7 Adviezen

Dit hoofdstuk beschrijft een aantal praktische adviezen voor het aan de slag gaan met gegevenskwaliteit.

7.1 Hanteer een duidelijke focus, afbakening en strategie

Het implementeren van gegevenskwaliteit kost tijd en capaciteit en het is daarom belangrijk om focus te hebben bij de implementatie ervan. Afhankelijk van de context is een bepaalde strategische aanvliegroute het meest logisch (zie ook hoofdstuk 3). Daarbinnen is afbakening belangrijk, omdat binnen de aanvliegroute nog allerlei keuzes te maken zijn en maximaal focus nodig is op wat echt belangrijk is in een bepaalde context.

De strategische aanvliegroute bepaalt de strategie en aanpak voor het verbeteren van gegevenskwaliteit. Als voor een strategische aanvliegroute van volwassenheid wordt gekozen (top-down strategie) is het logisch om te beginnen met het bepalen van de huidige en gewenste volwassenheid. Als er voor een aanvliegroute gebaseerd op use cases (domain centric) wordt gekozen, dan is het vooral belangrijk om concrete aanleidingen, zoals problemen die gebruikers nu ervaren, projecten die op dit moment spelen of specifieke informatiebehoeften leidend te laten zijn. Als er wordt gekozen voor een aanvliegroute van verantwoordelijkheid (middle-out), dan is het expliciet maken van de governancestructuur een logisch startpunt. Als wordt gekozen voor een aanvliegroute van data geletterdheid (bottom-up), dan is vooral aandacht voor de kennis en competenties van individuele medewerkers nodig. Afbakening binnen de strategie betekent duidelijke keuzes voor bijvoorbeeld de afdelingen en datasets die aandacht vragen en de breedte die wordt gekozen voor het onderwerp gegevenskwaliteit. Zo kun je gegevenskwaliteit beperken tot de kwaliteit van de gegevens zelf, maar kun je bijvoorbeeld ook kijken naar de kwaliteit van de processen, de systemen en de gegevensmodellen.

7.2 Laat tools niet leidend zijn

Er zijn allerlei systemen en tools beschikbaar voor het ondersteunen van datamanagement en gegevenskwaliteit. Het implementeren van dit soort systemen kost al snel veel tijd en geld. De essentie van gegevenskwaliteit vraagt ook weinig technologie. Het vraagt vooral aandacht voor de gegevens zelf. De echte uitdagingen zitten ook niet in de technologie.

Alhoewel tools kunnen helpen en de implementatie van tools een logische stap kan zijn, moet teveel focus op tools worden voorkomen. Je kunt met aanwezige tools voor Business Intelligence rapportages en dashboards over de kwaliteit van gegevens maken. Voor het uitvoeren van data profiling kun je ook met behulp van SQL queries (zoekvragen) een dataset analyseren. Er zijn standaard data profiling zoekvragen vindbaar op internet. Terugmelden kan in eerste instantie prima via e-mail. Een begrippenlijst kun je prima starten en beheren in Excel. Formele publicatie kan ook op een later moment in tijd, op het moment dat de begrippenlijst een formele status heeft.

7.3 Werk aan bewustwording en draagvlak in de gebruikersorganisatie

Gegevenskwaliteit is primair een organisatieprobleem en geen IT-probleem. Het zijn de gebruikers die de problemen van een slechte kwaliteit ervaren in hun dagelijks werk. Zij zijn ook degenen die als geen ander kunnen inschatten of het oplossen van kwaliteitsproblemen meerwaarde oplevert in de praktijk. Tegelijkertijd zijn zij degenen die gegevens invoeren in applicaties en zich bewust moeten zijn van het belang van goede invoer. Daarnaast is draagvlak bij bestuur en management essentieel om veranderingen te kunnen doorvoeren.

De kunst is dan ook om gebruikers en management bewust te maken van wat gegevenskwaliteit is en wat er voor nodig is om verbetering in aan te brengen. Besteed veel tijd en aandacht aan het vertellen van het verhaal en het uitleggen van de waarde van gegevenskwaliteit in de gebruikersorganisatie. Laat de waarde ook in de praktijk zien. Maak gebruikers bewust van hun eigen verantwoordelijkheid. Gegevenskwaliteit is iets van iedereen in de organisatie. Er zijn alleen toevallig wat mensen die er meer van weten en die anderen kunnen helpen. Veel mensen voeren in de praktijk al allerlei taken uit die bij de rol data steward horen. Daarmee is het niet per definitie nodig om mensen ook data steward te gaan noemen.

7.4 Borg gegevenskwaliteit in het ontwerp (by design)

Problemen kun je beter voorkomen dan later genezen. Dat geldt ook voor problemen met de kwaliteit van gegevens. Als gegevenskwaliteit integraal wordt meegenomen in het ontwerp van processen en systemen, dan ontstaan er later minder problemen. Dat voorkomt daarmee ook allerlei extra tijd, inspanning en geld voor het achteraf corrigeren van fouten. De herkomst van gegevens kun je ook niet meer achteraf reconstrueren, als je van tevoren niet hebt bedacht om deze vast te leggen. Hetzelfde geldt voor logbestanden.

Het borgen van gegevenskwaliteit in het ontwerp vraagt in een vroeg stadium al aandacht voor kwaliteitsregels en kwaliteitseisen en het borgen ervan in processen en systemen. Dat betekent in eerste instantie dat er al in vroeg stadium communicatie tussen verantwoordelijken voor gegevens en afnemers nodig is om zicht te krijgen in de eisen, wensen en mogelijkheden. Afspraken tussen partijen worden liefst geformaliseerd in gegevensleveringsovereenkomsten. Voor het inwinnen van de gegevens is het belangrijk dat meetinstrumenten met de juiste nauwkeurigheid worden ingezet en dat gebruikersinvoer die niet voldoet direct bij het invoeren wordt geweigerd. Door bij het inrichten van een nieuwe administratie of uitwisseling van gegevens een gegevensmodel met bijbehorende beperkingsregels op te stellen, zijn direct de kwaliteitsregels duidelijk (dat zijn dan dezelfde regels). In dat gegevensmodel kan dan ook direct aandacht worden besteed aan het vastleggen van de herkomst van gegevens. Mechanismen voor logging kunnen direct bij het realiseren van systemen worden geïmplementeerd.

7.5 Formaliseer bestaande taken (non-invasief)

Veel van de taken die relevant zijn voor gegevenskwaliteit worden in de praktijk al in een bepaalde mate uitgevoerd. Er zit al een bepaalde logica in het feit dat mensen deze taken uitvoeren. Een geheel nieuwe opzet van taken en verantwoordelijkheden die deze logica negeert, zal tot weerstand leiden en verlaagt de kans op succes voor de nieuwe governancestructuur.

Kijk dus vooral goed naar wat mensen al doen in de huidige praktijk (Seiner, 2014). Als mensen zich al verantwoordelijk voelen voor de kwaliteit van bepaalde gegevens, dan zijn zij waarschijnlijk ook al impliciet data steward. De kunst is dan vooral om mensen bewust te maken van wat zij al doen en hoe dat wellicht op een iets meer professionele wijze zou kunnen. Het is ook niet per definitie logisch om allerlei nieuwe gremia in te richten. Taken kunnen mogelijk ook worden belegd bij bestaande gremia. Op die manier ga je efficiënter om met de beschikbare tijd en aandacht van mensen.

7.6 Geef aandacht aan zowel meten als verbeteren

Het doel van gegevenskwaliteit is om verbetering aan te brengen in de kwaliteit van gegevens. Meten is daarvoor een randvoorwaarde, maar heeft weinig waarde als de inzichten uit het meten niet worden vertaald naar verbeteracties.

Zorg dus dat er expliciet tijd, aandacht en middelen beschikbaar zijn voor het daadwerkelijk uitvoeren van verbetering van de gegevens. Het is belangrijk om op managementniveau te borgen dat hiervoor ruimte is. Borg ook in governance en processen dat inzichten uit metingen worden omgezet naar daadwerkelijke acties. Grote veranderingen vragen om expliciete verbeterplannen, die ook ter besluitvorming moeten worden voorgelegd en waarvan de uitvoering moet worden bewaakt.

Volgende hoofdstuk: Bijlage A - Bronnen