafrechtsketen
• MIM toegepast op de Informatiezuil van de Immigratie- en naturalisatiedienst
• MIM toegepast op het Kernmodel Onderwijsinformatie en het Register Instellingen en Opleidingen
• MIM toegepast op Thesaurus Zorg en Welzijn

Observaties na analyse

De analyse van de verschillende gegevenswoordenboekachtige entiteiten hierboven geeft aanleiding tot de volgende meer algemene observaties:

• Het blijkt goed mogelijk om de verschillende manieren waarop het begrip gegevenswoordenboek in de praktijk van informatie-uitwisseling in publieke (en private) domeinen wordt ingevuld, met behulp van het MIM-model te beschrijven en te begrijpen. We komen geen entiteiten tegen die we niet kunnen duiden;
• We kunnen niet alleen de structuur en functie van de verschillende entiteiten op zichzelf begrijpen, we kunnen ook inzichtelijk maken hoe deze entiteiten er vanuit gebruikersperspectief primair uitzien en welke functie ze in de praktijk vooral vervullen;
• We kunnen soms optredende ambiguïteiten oplossen, omdat bijvoorbeeld duidelijk gemaakt kan worden dat een bepaalde entiteit hybride is (een begrippenmodel dat begrippen definieert maar deze tevens beschrijft met kenmerken volgens een standaard voor logische informatiemodellen);
• In de praktijk komen we in de wereld van de gegevenswoordenboeken vooral conceptuele informatiemodellen, logische informatie- of gegevensmodellen en begrippenmodellen tegen. Technische gegevens- of datamodellen, zoals bijvoorbeeld berichtenboeken, zijn meestal buiten scope. De wereld van het gegevenswoordenboek vervult een van de technische werkelijkheid abstraherende functie en technische gegevens- of datamodellen zijn kennelijk te techniekafhankelijk en dynamisch om onder dit bereik te vallen;
• Modellen kunnen recursief voorkomen binnen een bepaald domein. Zo kan een domein een conceptueel hoofdmodel hebben, zoals bijvoorbeeld het Kernmodel Onderwijsinformatie, dat op zijn beurt nadere specificaties bevat in conceptuele deelmodellen.

Conclusie

Bovenstaande analyses en observaties ondersteunen de conclusie dat het zinvol is gebleken om niet te proberen het begrip gegevenswoordenboek geforceerd te standaardiseren en in isolement te definiëren. Het metamodel van het MIM is een hanteerbaar en effectief alternatief, omdat het meer recht doet aan de verscheidenheid aan gegevenswoordenboeken die we in de praktijk aantreffen én meer oog heeft voor de context waarbinnen de meeste gegevenswoordenboeken functioneren. Het model bevat een beperkt aantal concepten waarmee de wereld van de gegevenswoordenboeken goed beschreven en begrepen kan worden (begrippenmodel, conceptueel model, logisch model, datamodel en register). Informatiearchitecten en -analisten kunnen er bovendien goed houvast aan hebben wanneer zij in een bepaald domein aan de slag gaan met het normaliseren van de gegevensuitwisseling.

Nederlandse Overheid Referentie Architectuur.

Interoperabiliteit is het vermogen van organisaties (en hun processen en systemen) om effectief en efficiënt informatie te delen met hun omgeving

Het totaal aan regels en voorzieningen gericht op de informatiestromen en –opslag of archivering ter ondersteuning van de primaire processen.

Een beschrijving van een complex geheel, en van de principes die van toepassing zijn op de ontwikkeling van het geheel en zijn onderdelen.

Alle informatie-objecten die een plaatsgebonden kenmerk hebben: gegevens met een directe of indirecte referentie naar een plaats op het aardoppervlak.

Een samenhangend geheel van gegevensverzamelingen en de daarbij behorende personen, procedures, processen en programmatuur alsmede de voor het informatiesysteem getroffen voorzieningen voor opslag, verwerking en communicatie.