Kwaliteit van informatie: de drie belangrijkste pijlers uitgelegd

Foto drs. Gert Huizing
Auteur: drs. Gert Huizing
SMART Partner Datagedreven werken
Inhoudsopgave

Informatie die wordt omgezet moet intact blijven en niet ontbinden

Met het verwerken van informatie of data wordt deze gekopieerd en soms ook omgezet. De nieuwe informatie moet wel betrouwbaar blijven tijdens dat proces. Dat wil zeggen dat die integer en intact blijft en niet gaandeweg kan “ontbinden”. Hoe zorg je nu dat je de kwaliteit van informatie kunt garanderen? Want het vertrouwen van beslissers in informatie moet rotsvast kunnen zijn. In dit artikel gaan we in op het correct vertalen van data naar informatie, de gevolgen van foutieve informatie en de drie pijlers voor het verhogen van de kwaliteit van informatie.

Vertaal de codes correct in het transformatieproces

Het vertalen van foutcodes naar foutteksten is onderdeel van de transformatie. Verantwoordelijk voor deze vertaling is de ETL-programmatuur. Die bevindt zich tussen het transactiesysteem en het informatiesysteem. Verschillende leveranciers kunnen andere betekenissen gebruiken voor één en dezelfde foutcode. Het correct vertalen van de foutcode naar de juiste inhoud is één aspect dat gecontroleerd moet worden. Ook hierop is het begrip kwaliteit van toepassing.

Het toevoegen van informatie

Een ander aspect van kwaliteit is het toevoegen van informatie. Zo zou de ETL-programmatuur ‘laag waterniveau’ kunnen vertalen naar een nieuw gegeven ‘ketel is lek’. Toch is het niet op voorhand zeker dat er lekkage in ketel is. Het expansievat kan ook lek zijn. Of dat het lek zit in de leidingen of radiatoren. Net zo min als het is toegestaan informatie toe te voegen, is het toegestaan om elementen uit de beschikbare informatie weg te laten.

De ontwerper van de ETL-processen zou kunnen beslissen dat de storingscode voor ‘brander uit’ niet nodig is. Hij gaat daar vanuit omdat ‘geen gasdruk’ hetzelfde gevolg heeft. Toch zijn er genoeg situaties te bedenken waarbij er wel degelijk gasdruk is, maar de brander niet aan is. Feitelijk is dat een gevaarlijke situatie waarbij gas vrijkomt.

Geen blijk van kwaliteit

Ook het weglaten van volledige blokken of het dubbel laten voorkomen van andere blokken is geen blijk van kwaliteit. Uiteindelijk is bepalend dat de informatie alleen de aangeboden gegevens bevat, niet meer maar ook niet minder.

Drie pijlers voor de kwaliteit van informatie

Het borgen van de kwaliteit van informatie kent drie pijlers:

  • Pijler 1: het vastleggen met welke programma(versie) de bewerkingen zijn uitgevoerd.
  • Pijler 2: steekproefsgewijs controleren of de oorspronkelijke gegevens overeenkomen met de gegevens in het informatiesysteem. Alleen bij volledige overeenstemming is er sprake van voldoende hoge kwaliteit.
  • Pijler 3: testen van de gebruikte programmatuur.

Dit wordt tenminste elke keer gedaan nadat er een wijziging is gemaakt in de betreffende programmatuur. En nota bene voordat deze gewijzigde programmatuur toegepast wordt in de praktijk.

Gegevens onafhankelijk 2x invoeren

Bij het handmatig invoeren van gegevens controleer je deze nog een keer met de oorspronkelijke gegevens. Voor een gegarandeerde kwaliteit moet deze controle op alle informatie worden uitgevoerd. Een veel gebruikte werkwijze is de gegevens onafhankelijk twee keer invoeren. Vervolgens stuur je alleen die gegevens door die in beide gevallen gelijk zijn. Alle andere gegevens worden eerst opnieuw gecontroleerd en aangepast. Pas daarna stuur je deze door naar het informatiesysteem voor verdere verwerking.

De gevolgen van foute informatie

Deze aanpak van controle op informatie lijkt bewerkelijk en duur. Het is dan ook goed om te bedenken wat de gevolgen kunnen zijn van foute informatie. Zoals je ook doet bij andere bedrijfsprocessen. Het is verstandig om ook hier een (onafhankelijke) risicoanalyse uit te voeren. Op die manier breng je de kansen en risico’s in kaart. Van daaruit is het mogelijk om verdere maatregelen te nemen. Dit zou kunnen betekenen dat je bepaalde controles en acties toch niet laat uitvoeren. Omdat de kosten te hoog zijn in vergelijking tot de opbrengst.

Ook de kwaliteit van jouw informatie vergroten?

Neem nu contact op met de specialisten in Data Science en Business Analytics en maak kennis met onze unieke datagedreven verbeteraanpak.

Neem contact met ons op