Data mesh: gedecentraliseerde data-architectuur uitgelegd

Data mesh is een architectuurparadigma waarbij de verantwoordelijkheid voor data gedecentraliseerd wordt naar de domeinen die die data produceren. In plaats van één centraal data team dat verantwoordelijk is voor alle data in de organisatie, beheert elk domein zijn eigen data als een product. Het concept is in 2019 geïntroduceerd door Zhamak Dehghani en heeft sindsdien brede adoptie gevonden bij bedrijven die vastlopen op de schaalbaarheid van hun gecentraliseerde data-infrastructuur.

De aanleiding is herkenbaar. Organisaties investeren in een central data team, bouwen een data warehouse of data lake, en ontdekken vervolgens dat het team overspoeld raakt met verzoeken van alle kanten. Doorlooptijden lopen op. Datakwaliteit verslechtert omdat het centrale team de context mist die de domeinteams wel hebben. Data mesh lost dit niet op met betere tooling, maar met een andere verdeling van eigenaarschap.

Wat is data mesh?

Data mesh is een sociotechnische aanpak voor het delen, ontsluiten en beheren van analytische data op organisatieschaal. De kern: data-eigenaarschap ligt bij de domeinen die de data genereren, niet bij een centrale data-organisatie. Een domein kan een afdeling zijn, een product, een klantsegment — elke eenheid die een coherente set bedrijfsprocessen en bijbehorende data bezit.

Belangrijk onderscheid: data mesh is geen technologie of platform. Het is een set organisatorische en architecturale principes. Je koopt geen data mesh; je implementeert het als een manier van werken. De technische stack — warehouse, lakehouse, orchestration — volgt uit de keuzes die de domeinen maken, niet andersom.

De 4 principes van data mesh.

Dehghani definieerde vier kernprincipes die samen de data mesh vormen. Elk principe adresseert een specifiek falen van het gecentraliseerde model.

1. Domain ownership

Domeinen bezitten hun data. Het verkoop-domein is verantwoordelijk voor verkoopdata, het logistieke domein voor logistieke data. Dit lijkt vanzelfsprekend, maar is een radicale breuk met hoe de meeste organisaties hun data-infrastructuur hebben ingericht — waarbij een central data engineering team data van alle domeinen verwerkt en publiceert.

Domain ownership betekent dat de experts die de data begrijpen — de mensen die de bronsystemen bouwen en gebruiken — ook verantwoordelijk zijn voor de beschikbaarheid, kwaliteit en begrijpelijkheid ervan. Datakwaliteitsproblemen worden niet meer afgewenteld op een data team dat twee stappen verwijderd is van de bron.

2. Data as a product

Elk domein levert zijn data op als een product — met een duidelijke interface, documentatie, SLA's voor beschikbaarheid en kwaliteit, en een verantwoordelijk eigenaar. Consumenten van die data — andere domeinen, analytische teams — kunnen erop rekenen zonder diep in de internals te hoeven duiken.

Dit principe introduceert de rol van de data product owner: iemand die verantwoordelijk is voor de bruikbaarheid van de data-output van een domein, net zoals een product manager verantwoordelijk is voor een softwareproduct. Zonder dit eigenaarschap degradeert data mesh snel tot een architectuurconcept zonder operationele grip.

3. Self-serve data platform

Domeinen kunnen hun data producten publiceren en consumeren via gestandaardiseerde infrastructuur — zonder daarvoor afhankelijk te zijn van een centraal data engineering team. Het platform-team levert tools en abstracties: data opslag, orchestration, monitoring, catalogus. Domeinen gebruiken die tools, maar beheren hun eigen pipelines.

Dit is de technisch meest intensieve pijler. Een goed self-serve platform verlaagt de cognitieve belasting voor domeinteams significant. Een slecht uitgewerkt platform creëert juist extra overhead — domeinen die worstelen met infrastructuur in plaats van datakwaliteit.

4. Federated computational governance

Governance bestaat, maar is niet gecentraliseerd doorgedrukt. Een federatief model: globale standaarden — interoperabiliteit, privacy, beveiliging, datadefinities — worden afgesproken door vertegenwoordigers van alle domeinen gezamenlijk. Handhaving gebeurt via het platform, niet via een centraal team dat elk verzoek reviewt.

Volgens onderzoek van Gartner (2025) mislukken data governance-initiatieven in 70% van de gevallen door gebrek aan eigenaarschap op domein-niveau, niet door gebrek aan tooling. Federated governance adresseert precies dit: standaarden zijn collectief gedragen, niet opgelegd.

Data mesh vs. data warehouse.

Data mesh en data warehouse zijn geen alternatieven — ze zitten op verschillende niveaus. Een data warehouse is een technologie voor data-opslag en -analyse. Data mesh is een organisatorisch principe voor wie die data beheert en hoe. Je kunt data mesh implementeren bovenop een data warehouse, een data lakehouse of een combinatie van beide.

In de praktijk zien we dat organisaties data mesh introduceren niet als vervanging van hun warehouse, maar als aanvullende laag. Het warehouse blijft bestaan als één van de data producten die een domein publiceert — maar het eigenaarsmodel verandert.

Wanneer is data mesh geschikt?

Data mesh is geen oplossing voor elk data-probleem. Het introduceert aanzienlijke organisatorische complexiteit. Voor kleinere organisaties of teams is een centraal model efficiënter. Vier indicatoren dat data mesh relevant is:

• Je hebt vijf of meer business domeinen met elk een eigen data-output die door andere domeinen geconsumeerd wordt.
• Je central data team is een bottleneck: verzoeken stapelen zich op, doorlooptijden zijn weken in plaats van dagen.
• Datakwaliteitsproblemen zijn moeilijk op te lossen omdat het centrale team de domeincontext mist.
• Je organisatie werkt al met autonome product- of domeinteams (bijv. squads) — data mesh sluit aan op die structuur.

Een tweede check: is je organisatie cultureel klaar voor gedistribueerd eigenaarschap? Data mesh vraagt dat domeinteams — die primair verantwoordelijk zijn voor hun softwareproducten of bedrijfsprocessen — ook verantwoordelijkheid nemen voor datakwaliteit, beschikbaarheid en documentatie. Dat is een cultuurshift die niet alleen met architectuur opgelost wordt.

Implementatie-uitdagingen.

Data mesh is veelbelovend in theorie en complex in de praktijk. De vier meest voorkomende struikelblokken:

Organisatorische weerstand

Domeinteams zijn gewend dat data 'iemand anders zijn probleem is'. Het overdragen van data-eigenaarschap voelt als extra werk bovenop bestaande verantwoordelijkheden. Zonder duidelijke sponsoring vanuit het management en tastbare voordelen voor de domeinen — minder afhankelijkheid van een centraal team, snellere levering — stro eit het initiatief.

Platform-rijpheid

Het self-serve platform is de technische enabler van het hele model. Een domeinteam dat zelfstandig data producten moet publiceren zonder een bruikbaar platform — goede tooling, abstracties, standaarden — verzandt in infrastructuurwerk. Bouw het platform voordat je domeinen vraagt te migreren.

Interoperabiliteit

Domeinen die elk hun eigen data-formaten, schemaconventies en naamgeving hanteren, produceren data producten die door anderen niet bruikbaar zijn. Federated governance lost dit op, maar vereist consensus-processen die tijd en aandacht kosten. Standaardiseer vroegtijdig op minimale, verplichte interface-afspraken.

Dubbele investeringen in het transitiepad

De migratie van centraal naar gedistribueerd eigenaarschap loopt niet soepel. Er is een periode waarin zowel het centrale team als de domeinen data produceren — met alle inconsistentie en extra kosten van dien. Plan dat transitiepad expliciet, inclusief de exit-criteria voor het centrale model.

Hoe wij dit aanpakken.

Wij bouwen data platforms voor middelgrote organisaties in sectoren als bouw, energie en zakelijke dienstverlening. Data mesh is een architectuurkeuze die wij met onze klanten evalueren — niet standaard aanbevelen. Voor de meeste organisaties waarmee we werken is een goed ontworpen data warehouse met heldere governance de betere eerste stap.

Wil je weten of data mesh relevant is voor jouw situatie, of wil je eerst begrijpen hoe je huidige data-architectuur zich verhoudt tot de alternatieven? Beschrijf je situatie — we kijken samen naar wat past.