Intro “Het UMCG beschikt over grote hoeveelheden gegevens... En staat aan de vooravond van een grote migratie...
Ik wil laten zien hoe je inzicht kan krijgen in de kwaliteit van de gegevens die voor deze migratie worden gebruikt... En hoe je hiermee de migratie kan ondersteunen... En hoe je na de migratie grip kan houden...”
Data Quality, Data Quality, Data Quality Even voorstellen Enkele praktijkvoorbeelden
Meet- en regelkring Quick wins Vragen
Onlangs belasting betalen…
Nieuwe ‘calculator’ ophalen… (oude niet meer geldig) Identificatie met rijbewijs
Bank: “Oh, uw rijbewijs is vermist!” Ik: “Maar ik heb hem hier?!” Bank: “Dat kan niet, hier staat het… kijkt u maar!”
Bank: “Ach, u bent fout geconverteerd. Maar u bent niet de enige hoor!”
Enkele praktijkvoorbeelden Verzekeraar
Probleem 1: Financiële rapportage niet goedgekeurd Oorzaak: Kwaliteit gegevens onbekend
Probleem 2: ‘Gold’ klanten niet zodanig behandeld Oorzaak: Geen actueel, correct en volledig klantbeeld
Enkele praktijkvoorbeelden Oost-Europese Telecom-organisatie
Probleem 1: 30%(!) minder klanten (accounts) dan gedacht Oorzaak: Dubbele registraties
Probleem 2: Foutieve aanbiedingen Oorzaak: Meerdere systemen Probleem 3: Onterechte afsluitingen Oorzaak: Betalingsachterstand, maar spoedbetaling onbekend
Enkele praktijkvoorbeelden Gemeente:
Probleem: 15% belastingen ‘misgelopen’ Oorzaak: Bestanden niet te koppelen
Enkele praktijkvoorbeelden Nutsbedrijf:
Probleem: Niet te factureren verbruik Oorzaak: Mismatch systemen (verbruik en facturering)
Enkele praktijkvoorbeelden Overheid:
Probleem: Uitkeringsfraude niet gesignaleerd Oorzaak: Systemen niet gekoppeld
Casus Migratie van legacy systemen naar nieuw systeem
Perfecte aanleiding voor opzetten meet- en regelkring voor data kwaliteit
Data Integratie vraagstuk
Vraagstukken • • • • • • • •
Welke gegevens moeten mee? Van wie zijn de gegevens? Wat doen we met historische gegevens? Waar bevinden de gegevens zich? Hoe krijgen we de gegevens beschikbaar? Wat is de kwaliteit van de gegevens? Waar moeten de gegevens naar toe? (doelsysteem) Hoe moeten de gegevens daar naar toe? (conversieregels)
• Moeten de legacy gegevens beschikbaar blijven? (archivering) - offline archief - online archief - geïntegreerd archief i.c.m. Intregrale info voorziening (warehousing)
Parallellen met ruimtevaart? Data Integratie-platform Saturnus V-platform Complex geheel processen, systemen, kennis, disciplines Zwakke schakels in de keten hebben grote consequenties BETROUWBAARHEID! “Data Integratie = Rocket Science!”
Data Quality Platform
3e trap
Migratie naar doelsysteem
2e trap
Ontsluiten bronnen (data, kennis, semantiek, etc)
1e trap
Trap 1 – Ontsluiten bronnen • • • • • •
Ontsluiten data Afspraken over leveringen (GLO) Achterhalen structuur, kwaliteit en semantiek Beschikbaar krijgen in een “warehouse” Opbouwen en vastleggen kennis over data (en metadata) Opbouwen “bedrijfs gegevens model” (referentiemodel)
Trap 1 – Ontsluiten bronnen Aanleveren
Verzamelen Meten
Integratie Proces
Structureren
Uniformeren
Meet- en regelkring
Combineren Verbeteren
Beoordelen
Trap 1 - Voorbeeld leeg F O ? 6% 3% 2% 1% M 43%
V 45%
Geslacht
Trap 1 - Voorbeeld Kwaliteitsanalyse BSN - BSN komt voor in systeem A en B - Deels niet gevuld in zowel A als B - Deels niet 11-proef in A, wel in B - Deels ander BSN, zelfde persoon (in A, in B, in A+B) - Deels zelfde BSN, ander persoon (in A, in B, in A+B) - Deels zelfde BSN, zelfde persoon, afwijkend adres (in A, in B, in A+B)
Verdiepingsslag: - BSN met name niet gevuld bij pasgeborenen - Deels ander BSN door voorloopnullen - etc
Trap 2 – Migratie naar doelsysteem • Welke gegevens moeten in het doelsysteem komen? • Wat is de bron? • Wat is de kwaliteit?
• Zijn alle gegevens beschikbaar? (fit-gap) (met de gewenste kwaliteit!)
Trap 2 - Migratie
Doel systeem
Integratie Proces
Meet- en regelkring
Trap 2 - Voorbeeld Doelsysteem: - “BSN wordt gemigreerd vanuit bronsysteem A” - “BSN wordt gebruikt voor identificatie klanten”
Maar uit Trap 1 bleek: - BSN komt voor in systeem A en systeem B - Deels niet gevuld in zowel A als B - Deels niet 11-proef in systeem A - Deels ander BSN, zelfde persoon - Deels zelfde BSN, ander persoon - Deels zelfde BSN, zelfde persoon, afwijkend adres
Trap 3
Integratie Proces
Meet- en regelkring
Meet- en regelkring
Meer parallellen met ruimtevaart Kennis van de ruimte Kennis van gegevens Nationale doelstelling Corporate doelstelling Congressional funding Corporate funding NASA Informatie Management “Houston” Mission Control ICT Operations
“Data Integratie = Rocket Science!”
Quick wins Eenvoudig uit te voeren: • Statistieken (aantal, min, max, frequentie, leeg, uniek) • Dubbele registraties (fuzzy) • Inconsistentie (in bron, tussen bronnen)
Eenvoudig te corrigeren (en te borgen)?
Directe winst?
Afsluiting Grip op data kwaliteit is cruciaal voor elke prestatiegerichte organisatie! De aanloop naar een migratie is een perfect moment om hier mee te starten.
Vragen?
