Datakwaliteit is de mate waarin je gegevens geschikt zijn voor het doel waarvoor je ze gebruikt. Je beoordeelt dat op zes dimensies: juistheid, volledigheid, actualiteit, consistentie, uniciteit en geldigheid. Verbeteren doe je in vier bewegingen: bepaal welke gegevens kritisch zijn, meet hoe goed ze nu zijn, herstel de fouten in het bronsysteem en controleer elke maand of het zo blijft.
“Klopt dit cijfer eigenlijk wel?” Wie die vraag één keer in een vergadering hoort, hoort hem daarna bij elk rapport terug. En elke keer kost het antwoord een middag uitzoeken in plaats van een besluit.
Het probleem zit dan zelden in het dashboard, maar in wat eronder ligt. Een rapport op onbetrouwbare data wordt niet een beetje minder gebruikt, maar vanaf de eerste gevonden fout helemaal niet meer. Daarom begint elk BI-traject dat lang meegaat bij de kwaliteit van de gegevens, niet bij de vormgeving van het scherm.
Hieronder lees je wat datakwaliteit is, hoe je het meet en verbetert, en twee dingen die in de meeste uitleg ontbreken: waarom je fouten in de bron oplost en niet in Power BI, en hoe je datakwaliteit zichtbaar maakt in het dashboard zelf.
Wat is datakwaliteit?
Datakwaliteit is geen vaste eigenschap van data, maar een verhouding tussen de data en wat je ermee wilt. Voor de omzet per regio maakt het weinig uit of een telefoonnummer ontbreekt, voor een belcampagne maakt het alles uit. Hetzelfde klantenbestand is dus voor de ene vraag uitstekend en voor de andere onbruikbaar.
Daarom is de eerste vraag nooit “is onze data goed?”, maar “goed genoeg waarvoor?”. Wie die vraag overslaat, begint aan een opschoonproject zonder eind, want er is altijd nog een veld dat beter kan.
Datakwaliteit is ook iets anders dan data governance. Datakwaliteit beschrijft de toestand van de gegevens: kloppen ze, zijn ze compleet, zijn ze actueel. Governance zijn de afspraken die die toestand bewaken: wie eigenaar is, welke definitie geldt, wie wat mag wijzigen. Zonder die afspraken zakt de kwaliteit na elke opschoning weer terug. Beide horen bij datamanagement, het geheel van afspraken waarmee je gegevens van invoer tot verwijdering beheert. Dit artikel gaat dieper in op één onderdeel daarvan.
De zes dimensies van datakwaliteit
Om “goed genoeg” meetbaar te maken, wordt datakwaliteit opgedeeld in dimensies. Elke bron hanteert een iets andere lijst, maar deze zes komen overal terug:
- Juistheid. Komt het gegeven overeen met de werkelijkheid? Een klant die verhuisd is maar nog op het oude adres staat, is volledig ingevuld en toch fout.
- Volledigheid. Zijn de velden gevuld die je nodig hebt? Een order zonder kostenplaats valt in geen enkel afdelingsrapport.
- Actualiteit. Is het gegeven op tijd beschikbaar en nog geldig? Een voorraadstand van gisteravond volstaat voor een weekrapport, niet voor de verkoper die vandaag een levertijd belooft.
- Consistentie. Is hetzelfde gegeven in elk systeem gelijk? Heeft een debiteur in de boekhouding een ander klantnummer dan in het CRM, dan sluiten je rapportages niet op elkaar aan.
- Uniciteit. Staat elk object er één keer in? Dubbele klanten verdelen de omzet over twee regels en maken elke top tien onbetrouwbaar.
- Geldigheid. Voldoet het gegeven aan het afgesproken formaat en de regels? Een postcode met vijf cijfers of een orderdatum in 2062 is technisch ingevuld, maar niet geldig.
Sommige indelingen voegen context toe als zevende: een omzetcijfer kan op alle zes de punten kloppen en toch misleiden als niemand weet of de kortingen er al af zijn. Zulke definities horen vast te liggen bij je masterdata.
Wat kost slechte datakwaliteit?
Weinig per fout en veel bij elkaar. De kosten staan nooit als één post op de begroting, ze zitten verspreid over uren, beslissingen en gemiste omzet. Juist daarom telt niemand ze op.
- Handwerk. De controller die elke maand een dag besteedt aan het rechtzetten van exports voordat het rapport naar het MT kan. Twaalf werkdagen per jaar aan werk dat bij een goede invoer overbodig was.
- Verkeerde beslissingen. Een product dat verliesgevend lijkt omdat de inkoopprijs niet is bijgewerkt, gaat uit het assortiment. De fout zit in één veld, de beslissing raakt de hele productlijn.
- Gemiste omzet. Klanten die buiten een campagne vallen omdat hun branche leeg is.
- Wettelijke plicht. Persoonsgegevens moet je volgens de AVG juist houden en zo nodig bijwerken, en mensen kunnen een correctie eisen, legt de Autoriteit Persoonsgegevens uit.
- Vertrouwen. De duurste post. Eén cijfer dat aantoonbaar niet klopt, en mensen houden weer hun eigen Excel bij. Dan betaal je voor twee waarheden.
Zoek voor de grap eens in je CRM naar een klant die “Test” heet. In de meeste systemen staat hij er nog sinds de implementatie, op Teststraat 1, met een paar proeforders die al jaren keurig meetellen in de omzet.
Hoe meet je datakwaliteit?
Door per kritisch gegeven een regel op te stellen die je kunt tellen. Niet “de klantdata is rommelig”, maar “312 van de 4.180 actieve klanten hebben geen KvK-nummer”. Pas met zo’n getal kun je zien of het beter wordt.
Begin bij de gegevens waarop je belangrijkste beslissingen leunen, bij de meeste mkb-bedrijven klanten, artikelen en orders. Formuleer per dimensie een meetregel:
| Dimensie | Voorbeeld van een meetregel |
|---|---|
| Juistheid | Aantal retourzendingen door een onjuist adres per maand |
| Volledigheid | Percentage actieve klanten met een ingevulde branche |
| Actualiteit | Uren tussen de laatste wijziging in de bron en de laatste verversing van het rapport |
| Consistentie | Aantal debiteuren in de boekhouding zonder match in het CRM |
| Uniciteit | Aantal klanten met hetzelfde KvK-nummer of e-mailadres |
| Geldigheid | Aantal orders met een leverdatum vóór de orderdatum |
Werk je met Power BI, dan heb je een eerste meetinstrument al in huis. De gegevensprofilering in Power Query laat per kolom zien welk deel geldig, fout of leeg is. Standaard kijkt het alleen naar de eerste 1000 rijen, dus zet de profilering op de volledige gegevensset.
Die eerste meting is je nulmeting. Leg hem vast met datum, anders wordt elke latere discussie over vooruitgang een gevoel tegen een gevoel.
Datakwaliteit verbeteren in vijf stappen
Opruimen is het makkelijke deel, voorkomen dat de rommel terugkomt is het werk. Daarom houdt het stappenplan niet op bij het opschonen.
- Bepaal het doel en de kritische gegevens. Welke beslissing moet beter, en welke velden heb je daarvoor nodig?
- Meet de huidige stand. Meestal komt het grootste deel van de fouten uit twee of drie oorzaken.
- Schoon één keer op, in het bronsysteem. Voeg dubbele klanten samen, vul lege verplichte velden en corrigeer ongeldige waarden. Doe het in het systeem waar het gegeven ontstaat, niet in een kopie.
- Regel de invoer aan de voorkant. Verplichte velden, keuzelijsten in plaats van vrije tekst, een controle op het KvK-nummer bij het aanmaken van een klant. Elke fout die je bij de invoer tegenhoudt, hoef je later niet te zoeken.
- Beleg eigenaarschap. Per gegevensdomein één persoon met een naam, geen afdeling. Die eigenaar bepaalt wat een geldige waarde is en legt vast welk systeem leidend is als twee bronnen elkaar tegenspreken.
Hoe die afspraken in een groter plan passen, met eigenaarschap per bron en per definitie, staat in ons artikel over datastrategie.
Repareer in de bron, niet in Power BI
Het verleidelijkste antwoord op slechte data is het snelste: los het op in het rapport. Een vervangregel in Power Query die “BV” en “B.V.” gelijktrekt, een correctietabel voor drie artikelen met een verkeerde kostprijs. Het dashboard klopt weer en iedereen is tevreden.
Alleen verbergt elke correctie in het rapport het probleem op precies de plek waar je het had moeten zien. De bron blijft fout, en daarmee ook de factuur en de export naar de accountant. Ondertussen stapelen de correctieregels zich op. Na twee jaar staan er veertig, weet niemand meer waarom regel zeventien bestaat en durft niemand er een te verwijderen.
Samenvoegen, omrekenen en modelleren hoort wel in Power BI thuis, of in een datawarehouse eronder. Het onderscheid: een transformatie verandert de vorm van correcte data, een correctie verandert de inhoud van foute data. Het eerste hoort in de rapportagelaag, het tweede in het bronsysteem.
Datakwaliteit zichtbaar maken in je dashboard
Wat niemand ziet, lost niemand op. Daarom werkt een eenvoudige maatregel vaak het best: een aparte rapportpagina met de meetregels van hierboven, als uitzonderingenlijst.
Zo’n pagina toont per gegevensdomein een score en de trend sinds de nulmeting, met daaronder de records die niet voldoen en per regel de naam van de eigenaar. Zo verandert datakwaliteit van een abstract probleem in een werklijst die iemand op maandagochtend kan afwerken.
Twee voorwaarden: de lijst bevat alleen fouten die iemand in de bron kan herstellen, anders wordt het een klachtenmuur, en hij staat elke maand een kwartier op de agenda van de vergadering waarin de cijfers worden besproken. Hoe je zo’n pagina opneemt in een rapport waar het MT op stuurt, lees je in ons artikel over een Power BI dashboard laten maken.
Wanneer je er geen apart traject van maakt
Niet elke organisatie heeft een datakwaliteitstraject nodig. Werk je met één systeem, voert een klein team de gegevens in en is er nooit discussie over welk cijfer klopt, dan volstaat een vaste controle van een halfuur per maand. Een externe partij of een tool kost je dan meer dan het oplevert.
Dat verandert zodra twee systemen hetzelfde gegeven bijhouden, rapporten met de hand worden gecorrigeerd voor ze naar het MT gaan, of iemand een beslissing uitstelt omdat het cijfer niet te vertrouwen is. Dan is de vraag niet meer of je het oppakt, maar hoe lang je de kosten van het laten liggen nog accepteert.
Hoe is het bij jullie: worden fouten in de cijfers opgelost in het systeem waar ze ontstaan, of elke maand opnieuw in het rapport? Wil je weten waar bij jullie het eerste lek zit, neem contact op.
Veelgestelde vragen
Wat is datakwaliteit?
Datakwaliteit is de mate waarin gegevens geschikt zijn voor het doel waarvoor je ze gebruikt. Je beoordeelt dat op dimensies als juistheid, volledigheid, actualiteit, consistentie, uniciteit en geldigheid. Hetzelfde bestand kan voor de ene vraag goed genoeg zijn en voor de andere onbruikbaar.
Wat zijn de dimensies van datakwaliteit?
De zes die in vrijwel elke indeling terugkomen: juistheid (klopt het met de werkelijkheid), volledigheid (zijn de nodige velden gevuld), actualiteit (is het op tijd en nog geldig), consistentie (is het in elk systeem gelijk), uniciteit (staat elk object er één keer in) en geldigheid (voldoet het aan het afgesproken formaat). Sommige indelingen voegen context toe als zevende.
Hoe meet je datakwaliteit?
Door per kritisch gegeven een telbare regel op te stellen, zoals het aantal actieve klanten zonder branche of het aantal orders met een leverdatum vóór de orderdatum. De eerste meting is je nulmeting. In Power BI geeft de gegevensprofilering van Power Query per kolom het percentage geldige, foute en lege waarden, mits je die op de volledige gegevensset zet.
Hoe kun je datakwaliteit verbeteren?
Bepaal welke gegevens kritisch zijn voor je belangrijkste beslissingen, meet de huidige stand, schoon één keer op in het bronsysteem, regel de invoer met verplichte velden en keuzelijsten, en beleg per gegevensdomein een eigenaar. Daarna controleer je maandelijks of het zo blijft.
Wat is het verschil tussen datakwaliteit en data governance?
Datakwaliteit beschrijft de toestand van de gegevens: kloppen ze, zijn ze compleet en actueel. Data governance zijn de afspraken die die toestand bewaken: wie eigenaar is, welke definitie geldt en wie wat mag wijzigen. Zonder governance zakt de kwaliteit na elke opschoning weer terug.
Wat kost slechte datakwaliteit?
Zelden één post op de begroting, en daarom wordt het zelden opgeteld. De kosten zitten in handwerk om exports recht te zetten, in beslissingen op verkeerde cijfers, in gemiste omzet en in het vertrouwen in je rapportages. Zodra één cijfer aantoonbaar niet klopt, gaan mensen weer hun eigen Excel bijhouden.
Wie is verantwoordelijk voor datakwaliteit?
De business, niet IT. Per gegevensdomein, zoals klanten of artikelen, hoort één persoon met een naam eigenaar te zijn. Die bepaalt wat een geldige waarde is, welk systeem leidend is en spreekt collega's aan als de invoer afwijkt. IT zorgt voor de controles en koppelingen.
Waarom is datakwaliteit belangrijk voor AI?
Een AI-model leert van de data die je het geeft en herhaalt de fouten die erin zitten, alleen sneller en met meer stelligheid. Dubbele klanten, verouderde prijzen of lege velden leiden tot voorspellingen die er overtuigend uitzien en toch niet kloppen. Datakwaliteit is daarom een voorwaarde voor AI, geen vervolgstap.
