Vier pijlers om in control te zijn van datakwaliteit

16 januari 2017 Consultancy.nl

Buzz-woorden als ‘big data’, ‘business intelligence’ en ‘data analytics’ staan in dit digitale tijdperk hoog op de bestuursagenda. Organisaties verzamelen driftig data, maar vervolgens halen ze er vaak niet uit wat erin zit om beter te kunnen sturen. “95% van de organisaties heeft de data onvoldoende op orde”, aldus director Ramon van den Heuvel en senior consultant Luc Idzinga van Improven. 

Iedere zichzelf respecterende organisatie verzamelt tegenwoordig data, bij voorkeur zoveel mogelijk. Van den Heuvel: “Er zijn heel veel ontwikkelingen op dit gebied. Dat een bedrijf als Miele sensoren in wasmachines plaatst die meten of bepaalde onderdelen aan vervanging toe zijn, vinden we inmiddels al gewoon. Maar wist je dat in de veehouderij veelvuldig sensortechnologie wordt toegepast om automatisch het welzijn van de dieren te monitoren? Een hoestmonitor bijvoorbeeld maakt gebruik van geluidsanalyse en registreert het hoestgedrag van varkens. Hiermee kan vroegtijdig een luchtwegaandoening worden opgespoord en daarmee het antibioticagebruik enorm worden teruggedrongen. Beter voor mens en dier maar ook beter voor het boerenbedrijf want deze innovatieve technologie leidt tot meer consistente groei en eindgewicht, een grotere winst en beheersbare bedrijfsrisico’s.”

Met stip op 1

Je zou denken dat organisaties dataverzameling, -kwaliteit en -beheer daarom met stip op 1 hebben staan. “De praktijk wijst uit dat dit niet zo is”, aldus Idzinga. Een van de verklaringen is dat de verantwoording voor datakwaliteit vaak bij de afdeling IT wordt neergelegd. Er is echter geen logisch causaal verband te ontdekken dat iemand die verstand van computers heeft ook verstand heeft van grote hoeveelheden data en onderliggende datakwaliteit. Van den Heuvel vult aan: “IT moet het systeem beheren, zorgen dat de data elementen worden vastgelegd en getransporteerd, zij is technisch verantwoordelijk. De inhoudelijke verantwoording moet elders in de organisatie worden belegd, namelijk bij de business.”

Iedere zichzelf respecterende organisatie verzamelt tegenwoordig data

Van kwantiteit naar kwaliteit

Idzinga ondersteunt met een voorbeeld dat de inhoudelijke verantwoordelijkheid van data bij een CFO of zelfs CEO zou moeten liggen. “Dat niveau moet beslissen wát er vastgelegd wordt in welk systeem, de datadefinities. Bij een beddenfabrikant moet voor iedereen duidelijk zijn wat een bed is, waaraan dat moet voldoen, uit welke kleuren en materialen het bed bestaat, welke afmetingen het bed heeft, welke vering het matras heeft, wat de kosten zijn, wie het bed koopt, waar het bed bezorgd wordt, et cetera. Die details moeten in een systeem worden vastgelegd. Dat lijkt logisch, maar dat is het niet. Daar kunnen hele discussies over ontstaan in de top van een organisatie. En als die top het al niet goed weet, waar moeten de medewerkers lager in de organisatie dan welke gegevens vastleggen en hoe kan het management dan sturen op een effectief en efficiënt bedrijfsproces?” 

Het is van groot belang niet te weinig maar ook niet te veel data vast te leggen. Van den Heuvel: “Je kunt verzamelen tot je een ons weegt, maar als je daar vervolgens niets mee doet… Goede datakwaliteit is de kern om de bedrijfsvoering te verbeteren en op orde te houden.”

Vier pijlers

Data verzamel je als organisatie, maar hoe weet je nu wat de kwaliteit is en hoe je data goed gebruikt en inzet? Idzinga: “Daarvoor hebben wij een scan ontwikkeld. We kijken naar vier pijlers. Die moeten op orde zijn om voldoende in control te zijn. 1) Processen: is de datakwaliteit op orde, is de invoer en de controle geborgd; 2) Organisatie: is er iemand op hoog niveau verantwoordelijk voor de kwaliteit en wordt daaraan goed gerapporteerd, zijn de definities helder en eenduidig; 3) Mensen: zijn de medewerkers voldoende betrokken en op de hoogte van de impact van slechte data? Weet inkoop bijvoorbeeld wat finance of logistiek doet met de data. 4) Systemen: One version of the truth… En wat is de ‘source of the truth’ en worden artikelen op dezelfde wijze in verschillende systemen/applicaties vastgelegd?”

Vier pijlers van datakwaliteit

Improven, een adviesbureau uit Utrecht, start veelal met een duidelijk afgekaderd plan om de toegevoegde waarde van data analytics zichtbaar te maken. Van den Heuvel: “Dit doen wij door allereerst de kwaliteit en beschikbaarheid van de data te beoordelen. Vervolgens komen we niet met dikke rapporten die onderin een la verdwijnen, maar met een pragmatische aanpak. Wij helpen juist ook bij de implementatie. Wij zijn pragmatische doeners die goed kunnen denken. Ons vertrekpunt is altijd wat een organisatie al heeft aan datadefinities. Daar beginnen we mee, omdat je dan snel een eerste stap kunt maken in het verbeteren van bedrijfsprocessen. Wij gaan pas weg als het werkt en geborgd is.”

Regeren is vooruitzien

Goede datakwaliteit leidt tot besparingen op bijvoorbeeld inkoop- en productiekosten, onder meer vanwege het first-time-rightprincipe, aldus Idzinga: “Alles op orde hebben betekent dat je later in het proces niet allerlei correctieslagen hoeft te maken die geld kosten. Maar dat niet alleen, ook vooruitkijken kan dan. Van den Heuvel sluit af: “Een organisatie kan op basis van data zaken voorspellen en daar flexibel op inspelen. Bij Amazon liep een pilot, er werd bijgehouden welke boeken mensen bekijken op de site. Vervolgens stuurt Amazon ongevraagd een voor de klant interessant boek met daarbij een factuur op. 60% van de consumenten houdt het boek en betaalt keurig. Ofwel, Amazon weet wie de klant is en wat hij wil. Daar koppelt het bedrijf zijn eigen product aan en levert dat snel (time to market). Data met een hoge kwaliteit bieden organisaties echt ongekende kansen.” 

Ontwikkelingen

De ontwikkelingen en mogelijkheden om vanuit data waardevolle informatie te verkrijgen gaan razendsnel:

  • Big Data – analyseren van grote hoeveelheden data
  • Predictive Analyse – voorspellen op basis van interne en externe data
  • Data Mining – het koppelen aan en analyseren van data op bedrijfsprocessen
  • Internet of Things – meten en analyseren van gegevens van apparaten aangesloten op internet

Nieuws