Het woord ‘data’ is taalkundig een meervoud, dat is algemeen bekend. Inhoudelijk is er bij data ook sprake van een meervoud aan gegevens. Wederom iets dat de meeste mensen wel weten.
Toch is er weinig besef van het feit dat data voor verschillende vormen van gebruik aan verschillende maatstaven moet voldoen. Niet alleen wat betreft de aanwezigheid van de benodigde gegevens, maar ook wat betreft andere factoren. Denk aan compleetheid, correctheid, correcte koppeling aan andere gegevens, accuraatheid, enzovoorts.
Begin bij de bron: de invoer
“Datakwaliteit is per definitie slecht”, zegt technologieconsultant Frederik Vandenberghe van SAS Institute dan ook. Hij is daar niet negatief over, maar nuchter. Het is namelijk een moeilijke zaak, om bedrijfsdata goed op orde te hebben. En dat zo te houden. “Er is ontzettend veel data, ook online.” Kortom, een ondankbare taak? In ieder geval een forse taak. [related_article id=”162586″]
Een groot deel van het probleem van gebrekkige datakwaliteit zit in de invoer. Wie voert de bedrijfsdata waar in, en met welk doel? Terwijl u zou verwachten dat iedereen binnen een organisatie verantwoord bezig is met vergaring en invoer van data, valt dat in de praktijk best tegen. Want werknemers, afdelingen en managers worden afgerekend op hun doelen, die vaak niet expliciet datakwaliteit bevatten.
Praktijkgeval: het target van een callcenter
En dus kan er in de praktijk – al dan niet bewust – worden beknibbeld op data-invoer. En daarmee op datakwaliteit.
Vandenberghes collega Anthony Severeyns geeft een praktijkvoorbeeld. Het geval van een callcenter, waar het target natuurlijk de wachttijd is voor klanten. Die wachttijd moet kort worden gehouden. De ene klant snel helpen, zodat de volgende niet lang hoeft te wachten. Dus zo rond de drukke kerstperiode werd er besloten enkele invulvelden leeg te laten, om het gesprek met de ene klant kort te houden zodat de volgende snel aan de beurt was. Target gehaald, ten koste van datakwaliteit.
Hoe datakwaliteit aan te pakken? Vandenberghe heeft wel enkele tips, die niet eens ingrijpende megaprojecten of grootschalige implementaties zijn. Natuurlijk zijn dat ook mogelijkheden, goed om datakwaliteit aan te pakken. Alleen niet gelijk, niet meteen. Groot, groter, groots is niet het begin voor datakwaliteit.
Wilt u uw datakwaliteit in kaart brengen en verhogen?
[/whitepaper]
