Terug naar JARENLANGE EXPERTISE

Geen woorden maar data

Een huurder en een woningcorporatie willen allebei hetzelfde: een prettige buurt en een goede woning. En geen gedoe over de betaling. Dat kan als alle benodigde, relevante gegevens worden geregistreerd in een systeem. Toch schort het hier regelmatig aan. De medewerker moet vervolgens handmatig op zoek naar het probleem (bijvoorbeeld een ontbrekende bankrekening) en dit corrigeren. Allemaal extra werk, met opnieuw kans op fouten en vervuiling van data.

Voorkomen is beter dan genezen

Het is van cruciaal belang dat de aangereikte informatie zoals management­rapportages of beleidsrapporten – waarmee de controller werkt –  juist is. En dát is vaak een ‘dingetje’. We verzamelen bakken gegevens, maar de datakwaliteit laat nogal eens te wensen over. Er wordt in organisaties gewoonweg te weinig aandacht aan besteed. Het gevolg kan zijn dat geld wordt uitgegeven aan of wordt geïnvesteerd in zaken die niet renderen. Omdat de beslissing is gebaseerd op onjuist informatie.

DIKW-principe

Het begint altijd met het aan de voorkant waarborgen van de datakwaliteit, zo stroomlijn je de output en performance van – in het geval van de woningcorporatie – het debiteuren-, afrekenings- en betalingsproces. De controller kan zijn rol pakken in het upgraden van de datakwaliteit. Het DIKW-principe biedt hierbij uitkomst:

Data: een grote hoeveelheid ongestructureerde data, meestal automatisch verzameld, zegt helemaal niets. Als je het niet in een context plaatst, zijn data waardeloos.

Informatie: in deze fase maak je de stap van ongestructureerde data naar bruikbare informatie. Informatie is namelijk pas informatie als je het kunt interpreteren: wat zijn de te herkennen trends, ontwikkelingen en patronen?

Kennis: met de zo vergaarde kennis kunnen betrouwbare rapporten worden opgesteld en kan de controller de top goed adviseren.

Wijsheid: integreer de nieuw verkregen inzichten binnen het proces/de organisatie.

Hoe beginnen?

Wie wil werken aan datakwaliteit kan het beste klein beginnen. Start met het vaststellen waar de grootste pijn ligt. Aan welke kpi’s moet de datakwaliteit voldoen? Daarna volgt de datanulmeting en is duidelijk wat de huidige datakwaliteit is. Dit is je vertrekpunt van continue datakwaliteit. Draai vervolgens een pilot en verbeter op basis van de bevindingen, daardoor stijgt de betrouwbaarheid van data. Voor optimale datakwaliteit is het belangrijk data continu te verrijken met nieuwe, aanvullende gegevens, te onderhouden, te actualiseren, te beheren en te beveiligen. Dat vertaalt zich in kennis, efficiency, én besluiten gebaseerd op juiste informatie. Win-win dus! 

Wilt u met ons van gedachten wisselen over de wijze waarop u grip krijgt op uw data? Neem dan contact op met onze consultant Andy Ramrattan.

Voornaam*
Achternaam*
Velden met * zijn verplicht
Hidden
Dit veld is bedoeld voor validatiedoeleinden en moet niet worden gewijzigd.