Blog

Oog voor datakwaliteit

Van bij de start van ieder project

De Corona crisis zet de zoektocht naar meer efficiëntie hoog op de agenda. Daarbij gaat zowat alle aandacht naar technologie en automatisering, terwijl er weinig oog is voor data. Wie echter van bij de start van een oefening rekening houdt met datakwaliteit, zet op langere termijn betere resultaten neer. Oog voor datakwaliteit!

Eigenlijk is het eenvoudig: bedrijven kijken nog te vaak op een systeem-centrische manier naar een oplossing. Nochtans zou een data-centrische aanpak veel frustratie vermijden. Als er in de systeem-centrische benadering een probleem optreedt, is het soms moeilijk om de onderliggende oorzaak op dataniveau te achterhalen. Want wat zorgt ervoor dat het bedrijf niet met de juiste data aan de slag is? Ligt het aan de technologie? De mensen? De processen? Oog voor datakwaliteit is dus minstens even belangrijk.

Technologie

Problemen met data kunnen ontstaan als gevolg van de manier waarop een onderneming in technologie investeert. Waarom koopt ze een tool? Omdat die een specifieke functionaliteit biedt. De onderneming ziet de tool vaak als een concrete oplossing voor een concreet probleem. Daarbij is er weinig aandacht voor de manier waarop de tool met de rest van de aanwezige technologie én met de data samenwerkt.

Bij tools van diverse leveranciers sluiten de gebruikte datamodellen niet altijd op elkaar aan. Vaak zijn die modellen er ook niet op voorzien om data uit te wisselen met andere toepassingen. Dat is op zich niet onoverkomelijk, op voorwaarde dat de onderneming de inspanning levert om die diverse tools – die zich als eilandjes gedragen – met elkaar te verbinden.

Bij de implementatie van zo’n tool ligt de nadruk bovendien veelal op de technologie, niet op de voorbereiding en migratie van de data. Het gevolg is vaak een onvolledige data-integratie. Want ook al beschikken de meeste tools intussen over functies die toelaten de data correct te beheren, in de praktijk blijkt daar vaak bitter weinig interesse voor te bestaan. Dat resulteert onvermijdelijk in een slecht zicht op de kwaliteit van de data.

Mensen en processen

Waarom nemen mensen suboptimale beslissingen? Zeker niet omdat ze niet beter kunnen, wel omdat ze niet over alle informatie beschikken om tot een correct onderbouwd besluit te komen. Data governance biedt hierbij een oplossing.

Vaak gebeurt het dat niet de juiste mensen mee aan tafel zitten, waardoor voor de beslissers cruciale informatie ontbreekt. Welke data zijn beschikbaar? Op die vraag biedt data usage een antwoord. Waar komen de data vandaan en hoe kunnen we ze gebruiken? Dat is het domein van data lineage.

Omdat beslissers niet over alle benodigde en concrete data beschikken, vertrekken ze voor hun oefening noodgedwongen vanuit een zekere flou artistique. Uiteraard is dat geen solide basis voor resultaatgericht werk.

Bestrijd de oorzaak, niet de symptomen

Duikt er een probleem op rond datakwaliteit, dan is het belangrijk de inspanning niet te beperken tot symptoombestrijding, maar actief op zoek te gaan naar de dieperliggende oorzaken. Tip: start met de oefening die de grootste impact oplevert.

En ook: documenteer de genomen beslissingen. Dat laat toe sneller bij te sturen. Blijkt iets niet of niet goed te werken, dan blijft het mogelijk de genomen beslissing terug te draaien of aan te passen. Zonder documentatie is dat vaak veel moeilijker. Vandaar ook het belang om doorheen het hele traject de nodige evaluatie in te bouwen. Dat verplicht de organisatie om af en toe halt te houden, haar datakwaliteit in vraag te stellen en zo nodig maatregelen te nemen.

Alles hangt samen

Veranderingen in processen volgen elkaar aan hoge snelheid op. Tijdsdruk en haastwerk kunnen een slechte invloed hebben op datakwaliteit. Vandaar opnieuw het belang van een degelijke documentatie van iedere stap, iedere aangebrachte wijziging.

Bovenal mag de organisatie nooit de samenhang tussen technologie, mensen en processen uit het oog verliezen. Een kleine, goedkope ingreep kan op termijn de grootste impact hebben. Al moet je er soms wel wat geduld voor hebben. Een verandering in de manier waarop de medewerkers met data omgaan vraagt vaak behoorlijk wat tijd. Maar eenmaal die verandering er is, levert ze het meest op.

Wil jij meer oog voor datakwaliteit? Met andere woorden, wil je weten hoe jij de kwalitieit van je data kunt bewaken en verbeteren? Contacteer ons.

Nieuwsgierig wat we nog doen? Ontdek het hier.

data quality