Ik ben ervan overtuigd dat kwaliteit van data invloed heeft op bedrijfsprestaties, klanttevredenheid en financiële resultaten. Bedrijfsprocessen worden ontregeld door foute data in systemen, en met name fouten in master data en referentie data vermenigvuldigen zich en kunnen daardoor meerdere verstoringen veroorzaken.

Als informatiesystemen eenmaal in gebruik zijn, leidt de dagelijks praktijk tot afwijkingen tussen de actuele data en de bedoeling van het oorspronkelijke systeemontwerp. Omwille van behoeftes van de dagelijkse operatie, worden data-elementen in het systeem voor andere doelen gebruikt dan in het ontwerp. In het vervolg leidt de onduidelijkheid over data in het systeem tot steeds meer inefficiëntie en ontwrichting van bedrijfsprocessen.

Drie stappen om uw data kwaliteit te verbeteren:

• maak goede data-definities - deze vormen de standaard waaraan de data moeten voldoen
• corrigeer de data die niet voldoet aan de definities
• zorg dat de data foutloos blijft

Wat is eigenlijk "schone data"? Voordat u probeert om de data te reinigen moet er een doel of een maatstaf zijn, een reeks criteria die aangeeft hoe de data zouden moeten zijn. Dit heeft de vorm van een verzameling definities van elk data-element in het systeem. Aan de ene kant kunnen dergelijke definities rigoureus worden toegepast bij het reinigen van de gegevens en aan de andere kant zijn ze goed begrepen door de mensen die werken met het systeem bij het uitvoeren van de dagelijkse activiteiten.

Het maken van goede data-definities heeft input nodig van de mensen die werken met de data en die het bedrijfsproces begrijpen. Hoe noemen ze de dingen waarmee ze werken en hoe worden ze omschreven? Kennis van het bedrijf en de bedrijfsprocessen is nodig om de definities te maken.

Zodra de verzameling data-elementdefinities beschikbaar is als standaard, worden de operationele data vergeleken met de standaard en worden afwijkingen vastgesteld. De aanpassingen die nodig zijn om de operationele data te corrigeren worden vastgelegd.

Het grootste deel van dit werk vindt plaats buiten het operationele informatie-systeem. Alleen wanneer voorgestelde wijzigingen adequaat zijn beoordeeld worden ze toegepast als updates op het operationele systeem.

Een eenmalige opschoning van een dataset is een goede zaak waardoor de operationele bedrijfsprocessen beter gaan draaien. Maar zorgen dat de data schoon blijven op een permanente basis is iets anders.

De definities die in de eerste stap zijn ontworpen en de resultaten van de tweede stap vormen een basis voor herontwerp en reorganisatie van de data management processen. En ze bieden het materiaal voor een gedetailleerd en specifiek stelsel van regels en procedures die zorgen dat de operationele data aan de normen blijven voldoen.