Business Risk Management? Dan eerst data op orde! Business risk management? Dan eerst data op orde! Kwaliteit, leveringsbetrouwbaarheid, klantgerichtheid , kostenbewustzijn en imago zijn kernwaarden in de bedrijfsvoering die door nutsbedrijven hartelijk worden omarmd en uitgedragen. Het gaat bij deze bedrijven immers over belangrijke onderwerpen: de afhankelijkheid van klanten (burgers en bedrijven), maatschappelijke belangen (veiligheid en milieu) en gezondheid (bijvoorbeeld schoon water). Een organisatie die hierover de verantwoordelijkheid krijgt is zich daar zeer van bewust en doet er alles aan om de volledige verantwoordelijkheid te nemen en zo betrouwbaar mogelijk kwaliteit te leveren. Kwalitatief goede informatie als strategische factor voor een goede bedrijfsvoering Bij het behalen van missie en bedrijfsdoelen speelt een aantal factoren een cruciale rol zoals: effectieve en efficiënte werkprocessen, professionele medewerkers en bruikbare hulpmiddelen. Een factor, die nog te vaak over het hoofd wordt gezien is ‘kwalitatief goede informatie’. Vandaag de dag wordt de bedrijfsvoering steeds afhankelijker van de juiste informatie op het juiste moment. Betrouwbare informatie van hoge kwaliteit vermindert allerlei risico’s in de bedrijfsvoering. Denk hierbij aan de volgende voordelen:
Storingen worden voorkomen en de levensduur van de infrastructuur (assets) wordt verlengd door gericht preventief onderhoud te verrichten, bijvoorbeeld op basis van risico analyses; Storingen worden sneller opgelost en onderhoud gebeurt efficiënter als monteurs weten waar assets zich bevinden en als ze het juiste type en de juiste maatvoering van de assets kennen; De facturatie is op orde als alle aangesloten leveradressen, klanten en hun verbruik bekend zijn.
Deze voordelen zullen uiteindelijk allemaal bijdragen aan het imago van betrouwbare en transparante leverancier. Er zijn diverse oorzaken te noemen waarom de vastgelegde informatie niet op het vereiste kwaliteitsniveau is: De meeste nutsbedrijven zijn fusiebedrijven: de asset informatie is uit verschillende bronnen afkomstig en niet altijd even zorgvuldig met elkaar geïntegreerd; Informatie uit externe bronnen zoals mutaties van adres- of klantgegevens worden niet altijd doorgegeven of worden niet altijd goed in de systemen verwerkt; Medewerkers hebben langdurige dienstverbanden en zijn vaak lang in hetzelfde gebied werkzaam: veel kennis zit ‘tussen de oren’ in plaats van in de systemen;
Business Risk Management? Dan eerst data op orde!
In oude ‘legacy’ applicaties zijn meestal geen of weinig ‘business rules’ geïntegreerd waardoor bij de invoer weinig controle is op de juistheid of volledigheid van de data; Maar ook: door wijzigingen in beleid, wet & regelgeving en wijze van beheer is in de loop van de tijd de informatiebehoefte veranderd.
Deze oorzaken maken dat asset data onvolledig, onjuist en onbetrouwbaar is. Dit kan een ernstig risico zijn voor het behalen van missie en bedrijfsdoelstellingen. ‘Dweilen met de kraan dicht’ Als asset data wordt opgeschoond dan is het niet genoeg om alleen te dweilen. De kraan moet ook dicht gedraaid worden zodat er geen nieuwe vervuiling ontstaat. Dweilen Met dweilen zorgen we er voor dat de kwaliteit van de asset data naar het gewenste niveau wordt gebracht. Dit traject omvat het daadwerkelijk verbeteren van de data kwaliteit in de systemen. Nadat de databehoefte is vastgesteld wordt er een ‘gap-analyse’ uitgevoerd op de beschikbare asset data. Hierbij worden drie mogelijke gap’s onderscheiden:
Gap 1 – als gevolg van gewijzigde informatiebehoefte moet de asset data met nieuw data worden verrijkt; Gap 2 – de vastlegging van asset data is onvolledig en de gaten moeten worden aangevuld; Gap 3 – de asset data is wel vastgelegd maar is van onvoldoende kwaliteit en moet geschoond worden.
Bij de geconstateerde gap’s worden, per gap, scenario’s uitgewerkt om deze te dichten. Deze scenario’s kunnen variëren van eenvoudige administratieve werkzaamheden tot softwarematige oplossingen of complexe schouwactiviteiten in het veld. Voor elke afzonderlijke oplossing wordt gekeken in welke mate de oplossing bijdraagt aan een reductie van risico’s op de bedrijfswaarden. Dit wordt vervolgens afgewogen tegen de complexiteit van de oplossing. Met ander woorden: weegt de vereiste inzet van resources (geld, mensen, kennis, enz.) op tegen de risico reductie? Op deze wijze borgen we dat beschikbare resources optimaal voor risico reductie worden ingezet.
Business Risk Management? Dan eerst data op orde!
Figuur 1 Dweilen: het op orde brengen van de asset data
Dichtdraaien van de kraan Het dichtdraaien van de kraan zorgt er voor dat de asset data na het dweilen ook daadwerkelijk op het gewenste kwaliteitsniveau blijft. De eerste stap is om te achterhalen hoe de vervuiling in eerste instantie is ontstaan. Met behulp van ‘Root Cause Analysis’ worden de bronnen van de vervuiling vastgesteld. Deze bronnen bevinden zich in de drie domeinen Proces, Mens en Tool of een combinatie daarvan. Interventies kunnen dus op alle drie de domeinen zijn gericht. Als de bronnen zijn geïdentificeerd kunnen ze worden aangepakt. In Figuur 1 is een aantal mogelijke interventies opgesomd. Eén interventie verdiend extra aandacht: het Meldpunt Dataschoning. Met name het personeel dat in het veld werkzaam is, wordt geconfronteerd met asset data die niet in overeenstemming is met hetgeen er in de systemen is vastgelegd. Zelf aanpassen kan of mag niet en collega’s op kantoor zitten er ook niet op te wachten. In het beste geval maakt men nog een aantekening in de eigen (schaduw) administratie en laat men het verder voor wat het is. Door een Meldpunt Dataschoning in te richten en door meldingen meteen te verwerken én terug te koppelen aan de melder wordt dit patroon doorbroken. Kwaliteit van asset data krijgt de aandacht die het verdient en gewenst gedrag wordt direct beloond.
Business Risk Management? Dan eerst data op orde!
Figuur 2 Interventies om oorzaken van vervuiling weg te nemen: het dichtdraaien van de kraan
Wanneer is een het een goed moment voor het op orde brengen van data? Ieder moment is geschikt om een dataschoningstraject te starten. Kwalitatief goede data levert altijd een positieve bijdrage aan de doelstellingen van de organisatie. Er zijn een paar natuurlijke momenten: Migratie naar nieuwe applicaties Nieuwe applicaties stellen vaak strengere eisen aan de kwaliteit van asset data (business rules!) dan de oude applicaties. Gewijzigde informatiebehoefte Bijvoorbeeld bij het invoeren van Risk Based Asset Management1. Hierbij zal met name verrijking van asset data plaatsvinden. Uitbesteding, fusie of samenwerking Als data uitgewisseld gaat worden met andere partijen of geïntegreerd gaat worden in andere systemen is het een goed moment om de asset data op orde te brengen.
1 Risk based asset management: op basis van risico-inschattingen strategische keuzes maken voor het beheer van de
lifecycle van assets
Business Risk Management? Dan eerst data op orde! Conclusie Voor het behalen van missie en bedrijfsdoelstellingen neemt de afhankelijkheid van kwalitatief hoogwaardige bedrijfsinformatie steeds verder toe. Dataschoning helpt om de datakwaliteit inzichtelijk te krijgen, op het gewenste niveau te brengen en te houden. Een resultaat meer en een zorg minder! Over de auteurs De auteurs van dit artikel zijn Pieter Jan Visser, Edwin van den Heijkant en Jeroen Simons. Ze zijn werkzaam als consultant bij Ideas to Interconnect B.V en hebben een ruime ervaring op het gebied van dataschoningstrajecten bij bedrijven in de nutssector. Meer informatie: Contact:
www.i-to-i.nl
[email protected]
