• Home
• Nieuws

Datakwaliteit - geen issue meer in 2018?

Geplaatst door CorporatieMedia op Wednesday 31 January 2018

Een blog van Marc Boonman, Senior Business Consultant CNS.

In mijn vorige blog “De noodzaak van datakwaliteit” heb ik beschreven waarom datakwaliteit belangrijk is voor woningcorporaties. Het principe van “garbage in is garbage out” manifesteert zich op diverse (primaire) processen. Enkele genoemde voorbeelden waren: foutieve WWS-puntentelling door verkeerde vastlegging of ontbrekende vastgoedkenmerken, hierdoor is de berekende huur niet correct met als gevolg dat er een te hoge of te lage marktwaarde in verhuurde staat wordt berekend. Of allerlei operationele zaken die een verkeerde afhandeling tot gevolg kunnen hebben, zoals verkeerd onderhoud of problemen bij toewijzingen. Tenslotte moet er op diverse vastgoedkenmerken verantwoord worden en hebben data-issues hier ook zeker impact op. Dit is extra zuur, omdat er enorm veel tijd zit in het aanleveren van verantwoordingsinformatie.

Bovenstaande voorbeelden geven zeker geen compleet beeld. Mijn punt is dat vrijwel elk proces en elke vorm van rapportage “last” heeft van datakwaliteit-issues. Een goede datakwaliteit zal uiteindelijk resulteren in een hogere klanttevredenheid omdat er minder fouten worden gemaakt in de communicatie naar de huurder en in minder tijd (en kosten) voor het afhandelen van klachten en fouten. In deze blog wil ik naar voren brengen hoe we in dit nieuwe jaar de corporatiesector gaan helpen om dit probleem terug te brengen tot een acceptabel en beheersbaar niveau.

 

Onderbuikgevoel

Binnen woningcorporaties leeft vaak het gevoel dat er data-issues zijn, maar hoeveel en waar ze precies zitten is niet altijd bekend. Dit onderbuikgevoel is voldoende reden om over de datakwaliteit te mopperen, zeker wanneer iemand binnen zijn of haar functie afhankelijk is van goede data maar de data zelf niet invoert. Soms wordt een project opgezet om (vaak handmatig) enkele datakwaliteitschecks te doen. Afhankelijk van welke checks worden gedaan, geeft dit een eerste beeld van de datakwaliteit binnen de organisatie. Vervolgens is het zaak om verbeteringen aan te brengen en de data goed te houden. Zo’n eenmalige verbeterronde komen we nog weleens tegen, maar na deze ronde houdt het vaak op. Na verloop van tijd zien we de datakwaliteit weer richting het oude niveau zakken.

Nulmeting
Het meten van de datakwaliteit kan echter ook geautomatiseerd. Naast aanwezigheidscontroles (is het veld ingevuld?) en inhoudelijke controles (zou deze waarde kunnen kloppen?) zouden er ook setcontroles moeten worden gedaan. Overeenkomstige type VHE’s binnen complexen worden dan met elkaar vergeleken; bij een ingestelde afwijking volgt een signalering. Bijvoorbeeld als niet alle tussenwoningen van een complex hetzelfde bouwjaar hebben of dat er een afwijkende WOZ-waarde van meer dan 5% af van het gemiddelde is. Het meten van de datakwaliteit op dit moment, de nulmeting, dient een compleet beeld en beoordeling te geven van alle belangrijke datavelden en zouden bovenstaande 3 soorten controles moeten bevatten.

Gerichte verbeteringen
In een ideale situatie worden de gecontroleerde velden toegewezen aan data-eigenaren die vervolgens met een plan van aanpak komen voor verbetering. Niet elke corporatie heeft de mogelijkheid om mensen hierop te zetten. Het gaat namelijk niet om een eenmalige verbetering, maar een structurele en dus blijvende verbetering van de datakwaliteit. Het is een ongoing project. De nulmeting moet het voor de corporatie mogelijk maken om zeer gericht en efficiënt verbeteringen door te voeren. De corporatie moet daarbij zelf het tempo kunnen bepalen. Zeker bij signaleringen waarbij een medewerker kenmerken in de woning fysiek moet controleren (zoals m² of lengte aanrechtblad) is het niet realistisch om de gehele portefeuille binnen een jaar uit te voeren. In zo’n geval kan er worden gekozen om bij natuurlijke mutatie alle signaleringen uit de controles na te gaan of, wanneer een reparatie is ingepland, meteen de betreffende kenmerken na te lopen. Stapje voor stapje wordt de datakwaliteit verbeterd.

Plan-Do-Check-Act (PDCA)
Naast de nulmeting en gerichte verbetering is het belangrijk om de voortgang te monitoren. Als er opnieuw fouten worden gemaakt, dan moet er op tijd worden bijgestuurd. De datakwaliteits-tooling moet eenvoudig inpasbaar zijn in een PDCA-cyclus. Monitoring is cruciaal om naar verloop van tijd niet weer af te zakken naar het oude niveau. Daarnaast is er vanuit de accountancybranche steeds meer interesse in dit onderwerp. Het pleit voor een woningcorporatie als deze kan laten zien hoe het met de datakwaliteit is gesteld, hoeveel deze reeds is verbeterd en dat de organisatie “in control” is over haar eigen data.

Hoe helpen wij de corporatiebranche?
CNS biedt dit jaar een nulmeting aan op het domein van WWS waardering en Vastgoedkenmerken, waarbij de datakwaliteits-tooling (DQ monitor) direct op het ERP-systeem wordt aangesloten. Met deze nulmeting geven we uw datakwaliteit een rapportcijfer. Vanuit de DQ monitor kunt u direct naar het gesignaleerde veld in het ERP- systeem navigeren om wijzigingen gericht aan te brengen. Dit faciliteren we een maand. Bij aanschaf van de DQ monitor worden de kosten van de nulmeting in mindering gebracht op de jaarlijkse kosten. CNS faciliteert na de aanschaf periodieke checks waarbij inzichtelijk wordt gemaakt welke verbeteringen zijn aangebracht, waar nieuwe fouten zijn opgetreden en wat de algemene trend is. Op deze wijze kan de corporatie datakwaliteit opnemen in hun Plan-Do-Check-Act cyclus.

Bron: CNS

Klik hier om de bedrijfsprofielpagina van CNS in de CorporatieGids 2017 te bekijken