PGGM op weg naar een moderne data delivery infrastructure

PGGM is een coöperatieve pensioenuitvoeringsorganisatie zonder winstoogmerk. Zij biedt haar klanten pensioenbeheer, vermogensbeheer en bestuursadvisering. PGGM beheert de pensioenen van verschillende pensioenfondsen, de daarbij aangesloten werkgevers en hun werknemers. Op 31 december 2020 beheerde PGGM 268 miljard euro aan pensioenvermogen en administreerde pensioen voor 4,4 miljoen deelnemers. De organisatie heeft 1.500 medewerkers.

Goede informatie is van essentieel belang voor de besluitvorming bij PGGM, bij de pensioenfondsen en voor de aangesloten deelnemers en werkgevers. Data kan voor veel medewerkers een rol spelen bij het informeren van deelnemers, werkgevers en pensioenfondsen. Het verbeteren van de dienstverlening. Het maken van de juiste keuzes op gebied van vermogensbeheer en het invulling geven aan de strategische doelstellingen. Om aan de snelgroeiende vraag naar analyses en rapportages te kunnen voldoen, wilde PGGM data op een snellere en eenvoudige manier ontsluiten voor gebruikers, binnen de geldende compliance richtlijnen en met goed overzicht over wie welke data gebruikt. Daarom werd besloten een nieuwe, moderne infrastructuur te ontwerpen waarmee data efficiënt, snel en veilig beschikbaar zou komen en tegelijkertijd de data governance goed geregeld zou worden. Axians ondersteunde PGGM bij ontwerp en realisatie van deze data delivery infrastructure.

Snellere ontsluiting en adequaat toegangsbeheer

Marco van der Winden, Manager Corporate Datamanagement bij PGGM: “Binnen onze organisatie is een grote hoeveelheid en diversiteit aan data aanwezig. Bijvoorbeeld (persoons)gegevens van deelnemers, vermogensbeheerdata en allerlei data vanuit beleidsadvisering en de bedrijfskritische processen. We willen echter meer waarde uit die data creëren voor onze stakeholders. Door gegevens te anonimiseren of pseudonimiseren, kunnen we aanvullende waardevolle analyses uitvoeren. We kunnen trends en ontwikkelingen signaleren op basis van locatie, leeftijd en andere factoren. Zo kunnen we onze dienstverlening richting pensioenfondsen en de aangesloten deelnemers en werkgevers verder verbeteren. Dit past bij de strategische ambities van PGGM. Allemaal potentiële voordelen die we momenteel nog te veel onbenut laten.

Daar is een aantal oorzaken voor. Ten eerste zagen we tot voor kort het werken met data vooral als iets technisch: data als product van onze systemen. We begrepen heel goed dat onze data verspreid lag door de organisatie en dat dezelfde data op meerdere plekken beschikbaar was. Onze bestaande data-architectuur voldeed niet meer aan onze eisen en wensen. We besloten om vanuit de business en IT samen op een andere manier naar onze architectuur te gaan kijken. Niet als een doel op zich, maar als een middel om onze datahuishouding in lijn te brengen met onze strategische ambities en compliance richtlijnen.

Ten tweede was niet iedereen gewend om samen te werken met data. Afdelingen waren gewend om dataproblemen zelf op te lossen. Daarin waren medewerkers zeer inventief en controles en correcties waren vaak verweven in hun eigen processen. Tijdrovend en kostbaar werk, zeker omdat dataproblemen niet bij de bron werden aangepakt en daarmee op meerdere plekken in de organisatie hetzelfde probleem werd opgelost. Dat is natuurlijk heel inefficiënt. Bijzonder is ook dat sommige zaken helemaal niet als een dataprobleem werden gezien, terwijl de oorzaak toch echt in de data lag. Daarom wilden we de mogelijkheden van datagedreven werken concreet zichtbaar maken. Daarvoor hebben we medewerkers van PGGM bij elkaar gebracht om te bespreken hoe we zo goed mogelijk invulling kunnen geven aan de datawensen over en weer. Datakwaliteit, eigenaarschap en heldere definities waren daarbij belangrijke onderwerpen. Goed zorgen voor data is mensenwerk en niet zozeer techniek.”

Arjan Surstedt, Enterprise Data Architect bij PGGM: “Daarnaast wilden we onze data governance helder en eenduidig regelen. Als je voorheen een analyse wilde uitvoeren, dan moest je toevallig weten wie bepaalde data in beheer had om informatie snel te kunnen vinden. Bovendien wisten we lang niet altijd zeker of de kwaliteit van de data goed was en of gebruikers wel geautoriseerd waren om bepaalde data te gebruiken. Door deze onduidelijkheid duurde het te lang voordat data werd vrijgegeven. Het kon weken of soms zelfs maanden duren voordat verzoeken van medewerkers om data te gebruiken werden goedgekeurd. Dat belemmerde onze organisatie om waardevolle data te gebruiken voor de verbetering van processen of het beter adviseren van onze klanten.”

Data-architectuur met een menselijk gezicht

PGGM wist naar wat voor oplossing ze op zoek was: een data-architectuur die in dienst moet staan van de gebruikers. De technologie moet medewerkers efficiënt ondersteunen in hun dagelijkse werkzaamheden en ervoor zorgen dat zij de rijke hoeveelheid aan data die in het bedrijf aanwezig is goed kunnen aanwenden. Daarbij staan gebruiksvriendelijkheid, snelheid en een goede toegangsbewaking centraal.

Axians realiseerde, in nauwe samenwerking met specialisten en gebruikers van PGGM, een Data Delivery Infrastructure (DDI) die uit drie oplossingen bestaat die nauw met elkaar samenwerken. Met Data Virtuality – software met functionaliteit voor zowel datavirtualisatie als datareplicatie – wordt data uit verschillende gegevensbronnen flexibel geïntegreerd en ontsloten, zonder data onnodig te repliceren. Daarmee ontstaat een virtuele data hub die uniforme dataservices levert aan medewerkers van PGGM, zonder dat die de technische details, zoals locatie en formaat hoeven te kennen. Door data niet langer te repliceren wanneer dat niet nodig is, is er meer eenvoud in de data-architectuur, waardoor informatie snel geleverd kan worden en aanpassingen eenvoudig door te voeren zijn.

Daarnaast maakt de architectuur gebruik van het data governance platform Collibra dat vastlegt welke data er in de organisatie aanwezig is, wat de definitie is van die data, hoe en waar die data is opgeslagen, wie eigenaar van de data is en wie toegang heeft tot de data. Collibra is het loket waar gebruikers toestemming kunnen vragen om data te gebruiken en waar zij die data opvragen. Gegevens worden vervolgens opgehaald via Data Virtuality. De derde component is Snowflake, een cloud database voor de opslag van data die niet virtueel ontsloten kan worden.

Dataloket

Arjan Surstedt: “Data moet makkelijk te vinden zijn, volledig beschreven zijn en na goedkeuring direct beschikbaar zijn. En de data moet zo min mogelijk gerepliceerd worden, maar zoveel mogelijk direct vanuit de originele bron opgehaald worden. Dat is met deze oplossing gerealiseerd. Collibra is het loket waar gebruikers data zoeken en toegang vragen om bepaalde gegevens te mogen gebruiken. Met Data Virtuality wordt die data vervolgens opgehaald uit de diverse gegevensbronnen en/of de historische data. We hebben in onze organisatie ruim zestig dataeigenaren die in de toekomst bij verzoeken van gebruikers heel eenvoudig toestemming kunnen geven of verzoeken af kunnen wijzen. Ieder verzoek wordt in Collibra geregistreerd. Als je autorisatie krijgt om gegevens te gebruiken, staat de geprepareerde data direct klaar. Vervolgens kun je ermee aan de slag in Power BI of een andere analysetool om analyses, rapportages of dashboards te maken. Om ervoor te zorgen dat onze gebruikers data eenvoudig en op de juiste manier kunnen interpreteren, zijn data-stewards bezig om de data die via Data Virtuality geïntegreerd wordt op een goede manier te beschrijven in Collibra. Zo maken we het zeer gebruiksvriendelijk voor onze organisatie om met data aan de slag te gaan.”

Het uiteindelijke succes wordt bepaald door de gebruikers

Marco van der Winden: “De eerste testresultaten met de nieuwe data-architectuur zijn positief, ze bevestigen de verwachtingen die we van tevoren hadden. We wilden de data op een snelle, eenduidige en veilige manier van bron naar eindgebruiker brengen. Daarnaast was data governance van groot belang: dat we kunnen bepalen wie waartoe toegang heeft, waarom ze toegang hebben en dat data veilig gebruikt wordt. Verder was eenduidigheid belangrijk. We willen dat belangrijke informatie, onafhankelijk hoe die wordt gerapporteerd, dezelfde uitkomsten geeft. Als verschillende afdelingen bijvoorbeeld de dekkingsgraad van een pensioenfonds verwerken in een rapportage, wil je natuurlijk voorkomen dat er verschillen zitten tussen de rapportages als de rapportagedatum exact hetzelfde is. Zo’n verschil is meestal wel te verklaren, maar dat kost tijd en doet weinig goed voor het vertrouwen in de cijfers.”

Arjan Surstedt: ”Momenteel werken we aan twee use cases in de nieuwe data-architectuur. De eerste use case hebben we specifiek gekozen om te laten zien dat de data governance beter geregeld is. Bij de tweede use case laten we gebruikers van de afdeling Vermogensbeheer zien hoeveel profijt zij hebben als ze data uit de hele organisatie eenvoudiger tot hun beschikking hebben. Daarna pakken we stuk voor stuk nieuwe use cases op, waarbij er vooral aandacht is voor het aantonen van de meerwaarde van de data delivery infrastructure voor de gebruikers. Dat de oplossing technisch werkt is al aangetoond, maar het uiteindelijke succes wordt bepaald door onze medewerkers. Zien zij de meerwaarde van het platform en helpt het ze in hun dagelijkse werkzaamheden?”

Kennis geborgd in de organisatie

Arjan Surstedt: “We zijn erg tevreden over de samenwerking met Axians, Data Virtuality, Collibra en Snowflake. Het belangrijkste voor ons is dat onze eigen mensen tijdens de implementatie zijn opgeleid om te werken met de technologie, waardoor alle kennis geborgd blijft binnen PGGM. Consultants zijn altijd beschikbaar als we er zelf niet uitkomen, maar in principe hebben ze hun kennis volledig aan ons overgedragen.”

Marco van der Winden: “We zijn goed ondersteund door gekwalificeerde consultants en we hebben altijd het gevoel gehad dat ze zich konden inleven in onze organisatie, structuur en processen. Het technische deel is snel gerealiseerd en de verschillende componenten zijn goed op elkaar aangesloten. De acceptatie door de business kost uiteraard meer tijd, maar dat ligt vooral bij onze eigen organisatie. Onderaan de streep kunnen we absoluut spreken over een positief eindresultaat.”