Insights & Data Blog

Insights & Data Blog

Meningen op deze blog weerspiegelen de opvattingen van de schrijver en niet per definitie die van de Capgemini Group

De noodzaak van data kwaliteit

Categorie: BIM
Je kent het wel: je krijgt post voor een ander, je naam is onjuist geschreven of je bent opeens van geslacht veranderd. Zo heb ik zelf van een verzekeringsmaatschappij waar ik klant ben op mijn  nieuwe adres post ontvangen die overduidelijk voor een ander persoon was bedoeld. Waarschijnlijk was mijn verhuisbericht niet goed verwerkt.
Ook heb ik eens tot mijn verassing een e-mail ontvangen waarbij mijn e-mailadres overduidelijk gematched was aan de gegevens van de vorige bewoner van mijn huis.



Bovenstaande voorbeelden zijn natuurlijk niet zo extreem; pijnlijker wordt het natuurlijk wanneer een nabestaande post ontvangt voor een overleden persoon. Dit voorjaar is dat vanuit de overheid weer op de agenda gezet. Echter een bedrijf moet dan natuurlijk wel in staat zijn om de correcte personen eruit te filteren en dit met regelmaat doen.

Een foutje in je gegevens kan natuurlijk ook verstrekkende gevolgen hebben. Een Amerikaans voorbeeld illustreert dit: foutieve Amerikaanse woningwaarde of natuurlijk het volgende schrijnende voorbeeld: prostaat ten onrechte verwijderd.

Bovenstaande voorbeelden worden voornamelijk veroorzaakt door een te lage data kwaliteit. In algemene termen geeft een lage data kwaliteit de volgende soorten problemen:
  • Reputatie schade voor je onderneming;
  • Beslissingen zijn gebaseerd op onbetrouwbare gegevens;
  • Het repareren van gegevens kost veel geld;
  • De realisatie van management rapportages kost meer geld;
  • Projecten gaan niet goed of kosten meer geld dan gebudgetteerd.

Het is eigenlijk geen optie om niet bewust met de kwaliteit van je gegevens bezig te zijn. Het aantal data-toepassingen waarbij je gegevens gewoon goed op orde moeten zijn, neemt voortdurend toe. De toename van eindgebruikers die in-memory rapportages willen, versterkt dit nog verder. Ze willen zelf de rapportages kunnen samenstellen en ze willen de gegevens het liefst zo visueel mogelijk weergegeven hebben om real time beslissingen te kunnen nemen.

Bij een klant die gebruik maakte van een in-memory rapportage tool heb ik gezien dat retouren op één product werden geboekt terwijl de retour eigenlijk meerdere producten bevatte. En natuurlijk verschilde de kostprijs van de producten in de retour van 1 euro tot 99 euro of meer. Hierdoor kon de gemiddelde kostprijs voor het betreffende product waarop de retour was geboekt niet meer goed berekend worden met alle consequenties vandien.

Uit bovenstaande voorbeelden wordt duidelijk dat een lage data kwaliteit verstrekkende en vervelende gevolgen kan hebben voor consument en bedrijf. Mijn boodschap is daarom ook: ga ermee aan de slag, ontdek waar je problemen zitten en los ze op. Dit ga ik in mijn komende  blogs meer handen en voeten geven door een verdere verdieping aan te brengen op het begrip datakwaliteit en de processen daarom heen. Ten slotte pas op, een slechte naam is zo gemaakt en daar kom je niet snel vanaf!
 

Over de auteur

Elja Knol
Elja Knol
Als data management consultant met een passie voor data, heb ik binnen verschillende organisaties (profit/non-profit) een brede ervaring opgedaan op het gebied van data analyse en data kwaliteit.

Plaats een reactie

Uw e-mailadres wordt niet gepubliceerd. Verplichte velden zijn gemarkeerd met *.