Data Governance and IT Architecture Support Long-Term Performance (Chapter 2)
Subtitle: Kalau datanya berantakan, sistem secanggih apa pun cuma jadi pajangan mahal.
Estimated reading time: 12 menit
Ada dua jenis organisasi:
- Datanya rapi dan sistemnya terasa “ngalir”,
- Tiap rapat berakhir dengan kalimat sakti: “Datanya beda ya… yang bener yang mana?”
Chapter 2 ini ngebahas akar masalahnya: data governance dan enterprise architecture (EA). Keduanya bukan hiasan dokumentasi. Ini kerangka yang bikin sistem informasi bisa tumbuh tanpa jadi monster yang susah dipelihara.
1) Data Governance itu apa dan kenapa bukan urusan “admin database” doang
Buku mendefinisikan data governance sebagai proses menyepakati standar dan kebutuhan untuk mengumpulkan, mengidentifikasi, menyimpan, dan menggunakan data. Ini dilakukan supaya kualitas data terjaga dan biayanya terkendali
Kalau diterjemahkan ke kehidupan kampus atau organisasi:
- Siapa yang berhak bikin data?
- Definisi “mahasiswa aktif” itu apa?
- Format NIM harus seperti apa?
- Data boleh diedit siapa, kapan, dan tercatat atau tidak?
- Data disimpan di mana dan dipakai untuk keputusan apa?
Tanpa jawaban jelas, sistem informasi biasanya begini:
- Satu konsep punya banyak versi (customer ≠ pelanggan ≠ buyer ≠ user).
- Satu orang punya banyak ID.
- Laporan beda angka tergantung siapa yang ngambil.
- Audit dan compliance jadi mimpi buruk.
2) Enterprise Architecture (EA): peta besar biar sistem tidak tumbuh liar
EA itu panduan evolusi sistem dan proses bisnis. Intinya: menjaga IT selaras dengan bisnis saat kebutuhan berubah.
Buku merinci komponen EA jadi 4 arsitektur utama:
- Business architecture (proses bisnis untuk mencapai tujuan).
- Application architecture (desain aplikasi dan interaksi antar aplikasi).
- Data architecture (bagaimana data disusun dan diakses).
- Technical architecture (infrastruktur hardware/software pendukung).
Kalau kamu pernah lihat organisasi yang punya:
- Aplikasi A untuk input data.
- Aplikasi B untuk approval.
- Excel untuk “rekap versi final-final”.
- WhatsApp untuk verifikasi manual.
Itu pertanda EA-nya lemah atau tidak dijadikan “kompas”.
3) EA yang sehat itu dinamis: baseline → target, bukan dokumen mati
EA harus jadi rencana yang bergerak. Buku menekankan EA sebagai dynamic plan yang berkembang dari kondisi sekarang (baseline) menuju kondisi yang dituju (target)
Get DONNY RAHMAN’s stories in your inbox
Join Medium for free to get updates from this writer.
Di model itu, EA menetapkan:
- Misi dan arah bisnis.
- Kebutuhan informasi dan alirannya.
- Baseline architecture.
- Target architecture.
- Sequencing plan.
Atau bahasa mudahnya seperti ini:
- “Saat ini sistem kita seperti apa?”
- “Nanti kita mau jadi apa?”
- “Langkah-langkahnya apa dan urutannya gimana supaya tidak chaos?”
4) Cara “membumikan” Data Governance dan EA
a. Data Governance Checklist
- Data owner: siapa pemilik data per domain (pelanggan, produk, transaksi)?
- Data steward: siapa yang menjaga kualitas hariannya?
- Standar definisi: kamus data, definisi KPI, aturan format.
- Aturan kualitas: duplikasi, missing value, validasi, referential integrity.
- Lifecycle: retensi data, arsip, pemusnahan sesuai aturan.
- Akses & keamanan: siapa bisa lihat, edit, export.
- Audit trail: perubahan tercatat.
- SLA data: kapan data “fresh”, kapan laporan boleh dianggap final.
b. EA Roadmap Sederhana (baseline → target)
- Petakan proses bisnis utama (end-to-end), bukan per divisi.
- Petakan aplikasi yang mendukung proses itu (termasuk spreadsheet “siluman”).
- Tentukan single source of truth untuk data penting.
- Susun transisi bertahap (quick wins dulu, integrasi menyusul).
- Tetapkan prinsip arsitektur: modular, scalable, secure-by-design.
Penutup
Data governance dan EA itu seperti fondasi bangunan. Tidak kelihatan dari luar, tapi begitu rapuh, semua lantai di atasnya ikut retak. Di episode berikutnya, kita naik level: setelah data “diatur”, gimana caranya data itu diolah jadi insight lewat database, data warehouse, big data, BI, dan records management.
