De wereld draait door en alle zaken waar ik afhankelijk van ben draaien goed door. Mijn salaris wordt elke maand betaald, van de overheid komt er kinderbijslag en kinder opvang toeslag binnen. Mijn hypotheek en gas, water en elektra worden elke maand netjes van mijn rekening afgeschreven. Elke maand vindt dit proces weer plaats en eigenlijk is het best wel bijzonder dat dit foutloos gaat. Hoewel, misschien is het wel helemaal niet zo bijzonder, maar juist super bijzonder! Data ligt ten grondslag aan deze processen en zorgt ervoor dat het allemaal blijft draaien, maar wat kost het als er ergens een kink in de kabel zit en deze processen niet meer goed gaan?
 
In mijn vorige blogs heb ik het data kwaliteitsproces in fasen besproken. Echter er moet een aanleiding zijn om dit proces te gaan initiëren. Als dat in projectvorm dient te geschieden, dan heb je meestal een business case nodig en daar zit vaak de bottle neck, want wat levert een verbeterde data kwaliteit op? Hoeveel geld kost het een organisatie dat een adres van een klant onvolledig is? Hoeveel geld kost het een organisatie dat een e-mailadres invalide is? Hoeveel uur is een medewerker kwijt met het handmatig oplossen van problemen naar aanleiding van slechte data kwaliteit?

Wat zijn de kosten?
Het is lastig om aan dit soort zaken een prijskaartje te hangen. Bijvoorbeeld als een e-mailadres van een klant invalide is, kan je hierdoor een potentiële klant niet die mooie aanbieding sturen die helemaal past bij de levensfase van de klant. Echter dit is wellicht niet het enige probleem. Het kan ook tot oorzaak hebben dat je te veel foutieve e-mails naar bijvoorbeeld het domein @hotmail.com stuurt, je op de blacklist van Hotmail terecht komt. Hierdoor ben je als organisatie überhaupt niet meer in staat om e-mails naar alle Hotmail adressen te sturen. De kosten van een invalide e-mailadres zijn dan niet alleen de mogelijke opbrengsten van de mooie aanbieding, maar daarbij zouden ook de eventuele kosten van op een blacklist terecht komen moeten worden meegenomen.

Wat is de toegevoegde waarde?
Maar wat levert een goede data kwaliteit allemaal op? In bovenstaand voorbeeld heb je wel de eventuele conversie op een aanbieding. Het kan ook zijn dat je personeel zich met andere zaken kan bezig houden en niet schaarse tijd verknoeit aan allerlei neveneffecten van een slechte kwaliteit op te lossen. Maar het is niet alleen het bedrijfsproces wat last kan hebben van een slechte data kwaliteit, het heeft ook impact op rapportages of integrale klantbeelden die worden samengesteld. De beslissingen die als organisatie worden genomen op basis van rapportages kunnen gebaseerd worden op correcte dan wel volledige gegevens bij een correcte data kwaliteit.
Misschien nog wel het belangrijkste een goede data kwaliteit draagt bij aan een goed imago! Als organisatie wil je liever niet een overleden persoon aanschrijven en je wilt al helemaal niet met naam en toenaam in de wakkerste krant van Nederland staan.
 
Wat kan je eraan doen?
Als je bovenstaande leest, zou je bijna kunnen denken, waarom doen organisaties dan niets aan goede data kwaliteit! Zolang alles goed draait, waarom zou je dan iets doen?! Echter data en een goede kwaliteit zijn ook gewoon zaken die onderhouden moeten worden. Thuis voer je ook preventief onderhoud aan een CV-ketel uit, juist om te zorgen dat de ketel een langere levensduur heeft. Dit moet je ook doen met je data. Data kwaliteit verslechtert vaak ongemerkt, door veranderingen die niet goed worden doorgevoerd, hierdoor gaat het van kwaad naar erger zonder dat een organisatie zich dat (tijdig) realiseert.
Om inzicht te krijgen in de data kwaliteit van een organisatie kun een soort van data APK laten uitvoeren. Laat eens door een externe partij je gegevens doorlichten en tegen de verschillende business rules aanhouden en objectief bepalen hoe goed het gesteld is met de gegevens binnen je organisatie. Naar aanleiding van de resultaten kan je als organisatie dan een compleet data kwaliteitsproces inrichten of natuurlijk deze periode controle uitvoeren. Capgemini biedt sinds kort deze dienst ook aan, Data Quality as a Service.

Het niets doen door organisaties wordt veroorzaakt door iets anders, data kwaliteit is niet sexy. Een organisatie beseft niet goed genoeg wat de gevolgen zijn van een slechte data kwaliteit en wat de opbrengsten kunnen zijn van goede data. Deze trend moeten we gaan keren, ik voorspel een nieuwe trend: elke onderneming checkt regelmatig zijn data!