Overzicht van de data kwaliteiten en daarbij een aantal maatregelen die genomen kunnen worden om een Data kwaliteit met behulp van deze maatregelen (binnen een release) op een hoger niveau te krijgen.

Accuraatheid heeft betrekking op de mate waarin een data entiteit de werkelijkheid weergeeft. Accuraatheid kan bepaald worden door een data entiteit te vergelijken met de entiteit in de werkelijkheid.

Inzet van voorzieningen voor data virtualisatie, authentieke- en kernregisters en ontsluiten van de basisregistraties.

Bepalen van de gegevensbehoefte binnen de verschillende activiteiten van werkprocessen en het vergelijken van deze behoefte met de reeds aanwezige gegevensverzamelingen.

Check constraints zijn extra functionaliteit in een database waarin je op basis van een statement extra condities kunt toevoegen aan een of meerdere kolommen. Dit extra controles toe te voegen aan deze kolommen

Uitwerken en beschrijven van de verschillende architectuur concepten als processen, applicaties, (data) objecten en het in kaart brengen van de onderling relaties.

Datatypes in de verschillende database platformen maken het mogelijk om op basis van datatypen beperkingen in te bouwen in verschillende datatypen. Zo kun je verschillende numerieke dataypen kiezen zoals integer, decimalen (met het aantal cijfers voor of achter de komma, float, etc. Hiermee zijn extra validaties mogelijk op basis van deze datatypen

Inrichten eigenaarschap en beheer van gegevensentiteiten en gerelateerde concepten.

Inzetten van invoerformulieren die op basis van gestandaardiseerde services zorgdragen voor een correcte, complete en actuele weergave en verwerking van de gegevens ter ondersteuning van een activiteit binnen een werkproces.

Gebruik van minimale en maximale cardinaliteiten voor zowel elementen als de attributen. Hiermee kan verplicht worden afgedwongen. Maar ook de mogelijkheid om meerdere elementen vast te leggen voor het realiseren van compleetheid

Inzetten van modelleeromgevingen voor het opstellen van modellen van de gegevensbehoefte en het – aanbod.

Invoercontroles voor combinaties van invoervelden, controle validaties en check controles

Inzetten van algoritmen om te zoeken naar patronen in tekstuele informatie. Denk bijvoorbeeld aan sentimentanalyse. Tellen van voorkomende woorden en nabijheid van woorden

Een begrijpelijke user interface voor medewerkers en gebruikers zorgt ervoor dat fouten en onduidelijkheden worden voorkomen. Daarnaast is een fijne user interface productiviteit verhogend

Inzetten van machine learning algoritme om de kwaliteit van data te verbeteren. Bijvoorbeeld richting accuraatheid. Denk bijvoorbeeld aan Barneveld en bepalen of de woonplaats in Nederland of de VS is obv van andere attributen in de dataset.

Binnen de verschillende soorten stakeholders is veelal diepgaande kennis aanwezig van kwaliteitsissues in de data. In workshops is dit een zeer waardevolle bron van problemen in de data. Maar het is ook een mogelijkheid om de bewustwording van datakwaliteit te verhogen

Naast issue workshops kan het ook interessant zijn om samen met stakeholders op basis van issues te kijken naar relevante en (eenvoudig implementeerbare maatregelen en hiermee de datakwaliteit te verhogen. Deze maatregelen kunnen vervolgens worden opgenomen in het maatregelenregister

Maak inzichtelijk voor stakeholders die datakwaliteitsproblemen veroorzaken wat het effect is van handelen bij het werken met de data. Denk bijvoorbeeld aan het misbruiken van velden in schermen die daarmee de kwaliteit in de achterliggende databanken kunnen verlagen.

Bewustwording van kwaliteiten vergt training want het is gericht op bewustwording en gedragsverandering bij de verschillende stakeholders. Dit kan gedaan worden mat klassikale, peer to peer en ook e-learnings getraind worden

Data kwaliteiten, bewustwording en verandering van gedrag kan met serious gaming inzichtelijk worden gemaakt. Denk aan interactieve workshops waarin met behulp van een competitief element de kwaliteit van data onder de aandacht wordt gebracht

Bewustwording en gedragsverandering is helaas aan slijtage onderhevig binnen de populatie van een organisatie. Dat houdt in dat er iteratief opnieuw aandacht besteed moet worden aan de bewustwording. Ook hier kan een gaming element van grote hulp zijn.

Wil je de kwaliteit van data waarborgen dan kun je zorgen dat er een kwaliteitsstap wordt ingebouwd in een werkproces. Hierbij zijn verschillende vormen mogelijk. Zoals dat de activiteit door de data producent zelf gedaan wordt of door een andere anders dan de stakeholder zelf. Bekendste voorbeeld is het twee paar ogen principe

Zorg dat data die geproduceerd of getransformeerd wordt, zeker bij handmatige verwerking van data in een validatie activiteit beoordeeld wordt. Dit biedt een punt in het proces waar issues gesignaleerd kunnen worden, maatregelen genomen kunnen worden of waar signalen zijn dat er in andere data management processen aandachtspunten zijn rond de data kwaliteit.

Zorg dat bij een validatiestap van de data kwaliteiten in een proces dat er een feedback loop plaatsvindt naar de activiteit waar het issue ontstaan is. Houd er rekening mee dat dit ook mogelijk is naar metadata, datamodel of data architectuur activiteiten in de feedback

ITIL/BISL processen zijn niet alleen inzetbaar voor ICT voorzieningen maar ook voor data issues die ontstaan binnen de organisatie. Sluit aan bij bestaande inrichting in de organisatie voor incidentbeheer en breid dit uit met specifieke implementaties voor data issues. Echter zorg voor een generieke opzet van dit ITIL/BISL proces

ITIL/BISL processen zijn niet alleen inzetbaar voor ICT voorzieningen maar ook voor data wijzigingen die doorgevoerd moeten worden. Sluit aan bij bestaande inrichting in de organisatie voor problem management en breid dit uit met specifieke implementaties voor data maatregelen. Echter zorg voor een generieke opzet van dit ITIL/BISL proces

ITIL/BISL processen zijn niet alleen inzetbaar voor ICT voorzieningen maar ook voor data wijzigingen die doorgevoerd moeten worden. Sluit aan bij bestaande inrichting in de organisatie voor wijzigingsbeheer en breid dit uit met specifieke implementaties voor data maatregelen. Echter zorg voor een generieke opzet van dit ITIL/BISL proces

Data governance is essentieel voor data kwaliteiten. Zorg dan ook dat de data governance processen ingericht zijn om sturing en uitvoering te kunnen geven aan processen die de data kwaliteiten kunnen verhogen op basis van maatregelen.

Zorg voor duidelijke werkinstructies vanuit het perspectief van data kwaliteit. Veelal wordt in werkinstructies een introductie gedaan van workarounds die een negatief effect kunnen hebben op de kwaliteit van de data