De fleste organisationer investerer massivt i data- og AI initiativer, men kæmper stadig med det helt basale: Ingen kan finde de rigtige data, adgang håndteres ad hoc, og hvert projekt bygger sin egen sandhed. I oplægget viser vi, hvorfor data governance er en nødvendig forudsætning for at få reel værdi ud af integration, analytics og AI – og hvordan FAIR principperne (Findable, Accessible, Interoperable, Reusable) kan bruges som et enkelt, struktureret sprog for, hvad “styr på data” faktisk betyder på tværs af systemer og domæner.
Med afsæt i erfaringer fra data- og integrationsprojekter på tværs af brancher – bl.a. regulerede områder som pharma og finans – viser vi, hvordan data governance kan forankres i Enterprise Architecture: datadomæner, dataprodukter, informationsmodeller, integrationsmønstre og moderne data- og AI platforme. FAIR principperne bruges som en praktisk ramme for at sætte klare krav til, hvornår data er tilstrækkeligt Findable, Accessible, Interoperable og Reusable. Fokus er ikke på værktøjer, men på de arkitekturvalg og governance greb, der gør data reelt anvendelige på tværs.
Deltagerne får et konkret bud på, hvordan EA funktionen kan styrke sin rolle som beslutningspartner ved at gøre data governance til en integreret del af arkitekturen - med FAIR som fælles sprog og minimumssæt af krav, som datasæt bør opfylde for at understøtte skalerbar integration og ansvarlig brug af AI på tværs af organisationen.