Datakwaliteit – geen issue meer in 2018!?

Geplaatst door CorporatieMedia op
 

In een tijdperk waarin (Big) data wordt genoemd als het nieuwe goud, is het voor woningcorporaties essentieel om te profiteren van het enorme potentieel aan beschikbare data, zowel in de markt maar vooral ook intern. Woningcorporaties werken met verschillende soorten data, zoals huurdersdata, vastgoeddata, leveranciersdata en financiële data. Aan de hand van deze datagebieden kunnen woningcorporaties hun operationele processen stroomlijnen en hun huurders van de beste service voorzien. Deze interne data blijkt echter vaak vervuild of incompleet, waardoor bovenstaande ambitie vertraging oploopt. Garbage-in is immers garbage-out! In dit artikel wordt beschreven hoe woningcorporaties op een pragmatische wijze in control kunnen komen over hun eigen data.

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. In dit geval kan deze medewerker de data controleren en eventueel in een eigen lijstje gaan corrigeren of aanvullen. De bron wordt echter niet gecorrigeerd of aangevuld. Op deze wijze ontstaan er allerlei lijstjes en dus verschillende waarheden.

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. Het meten van de huidige datakwaliteit, de nulmeting, dient een compleet beeld en beoordeling te geven van alle belangrijke datavelden. Uiteindelijk mondt dit uit in een rapportcijfer.

Naast aanwezigheidscontroles (is het veld ingevuld?) en inhoudelijke controles (zou deze waarde kunnen kloppen?) zouden er ook setcontroles moeten worden gedaan. Overeenkomstige type vhe binnen complexen worden dan met elkaar vergeleken, bij een ingestelde afwijking volgt een signalering. Bijvoorbeeld: niet alle tussenwoningen van een complex hebben hetzelfde bouwjaar of de WOZ waarde wijkt meer dan 5% af van het gemiddelde. Voor een betrouwbaar rapportcijfer bij een nulmeting, moeten op de relevante datavelden bovenstaande drie type controles worden toegepast.

Gerichte verbeteringen
In een ideale situatie worden de gecontroleerde velden toegewezen aan dataeigenaren 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 vierkante meter 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-cyclus)
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 helpt CNS de corporatiebranche?
CNS biedt dit jaar een nulmeting aan op het domein van woningwaardering 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.

Voor meer informatie: mail verkoop@cns.nl of bel 088-3880005. 

Bron: CorporatieGids 2018 | Foto: CNS