Kenapa Artikel Ini PentingKenapa Artikel Ini Penting
Selama ini, pembahasan tentang data governance (tata kelola data) sering terasa terpecah-pecah. Sebagian tulisan hanya fokus pada satu sisi saja, misalnya kualitas data atau keamanan data, sementara yang lain hanya berupa tinjauan kecil untuk mendukung studi kasus tertentu. Belum ada satu kerangka besar yang bisa dijadikan pegangan bersama, baik oleh akademisi maupun praktisi.
Abraham, Schneider, dan vom Brocke mencoba mengisi kekosongan ini. Mereka melakukan tinjauan literatur terstruktur terhadap 145 publikasi (jurnal, konferensi, dan tulisan praktisi) yang terbit antara 2001–2019, lalu menyusunnya menjadi satu kerangka konseptual yang koheren. Hasilnya adalah salah satu rujukan paling sering dikutip di bidang tata kelola data hingga saat ini.
Definisi yang Digunakan
Penulis mendefinisikan data governance sebagai praktik lintas fungsi yang menetapkan hak keputusan dan akuntabilitas terkait data sebagai aset strategis perusahaan, melalui kerangka kerja yang memformalkan kebijakan, standar, dan prosedur, serta memantau kepatuhan terhadapnya.
Ada satu pembeda penting yang mereka tegaskan: data governance ≠ data management. Data governance menjawab pertanyaan keputusan apa yang harus dibuat dan siapa yang berwenang membuatnya, sedangkan data management adalah pelaksanaan harian dari keputusan-keputusan tersebut. Ini poin yang sering tertukar di lapangan, dan menurut saya menjadi salah satu kontribusi paling praktis dari artikel ini - banyak organisasi gagal ber-"governance" justru karena mencampuradukkan keduanya.
Kerangka Konseptual: Enam Dimensi
Inti dari artikel ini adalah kerangka kerja dengan enam dimensi yang saling berkaitan:
- Antecedents (Anteseden) - faktor kontekstual yang memengaruhi desain governance, baik eksternal (regulasi, volatilitas pasar, industri, negara) maupun internal (strategi perusahaan, strategi IT, budaya organisasi, dukungan manajemen senior).
- Organizational Scope (Cakupan Organisasi) - apakah governance diterapkan pada level intra-organisasi (proyek atau perusahaan) atau inter-organisasi (antarperusahaan/ekosistem).
- Data Scope (Cakupan Data) - jenis data yang diatur: data tradisional (master data, data transaksional, data referensi) atau big data (data media sosial, data mesin, data streaming, data biometrik).
- Domain Scope (Cakupan Domain Keputusan) - area keputusan yang menjadi fokus: kualitas data, keamanan data, arsitektur data, siklus hidup data, metadata, serta penyimpanan dan infrastruktur data.
- Governance Mechanisms (Mekanisme Governance) - inti dari kerangka ini, terbagi tiga:
- Struktural: peran & tanggung jawab, lokasi wewenang pengambilan keputusan (misalnya dewan data/data council, data owner, data steward).
- Prosedural: strategi data, kebijakan-standar-proses-prosedur, perjanjian kontraktual (SLA, data sharing agreement), pengukuran kinerja, pemantauan kepatuhan, manajemen isu.
- Relasional: komunikasi, pelatihan, dan koordinasi pengambilan keputusan (baik pendekatan hierarkis maupun kooperatif).
- Consequences (Konsekuensi) - dampak governance terhadap kinerja, baik di level menengah (misalnya efisiensi proses) maupun level strategis perusahaan (pertumbuhan pendapatan, penurunan biaya, kepatuhan regulasi).
Alur logisnya sederhana: anteseden memengaruhi bagaimana organisasi menentukan cakupan (organisasi, data, domain), yang kemudian menentukan mekanisme governance apa yang paling cocok diterapkan, dan pada akhirnya menghasilkan konsekuensi tertentu bagi organisasi.
Lima Agenda Riset yang Diusulkan
Bagian yang menurut saya juga berharga adalah peta kesenjangan riset yang mereka susun, dengan 15 pertanyaan penelitian di lima area:
- Mekanisme governance - misalnya, bagaimana organisasi menentukan data owner, dan bagaimana alokasi wewenang keputusan memengaruhi efektivitas governance.
- Cakupan governance - bagaimana organisasi mempertahankan kendali atas data dalam hubungan antarorganisasi, dan bagaimana mendefinisikan metrik kualitas untuk big data.
- Anteseden governance -sejauh mana faktor seperti ukuran perusahaan atau budaya korporat memengaruhi desain governance.
- Konsekuensi governance - bagaimana mengukur dampak governance terhadap kinerja, termasuk fenomena menarik yang mereka sebut over-governance: governance yang terlalu birokratis dan restriktif justru bisa menghambat inovasi berbasis data dan mendorong pengguna mengabaikan kebijakan.
- Generalisasi dan replikasi temuan - kebutuhan akan studi kuantitatif berskala lebih besar, karena mayoritas riset sejauh ini berbasis studi kasus kualitatif.
Catatan Kritis
Beberapa hal yang perlu dicermati pembaca:
- Kerangka ini belum divalidasi secara empiris. Penulis sendiri mengakui bahwa mereka tidak membedakan mana temuan yang bersifat norma/idealitas dan mana yang benar-benar praktik nyata di lapangan.
- Kerangka bersifat deskriptif, bukan preskriptif. Artikel ini memetakan apa saja komponen governance, tapi tidak memberi panduan konkret mekanisme mana yang cocok untuk kombinasi anteseden dan cakupan tertentu. Ini masih pekerjaan rumah untuk riset lanjutan.
- Cakupan pencarian literatur terbatas - tidak mencakup basis data seperti Scopus dan Web of Science, dan berfokus pada istilah "data governance" sehingga literatur "data management" yang relevan mungkin terlewat.
Relevansi untuk Praktisi
Meski ditulis untuk komunitas akademik, kerangka ini cukup mudah diterjemahkan menjadi langkah praktis bagi organisasi yang ingin membangun atau merapikan program data governance-nya:
- Identifikasi dulu anteseden yang relevan dengan organisasi Anda (regulasi apa yang berlaku, seberapa besar dukungan manajemen, dsb.).
- Tentukan cakupan: apakah governance ini untuk level proyek atau seluruh perusahaan, untuk data tradisional atau big data, dan domain keputusan mana yang jadi prioritas (kualitas data? keamanan? metadata?).
- Baru setelah itu pilih dan sesuaikan kombinasi mekanisme struktural, prosedural, dan relasional yang paling pas.
Pendekatan bertahap ini membantu menghindari kesalahan umum: langsung "menerapkan governance" tanpa memahami dulu konteks dan tujuan spesifik organisasi.
Kesimpulan
Artikel Abraham, Schneider, dan vom Brocke (2019) ini layak menjadi bacaan wajib bagi siapa pun yang bekerja di ranah tata kelola data - baik akademisi yang mencari peta riset yang belum tergarap, maupun praktisi yang butuh kerangka berpikir sistematis sebelum merancang program data governance. Kekuatan utamanya terletak pada sintesis yang rapi atas literatur yang sebelumnya tersebar, meski penerapannya di dunia nyata tetap membutuhkan penyesuaian sesuai konteks masing-masing organisasi.
Referensi: Abraham, R., Schneider, J., & vom Brocke, J. (2019). Data governance: A conceptual framework, structured review, and research agenda. International Journal of Information Management, 49, 424–438. https://doi.org/10.1016/j.ijinfomgt.2019.07.008