Datakwaliteit begint met eigenaarschap!
Data spelen een belangrijke rol in goede bedrijfsvoering. Om bijvoorbeeld compliant te zijn, denk aan privacy en wetgeving, of om operationele processen te verbeteren en natuurlijk om betere beslissingen te nemen en te innoveren. Steeds meer organisaties beseffen dat er veel voordelen te halen zijn met data. Tegelijkertijd worden we geconfronteerd met issues in de datakwaliteit die vertragend werken. Er moet onevenredig veel tijd en energie gestopt worden in het herstellen van deze data-issues. Kan dat niet anders? Er is behoefte aan een structurele oplossing voor datakwaliteit.
Dat zit hem in eigenaarschap. Wie is er verantwoordelijk voor bepaalde data binnen de organisatie? Wie voelt zich geroepen om dit structureel op te pakken? Dit is vaak nog niet eenduidig en ondubbelzinnig vastgesteld met als gevolg dat het lastig is om goed datakwaliteitsmanagement toe te passen. Men ervaart de gevolgen van slechte kwaliteit en lost dit reactief op. Hierdoor ontbreekt samenhang en lange termijnvisie. Men lost issues op, maar niet structureel het probleem.
Met dataeigenaren ontstaat er een dynamiek die leidt tot een andere manier van denken over datakwaliteit. Data worden op verschillende plekken binnen de organisatie gebruikt over meerdere processen. Het is dus nodig om goed te kijken naar de datadomeinen, zoals klantdata, productdata of financiële data, om daar vervolgens logische dataeigenaren aan te koppelen. Het is dan duidelijk voor welke dataelementen een dataeigenaar verantwoordelijk is. Door deze verantwoordelijkheid gaan ze er ook iets van vinden. En dat is precies wat nodig is om de dialoog te starten over datakwaliteit.
Wat is nu echt belangrijk? Welke data dragen bij aan onze doelstellingen? Wie gebruikt de data? Waar moeten de data dan aan voldoen? Samen met de verschillende dataeigenaren ontstaan zo de kwaliteitskaders rondom datamanagementthema’s zoals beschikbaarheid van data, privacy, correctheid of accuraatheid. Dit zijn gezamenlijke gedeelde principes over datakwaliteit en vormen de basis voor de vertaling naar kwaliteitsnormen en -eisen per datadomein en onderliggende dataelementen.
Mensen meenemen wat datakwaliteit voor hen betekent. Ze verantwoordelijk maken voor onderdelen waar ze ook echt invloed op hebben, zorgt voor structurele verbetering. Er is een gedeelde visie en de kwaliteitseisen waaraan voldaan wordt dragen echt bij aan beter kunnen werken. Van daaruit is het zinvol om te kijken naar middelen die ingezet kunnen worden om de kwaliteit te monitoren en te borgen. Lees hier wat FTE Groep voor jouw organisatie kan betekenen op het gebied van datamanagement en datagedreven werken.