5 lessen over datakwaliteit

In 2009 startte ik bij Woningstichting Eigen Haard. In de 10 jaar die volgden heb ik meegedraaid in een groot aantal trajecten met het doel om de data binnen de corporatie op orde te brengen en te houden. En zeg nu zelf, wie kent ze niet de "data op orde" projecten...

Hoe goed de projecten ook opgezet waren, hoe hard er ook gewerkt was om de data "goed" te krijgen, het op orde houden van de data slaagde maar niet. Tegen het einde van een project stond de eerder gecorrigeerde data al niet meer goed.

Maar komt het dan nooit goed? Natuurlijk wel!

Wanneer datakwaliteit op orde brengen niet meer wordt gezien als een technisch waterval project, maar als mensenwerk. Als de datakwaliteit niet meer wordt verbeterd in een éénmalige exercitie van een aantal data specialisten, maar waar de verbetering plaats vindt in een proces waarin een multidisciplinair team nauw samenwerkt.... Dan komt het zeker goed!

datakwaliteit1.png

Datakwaliteit op orde krijgen en houden is hard werken aan verandering. En omdat data niet meer alleen belangrijk is voor verantwoording aan de accountant, maar juist de voeding is voor veel innovaties en datagedreven werken deel ik in dit blog de belangrijkste lessen die ik op het gebied van datakwaliteit heb geleerd.

LES 1 Organiseer urgentie!
Denken dat het voor iedereen duidelijk is waarom een datakwaliteit issue opgepakt dient te worden is een grote valkuil. Je hebt met zoveel belanghebbenden te maken, er zijn veel verschillende betrokken bij het op orde brengen en houden van de data. Zorg daarom dat duidelijk is wat er veranderd dient te worden en waarom. Maak de problemen zichtbaar op alle niveaus binnen jouw organisatie. Betrek dus ook management, directie en bestuur. En zoek een sponsor!

En als je dan aan de slag gaat, doe dit dan met een multidisciplinair team. Een team waar de belangrijkste betrokkenen allemaal onderdeel van uit maken. Denk aan de mensen die de data gebruiken, maar ook de medewerkers die de data maken! Zoek vooral je collega's op die intrinsiek gemotiveerd zijn om het probleem aan te pakken.

Samen met dit team én de sponsor is het belangrijk om je veranderverhaal, het waarom, regelmatig te vertellen in jouw organisatie.

LES 2 Datakwaliteit verbeteren is geen project!
Een kenmerk van een project is dat er een begin en een einde is. Met een deadline. Op deze manier wordt er ook gebruik gemaakt van de "energie" van medewerkers: er wordt gewerkt naar een einddoel. En dan is het klaar. Echter, zo werkt het niet met datakwaliteit.

Het verbeteren en borgen van datakwaliteit is een continu (verbeter) proces. Een onderdeel van het dagelijkse werk van de betrokkenen binnen het betreffende proces waarin de data gemaakt én gebruikt wordt. Het is dus het dagelijkse werk voor de datamakers én datagebruikers. En ook een terugkerend onderdeel in het werk van de data eigenaren en de databeheerders. Om dit te faciliteren kan je zorgen dat datakwaliteit een vast onderdeel wordt van bijvoorbeeld de dag- of weekstarts van verschillende teams of afdelingen.

LES 3 Begin klein!
Als je alle datakwaliteit issues van een proces of afdeling in één keer wil aanpakken, is dit vaak gedoemd om te mislukken. De verandering is té groot. Het is niet te overzien en veranderen op zichzelf is al lastig. Begin daarom klein, kleine veranderingen worden sneller geaccepteerd en sneller "eigen" gemaakt.

Een ander groot voordeel van het nemen van kleine stapjes, is dat je ook geen grote fouten kan maken. Je kan snel bijsturen als iets niet blijkt te werken!

LES 4 Vier successen!
Belangrijk bij iedere verandering: maak plezier en vier je successen! Doordat je kleine stapjes neemt, is het mogelijk om snel resultaten te boeken. Vier deze resultaten en deel ze met jouw collega's.

Het maakt niet alleen het werken aan data leuk, het zorgt er ook voor dat collega's zien welke successen er geboekt worden. Voor je het weet willen ze allemaal meedoen ;-)

img-6763.jpg

LES 5 Faciliteer het proces centraal!
Een andere manier om het werken aan datakwaliteit leuk te maken voor je collega's: help ze daar waar mogelijk. Door het verbeteren en behouden van de datakwaliteit te faciliteren, zorg je ervoor dat jouw collega's zich volledig kunnen focussen op de uitvoering van de datakwaliteit werkzaamheden. Faciliteer bijvoorbeeld het maken van datakwaliteit rapportages en ondersteun bij het éénmalig verbeteren van een grote hoeveelheid data.

En stel vragen! Eerder noemde ik al dat datakwaliteit een onderdeel moet worden van de dagelijkste werkzaamheden. Monitor dit, zorg dat je af en toe bij de verschillende dag- of weekstarts bent. Niet om te controleren, maar om te helpen en successen te vieren!!!

Just do IT!!!
In de lessen hierboven komt het al een beetje naar voren. Gedurende mijn loopbaan bij Eigen Haard maakte ik kennis met Lean en Agile werken. Methoden waar ik en mijn collega's elementen uit leenden en combineerden met het "Leading Change Model" van Kotter. Door dit te doen, ontwikkelden wij een manier om datakwaliteit structureel te verbeteren én ook goed te behouden.

Natuurlijk maakten wij fouten, maar van fouten leer je! En een aantal fouten kan jij nu overslaan, omdat ik mijn lessen met je heb gedeeld.

Dus voor nu: ga gewoon aan de slag! Om je te helpen heb ik al mijn kennis in het datakwaliteit canvas samengebracht. Met dit canvas pak je een datakwaliteit issue "stap - voor - stap" aan.

Heel veel succes!!!
Dit artikel is tot stand gekomen met dank aan Sonja Timmer. Dank je wel Sonja voor jouw input en feedback. Samenwerken met jou is altijd een feestje!

 

Naar het overzicht