De analoge gevolgen van lage datakwaliteit

[whitepaper title=”Kwaliteitsslag cruciaal om goud te delven uit data” thumb_url=”https://cdn.techpulse.be/2015/05/shutterstock_127128386.jpg” download_url=”http://www.pages02.net/minocmediaservices/whitepaper/20150515_sas2″]

Data is voor veel mensen een vast gegeven: het is, of het is niet. Maar data bestaat niet slechts als één of nul. Het kent kwaliteit, in verschillende vormen. Zijn de databronnen waar een organisatie op draait wel op orde? Vaak is dat niet het geval, weet technologieconsultant Frederik Vandenberghe van SAS Institute. Dit betekent echter niet dat een systeem vol zit met duidelijk foute, incorrecte data.

Voorbeeld: intern personeelsbestand

Vaak gaat het om minder goed zichtbare, incomplete informatie waardoor datakwaliteit onder de maat is. Het gebrek aan kwaliteit van een databron, zoals een database met namen en adresgegevens, komt ook lang niet altijd meteen naar voren. Pas bij een bepaald soort – mogelijk niet alledaags – gebruik kan bijvoorbeeld incompleetheid aan het licht komen. Soms pas ná dat gebruik, als het dus fout is gegaan.

Stelt u zich eens voor dat een grote onderneming, bestaande uit vele divisies en voorheen gepleegde overnames, een jubileum heeft te vieren. Een heugelijke gelegenheid waarvoor het alle werknemers trakteert op een feestelijke bijeenkomst. Hoe zou het dan overkomen als blijkt dat het intern gebruikte personeelsbestand niet op orde is? Dusdanig niet op orde dat een compleet bedrijfsonderdeel is vergeten bij het versturen van de feestuitnodigingen.

Komt te voet, gaat te paard

De getroffen mensen voelen zich geschoffeerd; ze zijn vergeten, alsof ze niet belangrijk zijn voor het concern. Dat is natuurlijk niet het geval, en wordt dan zorgvuldig uitgelegd. Maar het gevoel van miskenning wegnemen duurt lang. Vertrouwen komt immers te voet en gaat te paard. Ondertussen lijden de werksfeer en de productiviteit, mogelijk ook bij andere bedrijfsonderdelen die van het incident horen.

Bovenstaande is een relatief eenvoudig voorbeeld. Een adresbestand van het personeelsbestand is vrij simpel te controleren en te corrigeren. Het is wel een klus die nogal eens vergeten wordt. Op basis van de aanname dat het wel in orde zal zijn. Hetzelfde geldt voor het ook waardevolle – en mogelijk veel complexere – adresbestand van klanten, relaties en partners.

Bewaakt u de kwaliteit van uw databronnen wel goed? Weten hoe dat beter kan?

[/whitepaper]