Rond het werkveld kent de data-architect veel stakeholders. Niet alleen op strategisch niveau ook op tactisch en operationeel niveau. Daarbinnen is een nieuw werkveld ontstaan, waar data-engineers, data beheerders en data-analisten en -scientist actief zijn. Deze rollen in het datawerkveld hebben specifieke requirements maar brengen ook specifieke kennis in rond het data werkveld. Daarom dient de data-architect de verschillende rollen in het data werkveld te adviseren over hoe data ingezet kan worden in hun werkveld maar daarbij wel rekening houden met de kaders en requirements die vanuit stakeholders uit andere domeinen een rol spelen.

Deze kwaliteit wordt vaak over het hoofd gezien, maar is uiterst belangrijk. Het betekent voldoende zelfvertrouwen hebben om druk te weerstaan, voorstellen uit te dagen, effecten te analyseren en argumenten te ondersteunen. Veerkracht is een kerncompetentie om effectief samen te werken met belanghebbenden en om het brede scala aan situaties te beheren waarmee data-architecten te maken kunnen krijgen.

Data-architecten adviseren meerdere soorten stakeholders binnen organisaties. Bij organisaties die data-gedreven willen werken of data-management willen introduceren is het management van de organisatie een relevante stakeholder. Bij het uitwerken van de organisatie strategie zullen aspecten, requirements en principes vanuit data-gedreven perspectief een rol spelen die de data-architect gebruikt voor het adviseren van het management.

Organisaties die onder architectuur werken noemen dat veelal enterprise architectuur. Hiermee wordt enterprise architectuur als een container wordt beschouwd. Binnen enterprise architectuur worden meerdere domeinen onderkend zoals infrastructuur, applicatie- bedrijfs en zeker ook data-architectuur. Daarmee ontstaat een behoefte dat een aantal aspecten binnen deze aspectarchitecturen te standaardiseren en generaliseren. Vanuit de verschillende aspecten in de enterprise architectuur dienen de architecten gezamenlijk de producten waaronder kaders te definieren. Zo zal er nauw samengewerkt worden in het bepalen van de architectuurtalen en het metamodel van de enterprise architectuur. Dit is inclusief het gebruik van de tooling en het inzetten van bijvoorbeeld architectuur repositories voor een geintegreerde inrichting van de aspectarchitectuur.

Stakeholdermanagement is een belangrijk onderdeel van bedrijfsanalyse. Het omvat het vermogen om belanghebbenden te identificeren, het belang van de belanghebbenden te beoordelen, de perspectieven van belanghebbenden te analyseren en strategieën voor stakeholdermanagement te ontwikkelen.

Aangezien de meeste dataveranderingsprojecten de ontwikkeling of aanschaf van softwaretoepassingen vereisen, is een algemeen begrip van technologie, technologische ontwikkelingen en benaderingen van softwareontwikkeling noodzakelijk, zodat data-architecten zinvol kunnen communiceren met hun technologiegerichte collega's en hun rol en bijdrage aan de oplossingsarchitectuur en het ontwikkelingsproces kunnen waarderen. De mate waarin data-architecten technische kennis nodig hebben, hangt af van de aard van het analysewerk dat wordt uitgevoerd. De belangrijkste vereiste is dat de data-architect het potentieel van technologie en de benaderingen en termen die door technische specialisten worden gebruikt, begrijpt. Enkele van de belangrijkste gebieden die data-architecten moeten begrijpen, worden hieronder opgesomd: Trends en ontwikkelingen zoals AI, robotic process automation (RPA), big data, software as a service (SaaS), visualisatie, mobiele technologieën, en hoe deze impact hebben op organisaties en de potentie die ze bieden voor nieuwe of verbeterde producten of diensten. Technische infrastructuurcomponenten zoals besturingssystemen, applicatiesoftware, hardware, netwerken, cloud computing. Levenscycli van systeemontwikkeling (SDLC's) en benaderingen zoals het 'V'-model en het uniforme proces. Benaderingen voor systeemmodellering zoals de UML. Agile ontwikkelingsbenaderingen zoals DSDM en Scrum. De relatieve voor- en nadelen van het ontwikkelen van software in plaats van het kopen van kant-en-klare softwareproducten. Organisatiestructuren Veel bedrijfsveranderingsprojecten omvatten het tot op zekere hoogte herstructureren van divisies of teams om overdrachten te verwijderen, taken te centraliseren of de klantenservice te verbeteren. Om deze redenen is het belangrijk dat een data-architect een goed begrip heeft van de verschillende organisatiestructuren die zich kunnen voordoen – functioneel, project, matrix, plat, virtueel – en van hun relatieve sterke en zwakke punten. Beheer van leveranciers Veel organisaties maken gebruik van externe leveranciers om hun IT-systemen te leveren, hetzij op ad-hocbasis, hetzij via een uitgebreidere outsourcingregeling, die hele bedrijfsprocessen of zelfs een hele bedrijfsfunctie kan omvatten. Veel organisaties hebben bijvoorbeeld hun salarisadministratieprocessen meerdere jaren uitbesteed, maar sommige hebben dit nu uitgebreid tot een groot deel van het personeelswerk (HR), van werving tot het bijhouden van gegevens. Selecteren en contracteren van leveranciers valt meestal binnen het domein van de inkoopfunctie. Voor sommige outsourcingcontracten kan de data-architect echter betrokken zijn om ervoor te zorgen dat de bedrijfsprocessen en -systemen efficiënt blijven werken. Dit vereist dat data-architecten een breed begrip hebben van inkoop- en leveranciersbeheerprocessen. Data-architecten moeten op zijn minst op de hoogte zijn van de verschillende contractuele regelingen die beschikbaar zijn, met name: Tijd en materiaal: Wanneer de gecontracteerde partij wordt betaald op basis van de gewerkte tijd en de te leveren prestaties die zijn geleverd; het tijdselement heeft geen betrekking op de verstreken tijd van het project, maar op de hoeveelheid inspanning die is geleverd. Levering tegen een vaste prijs: waarbij de gecontracteerde partij de prijs ontvangt die is overeengekomen voor de levering van het werk in overeenstemming met de oorspronkelijke specificatie. Risico en beloning: Wanneer de gecontracteerde partij ermee heeft ingestemd om een deel of het volledige risico van het project te dragen. Bijvoorbeeld door middelen te investeren zoals personeelstijd, materialen of kantoorruimte, maar waarbij de potentiële beloningen groter zijn dan bij andere contractuele regelingen. Data-architecten moeten in staat zijn om met leveranciers in contact te komen om ervoor te zorgen dat ze hun diensten effectief leveren. Dit vereist persoonlijke kwaliteiten zoals communicatie en het opbouwen van relaties, die eerder zijn besproken

Voor data-gedreven werken zijn er naast externe ook interne leveranciers. Deze interne leveranciers leveren bijvoorbeeld datasets aan die gebruikt kunnen worden binnen data-gedreven toepassingen. Daarnaast zijn er intern veelal al dataplatformen en tools aanwezig die door interne leveranciers, bijvoorbeeld database beheerders of applicatie beheerders voor datatoepassingen. Vanuit data-architectuur zijn er meestal kaders om hergebruik van reeds bestaande dataproducten en omgevingen te hergebruiken. Daarom dienen interne leveranciers en data-architecten hierin nauw samen te werken en gezamenlijk zorg te dragen dat deze kaders worden nageleefd.

Analytische vaardigheden vormen een belangrijk onderdeel van de rol van data-architect. Het betekent dieper en dieper graven totdat de ware situatie aan het licht komt en het echte probleem is gedefinieerd. Het gaat om het doorzoeken van vaak tegenstrijdige gegevens en bepalen waar gegevens relevante inzichten opleveren en waar dit niet het geval is. Het betekent geen genoegen nemen met het voor de hand liggende, dingen niet voor waar aannemen en geen overhaaste conclusies trekken. Analytisch denken houdt ook in dat de resultaten van de analyse worden gepresenteerd in een vorm die geschikt is voor de relevante belanghebbenden. En het houdt in dat de ontvangen wijsheid bij elke beurt wordt uitgedaagd: vraag 'Waarom doe je dit?' 'Wat heeft het voor meerwaarde?' 'Waar wordt het gedaan?' 'Hoe is het gedaan?' 'Wie is of moet verantwoordelijk zijn?' 'Wanneer moet het gebeuren?' 'Is er een andere manier om dit te doen?' Sommige analisten lijken te geloven dat de rol van de data-architect eenvoudig is en bestaat uit het vastleggen van wat het bedrijfspersoneel zegt dat ze willen en het doorgeven van deze 'vereisten' aan een ander team voor levering. Deze aanpak kan echter niet de vruchten plukken van een goede analyse. Analytisch denken betekent echter niet dat elke situatie eindeloos wordt geanalyseerd, wat aanzienlijke middelen en inspanningen vergt, aangezien een ander belangrijk element van deze competentie is dat degenen die analytisch kunnen denken, in staat zijn om het analyseniveau te beoordelen dat nodig is voor een specifieke situatie. Dit betekent niet dat u kortere wegen moet nemen bij de analyse; Het betekent wel dat we de belangrijkste factoren en de contextuele beperkingen moeten herkennen en ervoor moeten zorgen dat de analyse voldoende is om de zakelijke problemen aan te pakken zonder te proberen alles te analyseren.

Data gedreven werken is gericht op veranderingen in de business van een organisatie. Data en business zijn daardoor nauw aan elkaar gerelateerd. Ietwat gechargeerd maar vanuit data perspectief kan gesteld worden dat een verandering in de business niet mogelijk is zonder veranderingen in de data. Daardoor is er een nauwe relatie tussen business en data en daardoor een nauwe samenwerking tussen business analisten en data-architecten. Met name het beschrijven van de data op conceptueel niveau is in deze een data-architectuurproduct dat de verbinding legt tussen business en data. Daarnaast ontstaan vanuit de business doelen en concerns die in de data-architectuur worden uitgewerkt in architectuurkaders zoals data-principes.

Data-architecten ontwikkelen meerdere architectuur producten. Zie de uitwerking met welke soorten producten ontwikkeld worden door data-architecten. Door de verschillende vormen van producten maar ook de verschillende publicatieritmes van architectuur producten is het managen van deze producten een belangrijke capability. Binnen de projecten en programma's die veranderingen introduceren in de organisatie worden er door de data-architect solution architecturen gemaakt die kaders stellen aan de veranderingen in de organisatie. Echter is de behoefte aan organisatieveranderingen hoog dan is kan ontwikkelen van deze solution architecturen onder druk komen te staan door tijdgebrek. Daarnaast worden steeds meer agile technieken toegepast binnen de organisatie, ook dat kan druk veroorzaken op de werkzaamheden en de agenda van data-architecten. Als laatste zijn de kaderstellende of generieke beschrijvende architecturen belangrijke producten voor de data-architect. Het blijkt dat er een uitgebreid portfolio is van data-architectuur producten is wat door de data-architectuur ontwikkeld en gemanaged dient te worden.

De data-architect dient rekening te houden met meerdere domeinen. Binnen deze domeinen worden andere technieken, methoden, tools en frameworks gebruikt. De data-architect dient bekend te zijn met de hulpmiddelen binnen deze domeinen en deze effectief te kunnen toepassen.

Politiek bewustzijn is moeilijk te definiëren, maar zeer duidelijk wanneer het wordt waargenomen of aangetroffen. Alternatieve termen zoals 'nous' of 'streetwise' worden vaak gebruikt om de essentie van deze competentie weer te geven. In wezen betekent politiek bewustzijn het vermogen om uit te zoeken wat wel en niet politiek acceptabel is bij het werken binnen een organisatie en met bepaalde individuen - en in staat zijn om de juiste organisatorische hefbomen te gebruiken om dingen voor elkaar te krijgen. Dit vereist dat analisten de bronnen van macht en informatie binnen de organisatie kennen, begrijpen wat wel of niet acceptabel is en hun aanpak daarop afstemmen. Politiek bewustzijn hebben betekent niet dat je het met iedereen eens bent of de status quo accepteert; Maar het betekent wel vindingrijkheid gebruiken en scherpzinnig zijn om resultaten te behalen, zelfs bij tegenstand.

Bedrijfsanalyse houdt in dat wordt samengewerkt om informatie te verkrijgen van verschillende belanghebbenden, waaronder collega's uit IT- en veranderdisciplines, leveranciers, bedrijfsmedewerkers en bedrijfsmanagers. Het vermogen om in een team te werken is een essentiële vaardigheid voor een data-architect. Data-architecten hebben baat bij het begrijpen van de aard van teams en hoe ze zich ontwikkelen. Waardering voor wat een team succesvol maakt, stelt data-architecten in staat om goed samen te werken met collega's en hun analytische vaardigheden te gebruiken om eventuele problemen te identificeren en kansen voor te stellen voor de ontwikkeling van het team.

Bij het introduceren van data gedreven werken zullen vele soorten stakeholders betrokken zijn bij het introduceren van data gedreven toepassingen onder architectuur. Om hun wensen en behoeften op gestructureerde wijze in kaart te brengen dienen adequate interviewtechnieken te worden toegepast. Vormen als groepsinterviews, een op een interviews en eventueel weg gebaseerde schriftelijke interviews zijn hiervoor beschikbaar. Echter welke interview vorm past het beste in welke context is een criterium dat een data-architect bij het afnemen van interviews dient toe te passen. De data-architect dient daarom bekend te zijn welke interviewvormen beschikbaar zijn en welke interviewvorm in welke situatie het meest geschikt is.

De data-architect zal te maken krijgen met een breed palet van externe leveranciers. Leveranciers van data gerelateerde consultancy, data-sets, dataplatformen en tooling maar ook leveranciers van cloudgebaseerde dataplatformen zullen data-architecten benaderen met hun producten en diensten. De data-architect dient zich bewust te zijn van de vaardigheden die externe leveranciers hebben om hun dataproducten onder de aandacht te brengen van de data stakeholders. Externe leveranciers zullen er alles aan doen om deze stakeholders, inclusief de data-architect zelf, om hen een positief beeld te geven van de door hen geleverde producten en diensten. Dit vraagt specifieke vaardigheden van de data-architect om de werkelijke kenmerken van de producten van leveranciers op waarde te schatten voor de stakeholders binnen de eigen organisatie, en hen hiervan te overtuigen.

Voor het sturen van veranderingen in de organisatie in projecten en programma's gericht op data gerelateerde werkvelden is de kaderstellende architectuur een belangrijk product. Welke kadervormen ingezet worden en de inhoud van deze kaders dienen daarom gemanaged te worden. Bij het uitwerken van de kaders is het uitgangspunt dat deze weinig aan verandering onderhevig zijn. Echter organisaties veranderen continue en dat houdt in dat de kaderstellende architectuur gemanaged dient te worden zodat de kaderstellende architectuur de juiste kaders stelt aan de veranderingen in de organisatie.

Architectuur is een werkveld gericht op het stellen van kaders aan de verandering en het beschrijven van deze veranderingen. Vandaar dat vanuit elk architectuur werkveld de stakeholders geadviseerd worden. Met name stakeholders op strategisch niveau zullen door architecten geadviseerd worden. Dit stelt eisen aan de adviesvaardigheden van de data-architect en andere architecten. Daarnaast zullen de verschillende architecten in een organisatie om ervoor zorg te dragen dat er een consistent en gelijkluidend advies wordt gegeven aan de strategische stakeholders vanuit de verschillende architecten.

Bij het uitwerken van een data-architect ontstaan al snel allerlei architectuurproducten en modellen die nauw met elkaar samenhangen. Hierdoor ontstaat een data-architectuur die dusdanig complex is dat de inhoud van de data-architectuur gemanaged moet worden. Het managen van de data-architectuur bestaande uit de modellen en producten kan gedaan worden door inzet van een architectuur register of repository te introduceren. Dit is een informatiesysteem dat zorgdraagt voor het managen van de architectuur inhoud en het bewaken van de kwaliteit. Veelal wordt een architectuur register gebruikt door alle architecten binnen een organisatie. Zij dienen daarom nauw samen te werken om zorg te dragen dat het architectuur register een gezamenlijk ingericht en gemanaged informatiesysteem wordt voor de gezamenlijke architectuur.

De governance rollen en met name de rollen gericht op data-governance zijn verantwoordelijk voor het beleid rond data in de organisatie. Het zijn rollen die sterk in opkomst zijn, met name door data gedreven werken en het introduceren van data management. Daarmee zijn deze data-governance rollen belangrijke stakeholders voor de data-architecten. Data-governance en data-architectuur dienen nauw met elkaar samen te werken om ervoor te zorgen dat de data-strategie wordt geïntroduceerd in de organisatie en vertaald wordt naar beleid en kaders om sturing te geven aan de verandering in de organisatie naar data gedreven werken.

Effectieve ondersteuning vereist uitgebreide interpersoonlijke en organisatorische vaardigheden en is meestal het resultaat van een combinatie van een goede voorbereiding, een duidelijk begrip van de doelstellingen, 'buy-in' van senior stakeholders en het gebruik van nuttige technieken gezien de taak, de deelnemers en de organisatorische context. Een goede facilitator moet beschikken over een aantal van de andere persoonlijke kwaliteiten die elders worden besproken. Er kunnen echter enkele specifieke eigenschappen worden geïdentificeerd die bijzonder relevant zijn bij het faciliteren. Facilitators moeten het vermogen hebben om snel de persoonlijkheidstypes en de voorkeursleerstijl te evalueren van een groep mensen die ze al dan niet eerder hebben ontmoet. Aanpassingsvermogen is een andere belangrijke kwaliteit, aangezien facilitators in staat moeten zijn om de voortgang van workshops te beoordelen en de aanpak waar nodig aan te passen om op koers te blijven. Het vermogen om snel te reageren en zich aan te passen is vereist omdat een facilitator voortdurend verwerkt wat de deelnemers zeggen, de vragen formuleert die helpen om de discussie vooruit te helpen en beoordeelt of de huidige technieken werken en wat er nog meer in plaats daarvan kan worden geprobeerd. Facilitators moeten ook assertief zijn en in staat zijn om hun autoriteit tijdens de workshop te vestigen. Een kwestie die vaak naar voren komt in verband met facilitering is of de facilitator een materiedeskundige (SME) moet zijn in het te bespreken onderwerp. Enige kennis is vereist om de discussie te volgen, maar het is niet nodig dat een facilitator een expert is in het onderwerp. In veel situaties kan dit de facilitator helpen om objectief te zijn en vragen te stellen. De rol van de facilitator is immers om anderen te helpen tot een conclusie te komen, niet om een eigen beslissing op te leggen

Te vaak klagen data-architecten dat er een oplossing wordt gekozen zonder dat er een waardering is voor het probleem dat moet worden aangepakt. De focus op het begrijpen van het probleem voordat u zich naar een oplossing haast, is een belangrijk principe en waarde propositie van bedrijfsanalyse. De meerderheid van de data-architecten wil graag zakelijke problemen oplossen, en er zijn veel probleemoplossende technieken en kaders binnen de toolkit voor data-architecten.

Steeds meer organisatie introduceren data gedreven werken als paradigma voor verandering. Het begeleiden van data gedreven werken is daarmee een centraal werkveld voor de data-architect. De data-architect dient daarom de ontwikkelingen in het data gedreven werkveld nauw te volgen en deze ontwikkelingen te vertalen naar het werkveld data-architectuur. Bijvoorbeeld door hetr bijstellen van de data-architectuur producten in de beschrijvende en kaderstellende architectuur.

Voor de data-architect zijn stakeholders en concerns essentiele begrippen die bepalend zijn voor de data-architectuur. Het inventariseren en beschrijven van welke stakeholders en concerns van invloed zijn op de data-architectuur is daarmee een belangrijke activiteit voor de data-architect.

Deze competentie betreft het vermogen om goed met mensen om te gaan, binnen een zakelijke context. Sommige mensen bezitten dit vermogen van nature, terwijl anderen zich moeten inspannen om het te ontwikkelen. Hoe dan ook, het is een essentiële vaardigheid voor een data-architect. Data-architecten moeten mensen aanmoedigen om informatie te verstrekken en meningen te delen, en ook om ideeën voor verandering te bespreken. Dit is veel gemakkelijker als de discussies worden gevoerd binnen een goede werkrelatie.

Naast de eerder beschreven persoonlijke kwaliteit 'Faciliteren', zijn er technieken die data-architecten kunnen gebruiken om discussie te stimuleren, ideeën te genereren en resultaten weer te geven tijdens een vergadering, workshop of focusgroep. Deze technieken omvatten: mindmapping, open space-technologie, brainstorming, cartoons of houtkoolschetsen. Bij het faciliteren wordt vaak gebruik gemaakt van visualisatietechnieken. Ze zijn snel te begrijpen en eenvoudig uit te leggen, en helpen om deelnemers aan de workshop te betrekken, of het nu gaat om het verkennen van zakelijke problemen, strategische keuzes of vereisten. Visuele representaties van informatie kunnen low-fidelity tekeningen zijn of kunnen worden geproduceerd met behulp van geautomatiseerde tools, waarbij het mogelijk is om verschillende scenario's te modelleren zonder uitgebreid opnieuw te tekenen.

Bij het uitwerken van de data-architectuur, met name bij het in kaart brengen van de requirements en concerns van stakeholders kunnen op meerdere wijzen de behoeften van betrokkenen in kaart worden gebracht Het opstellen en verwerken van vragenlijsten is hierbij een veel toegepaste werkwijze. Daartoe dient de data-architect te beschikken over hulpmiddelen en vaardigheden om dergelijke vragenlijsten te kunnen opstellen en te verwerken. Hiermee heeft de data-architect een krachtig hulpmiddel om een duidelijk beeld te krijgen van de concerns en op basis hiervan een data-architectuur uit te werken.

Het werkveld van data is complex en deze complex kan inzichtelijk gemaakt worden door modellen van het werkveld op te stellen. De data-architect zal daartoe meerdere modelleertechnieken toepassen om hiermee de verschillende stakeholders met modellen te ondersteunen op basis waarvan deze stakeholders inzicht krijgen van deze complexiteit en op basis daarvan een gefundeerde beslissing kunnen nemen.

Het analyseren van de gegevens die binnen een bedrijfssysteem zijn opgeslagen en gebruikt, biedt waardevolle inzichten in hoe dat systeem werkt. Een datamodel weerspiegelt de informatiebehoefte van de organisatie en de bedrijfsregels die inherent zijn aan de structuur van de data. Er zijn verschillende technieken die worden gebruikt om gegevens te modelleren

De beschrijvende architectuur beschrijft het huidige en gewenste, en eventueel tussenliggende, datalandschap voor een organisatie. Voor de beschrijvende data-architectuur worden veelal gestandaardiseerde architectuurmodelleertalen gebruikt zoals ArchiMate, BPMN, UML en ER. Deze talen worden uitgewerkt op basis van een hybride modelleerwijze waarbij de architect een combinatie van modelleertalen combineert om op basis daarvan een beschrijvende data architectuur te laten. Aangezien het ontwikkelen van een beschrijvende architectuur een continu proces is dient het managen van de modellen en het bewaken van de kwaliteit van de modellen bewaakt te worden.

Data-architecten werken nauw samen met veel verschillende soorten stakeholders in de organisatie. Gezamenlijk werken zij producten en modellen uit rond data gedreven werken en de data-architectuur. Deze stakeholders leveren niet alleen input aan de architectuur zij dienen ook betrokken te worden bij de uitwerking van de architectuur. Daarnaast zullen zij in een later stadium de rol van ambassadeur gaan vervullen bij het introduceren van data gedreven werken onder een data-architectuur. Om die samenwerking te optimaliseren en de stakeholders te enthousiasmeren voor het bijdragen aan de data-architectuur kunnen verschillende interactieve werkvormen ingezet worden. Deze interactieve werkvormen dienen aan te sluiten bij waar deze stakeholders het gevoel hebben een zinvolle bijdrage te leveren aan de data-architectuur. De keuze van de juiste werkvormen dienen hieraan bij te dragen.

Naast het afnemen van interviews en het werken met vragenlijsten zijn interactieve workshops met stakeholders een krachtige werkwijze om de concerns en requirements van stakeholders in beeld te krijgen Met name in situaties waar de stakeholders nog weinig ervaring hebben met data-management en/of data-gedreven werken is de inzet van intensievere werkvormen in de vorm van verschillende soorten workshops een hulpmiddel dat de data-architect kan inzetten. Kennis van de organisatiestructuren -cultuur en bekend met de data context kan de data-architect helpen in het bepalen welke interactieve workshops succesvol ingezet kunnen worden bij het uitwerken van data-architectuur producten.

Requirements engineering (RE) is een raamwerk van activiteiten die worden toegepast bij het definiëren van vereisten en omvat een scala aan elicitatie-, analyse- en modelleringsvaardigheden. Requirements vormen de basis van waaruit bedrijfs- en IT- oplossingen worden ontworpen en ontwikkeld, dus dit is een belangrijk competentiegebied voor data-architecten.

Architectuur modelleren is een kernactiviteit van de (data-)architect. De modellen zijn een vereenvoudiging van de complexe inrichting van data binnen organisaties. Door deze vereenvoudiging op basis van gestructureerde architectuur modelleertechnieken krijgt de data-architect inzicht in de situatie en kan hij de situatie analyseren. Op basis hiervan kan hij oplossingen beschrijven die bijdragen aan een beheerbaar en inzetbaar datalandschap voor de organisatie en de omgeving

Business analisten werken vaak binnen contexten waar de op te lossen problemen en de gewenste resultaten onduidelijk of zelfs nog niet bekend zijn. Dit vereist een mindset die kan omgaan met ambiguïteit en aanpasbaar en responsief is.