Checklist: welk cijfer geef je aan jouw data?

Het is voor iedere organisatie zinvol om eens stil te staan wat harde realiteit van je data is. Bijvoorbeeld omdat kwalitatieve, goed beschikbare data je concurrentiepositie vergroot en mensen onderling beter laat samenwerken. Bovendien blijven klanten langer bij je als je communiceert met actuele informatie. Om te bepalen hoe je ervoor staat hebben we een handige checklist voor je gemaakt. Geef jezelf eens een score van 1 tot 10:

De algehele beschikbaarheid (0-1-2-3-4-5-6-7-8-9-10)

Een basisvraag om mee te beginnen: hoe tevreden ben je over de mate waarin je over voldoende data beschikt om je dagelijkse werkzaamheden uit te voeren? Je kunt bijvoorbeeld dagelijks ‘op speurtocht’ zijn, (zeer) tevreden zijn, maar ook stress ervaren van veel te veel data wat niet ‘te behappen’ valt.

Data validatie (0-1-2-3-4-5-6-7-8-9-10)

Welk cijfer geef je aan de mate waarin je weet aan welke specifieke criteria gedefinieerde data moet voldoen? ‘Weten welk label jouw data moet hebben’, zou je het kunnen noemen. Als het goed is dan is ook bij iedereen bekend welke structuur wordt toegepast (om de data ook terug te kunnen vinden) en wat de validatieregels zijn. De realiteit is vaak dat er verschillende definities in systemen kunnen bestaan, bijvoorbeeld wanneer je iemand definieert als ‘klant’. De validaties van data moeten dus bij iedereen zowel bekend als gelijk zijn.

Data integriteit (0-1-2-3-4-5-6-7-8-9-10)

Dat is het cijfer wat je geeft aan het volgende: is jouw data nauwkeurig, heeft het de juiste betekenis, is het op de juiste manier verzameld en opgeslagen, en is het op een veilige manier toegankelijk om aan wet- en regelgeving te voldoen? Het hoogst haalbare is als je jezelf een 10 kunt geven als er een auditer langskomt.

Data consistentie (0-1-2-3-4-5-6-7-8-9-10)

Benieuwd hoe je hier op scoort… De hoogste graad van consistentie bereik je als er geen tegenstrijdigheden, duplicaten of ontbrekende waarden bestaan. Want op het moment dat dit wel plaatsvindt op welk cijfer ga je dan vertrouwen om een analyse te maken? In veel gevallen blijkt dat data cleaning moet plaatsvinden en dat ontbrekende cijfers uit andere bronnen gehaald kunnen worden, die soms intern verborgen zijn of extern kunnen worden aangekocht.

Data integratie en -interoperabiliteit (0-1-2-3-4-5-6-7-8-9-10)

Dat betekent dat de data uit verschillende bronnen ook bij elkaar moet kunnen komen. De uitdaging hierbij is dat dit alleen lukt als de data gestructureerd zijn en niet op allerlei ongestructureerde manieren zijn opgeslagen. Bovendien hebben grote organisaties vaak last van verouderde (legacy) systemen die onvoldoende integreren. Dus welk cijfer geef je aan de mate van integratie en interoperabiliteit? Lage scores hebben vaak met ‘handmatig gedoe’ te maken.

Data inzicht (0-1-2-3-4-5-6-7-8-9-10)

We noemden het al in de inleiding: de hoeveelheid data kan ook teveel zijn. Het goede nieuws is dat handige dashboards je helpen om beter inzicht te krijgen. Welk cijfer geef je aan de mate waarin je grote hoeveelheden data kunt omzetten in waardevolle inzichten?

Tot slot

Onze ervaring is dat ‘teveel systemen’ kunnen zorgen voor een lage score. Daarom leggen we er vaak een abstractielaag overheen, zodat je deze bestaande systemen nog beter gaat gebruiken. Wil je weten hoe we jouw cijfer kunnen verbeteren, neem dan vrijblijvend contact met ons op of laat collega’s eerst eens hun mening geven door hen deze checklist in te laten vullen.

‍