Samenvatting Nationaal Onderzoek Datakwaliteit

Samenvatting Nationaal Onderzoek Datakwaliteit

Customer Information (Den Haag) Auteur : Ron Janssen Telefoon : +31 (0) 70 334 34 97

Versie Datum Aantal pagina's Bijlage(n)

: : 29 september 2005 : 12 :

Inhoudsopgave

Pagina

1. Inleiding

3

2. Probleemstelling

4

3. Afbakening onderzoek

4

4. Resultaten onderzoek 4.1. Processen en data 4.2. Aandacht voor data en datakwaliteit 4.3. Verantwoordelijkheden 4.4. Investeringen & performance

5

5. Conclusies

Datum Pagina

: 29 september 2005 : 2 van 12

5 7 8 8 11

1. Inleiding Het is ons een genoegen u een samenvatting te mogen verstrekken van de resultaten van het Nationaal Onderzoek Datakwaliteit. In september 2004 ontstond bij ons het idee om een grootschalig onderzoek uit te voeren. We wilden een beeld vormen van het huidige gebruik van klantcontactdata en de activiteiten die organisaties ondernemen om deze data op orde te houden. Een in onze ogen relevante vraag gezien de toenemende mate waarin organisaties werken met klantdata. De marketing van organisaties verandert meer en meer van massamarketing naar interactieve marketing. Door de inzet van meerdere kanalen wordt het relevanter dan ooit om één uniek klantbeeld te creëren. Maar niet alleen op marketinggebied groeit de relevantie van data. Ook primaire processen worden grotendeels aangestuurd vanuit data. In de afgelopen 25 jaar heeft zich een haast stille revolutie voltrokken op kantoor. De personal computer, nu op vrijwel iedere werkplek aanwezig, heeft ons werk volledig gedigitaliseerd. Data, of liever gezegd elektronisch vastgelegde data, zijn niet meer weg te denken. Voldoende reden dus om de stand van zaken rondom data en datakwaliteit vast te leggen. Omdat data vele dimensies kent (denk aan productiegeoriënteerde gegevens, klantkenmerken etc) hebben wij ons voor dit onderzoek beperkt tot klantcontactgegevens. Dus die dataelementen waarmee organisaties contact tot stand brengen tussen henzelf en klanten of prospects. Als we in dit verband spreken over data dan hebben wij het over gegevens als naam, adres, woonplaats, telefoonnummer, emailadres etc. Vanaf begin 2005 heeft Jeroen Siegerink, stagiair op de afdeling marketing, met veel inzet en passie zijn afstudeeropdracht ingevuld met dit onderzoek. Onderzoekers, analisten en consultants binnen Cendris hebben hem hierbij geholpen. Wij hopen dat u met de resultaten van dit onderzoek tot relevante nieuwe inzichten komt waarmee u het eigen data- en datakwaliteitsbeleid kunt toetsen en waar mogelijk verbeteren. Wij zijn er ons van bewust dat dit onderzoek nooit plaats had kunnen vinden zonder uw medewerking. Graag nemen we hier nogmaals de gelegenheid om u hiervoor hartelijk te danken. Ron Janssen Marketing Manager Data Quality Center

Datum Pagina

: 29 september 2005 : 3 van 12

2. Probleemstelling Het Nationale Onderzoek Datakwaliteit heeft als doel inzicht te krijgen in de wijze waarop organisaties in Nederland omgaan met informatie, data en datakwaliteit. Vragen als: waar zijn verantwoordelijkheden belegd? hoe wordt data & informatie gebruikt? En: heeft de kwaliteit van data invloed op de processen en performance van organisaties? Voor wat betreft de relatie tussen datakwaliteit en de performance van de organisatie (marketing performance en financiële performance) is gevraagd aan de respondenten of zij een relatie zien tussen datakwaliteit en de performance van hun marketing of organisatie. Daarnaast is een vergelijkend onderzoek uitgevoerd onder 200 filialen van een groot concern in Nederland. De resultaten van dit vergelijkend onderzoek worden in deze samenvatting slechts kort aangehaald omdat de analyse van dit tweede onderzoek nog niet is afgerond. Probleemstelling: 1. Op welke wijze gaan Nederlandse organisatie om met data en datakwaliteit? 2. Is er sprake van een relatie tussen de kwaliteit van data en de performance van organisaties? Ad 1) - Daarbij is wijze geoperationaliseerd als: - beschrijving van dataprocessen (invoer, beheer, mutatie en gebruik) en datakwaliteitsprocessen; - beleggen van verantwoordelijkheden en bevoegdheden - de aandacht die er voor is nu en de verwachte aandacht in de toekomst - welke investeringen er worden gedaan om data te beheren en datakwaliteit te borgen. - Nederlandse organisaties: - Als er gesproken wordt over Nederlandse organisaties dan hebben wij ons in dit onderzoek beperkt tot die organisaties waarbij sprake is van direct klantcontact als gevolg van een directe marketing/verkoop strategie of een factuurrelatie. Ad 2) - Indien gesproken wordt over data dan wordt bedoeld klantcontactdata (Naam, adres, woonplaats, telefoon, e-mail, mobiel, seksecode). - Indien gesproken wordt over datakwaliteit dan wordt dat gemeten aan de hand van de J.U.V.A. formule: Juistheid, Uniciteit, Volledigheid en Actualiteit. - De beoordeling van de kwaliteit van relatiegegevens is gedaan aan de hand van een spiegeling van het Nationaal ReferentieBestand van Cendris waarin de hoogste dekking actuele adres- en verhuisgegevens kan worden gevonden.

3. Afbakening onderzoek Binnen dit onderzoek wordt onder Nederlandse organisaties bedoeld: die organisaties die regelmatig direct klantcontact onderhouden met hun klanten en prospects. Om tot een relevante onderzoekspopulatie te komen is een steekproef getrokken uit het zakelijk adressenbestand van Cendris onder branches waar veel organisaties worden aangetroffen die direct klantcontact onderhouden. De geselecteerde branches zijn: Automotive Energie Telecom- en kabelbedrijven Verzekeraars (zorg en schade) Internet Financiële instellingen Charitatieve instellingen Postorderaars Reisbranche Sport/Loterijen/Amusement/Cultuur Uitgeverijen Omroepen Zakelijke dienstverlening Overigen

Datum Pagina

: 29 september 2005 : 4 van 12

Gezien de mogelijkheden van internet is een internetsurvey gehouden en is de onderzoekspopulatie middels een e-mail uitgenodigd mee te doen aan het onderzoek. De steekproef omvatte 5.600 functionarissen binnen Nederlandse bedrijven. Vanaf 30 juni 2005 heeft de web-survey 22 dagen opengestaan wat heeft geleid tot 344 respondenten (6,15%). Om uitspraken te kunnen doen over Nederlandse organisaties zijn de resultaten op branche niveau herwogen zodat een evenredige verdeling per branche voor Nederland gegarandeerd is.

4. Resultaten onderzoek In dit hoofdstuk worden de resultaten van het Nationaal Onderzoek Datakwaliteit (NOD) besproken. In grafiek 1 is een verdeling gemaakt van de respondenten naar functie. Hieruit blijkt dat er een evenwichtige verdeling van Directie respondenten naar functie is. Ook de directie is met 13% vertegenwoordigd. 13% (database)marketing 32% Verder is er een gelijkmatige verdeling manager 22% naar het soort klanten dat de ICT manager respondenten hebben. Ruim 25% heeft Manager overig alleen consumenten als doelgroep, in 9% 24% bijna 40% van de gevallen is er sprake Medew erkers alle van een gemengde doelgroep en 34,7 procent heeft alleen bedrijven als klant. Grafiek 1, verdeling naar functie

4.1. Processen en data Dat data iedereen raakt blijkt wel uit het feit dat op veel afdelingen verschillende activiteiten rondom data worden uitgevoerd. Zie tabel 1. Op alle afdelingen worden activiteiten uitgevoerd zoals invoer, beheer, mutatie en gebruik van gegevens. Logisch is dat Marketing, Sales en Administratie de hoogste gebruiksindicaties kennen. Zij zoeken het meest contact met de klant. Het Customer Contact Center vormt samen met administratie de afdelingen waar het meest vaak gegevens worden ingevoerd of gemuteerd/beheerd. In 86% van de gevallen zijn er richtlijnen opgesteld voor het invoeren en verwerken van mutaties. In bijna de helft van de gevallen zijn deze lokaal bepaald, door de manager die voor het lokale proces verantwoordelijk is.

Invoer Gebruik Beheer/Mutatie

Customer Contact Center 56.2% 46.2% 50.7%

Administratie/ Facturatie

(Database) marketing

IT

Sales

44.5% 52.9% 49.4%

19.6% 72.6% 29.2%

12.6% 28.7% 33.5%

34.4% 57.0% 33.2%

Tabel 1, processen en afdelingen

Sturing op kwaliteit In het onderzoek is ook gekeken naar de wijze waarop mensen worden aangestuurd: op kwantiteit (de hoeveelheid ingevoerde gegevens per tijdseenheid) of kwaliteit (het aandeel correct ingevoerde gegevens). Ruim de helft van de respondenten geeft aan op kwaliteit te sturen of te worden aangestuurd. Het zijn ook deze respondenten die aanzienlijk minder problemen ervaren met hun databases. (zie tabel 2)

Datum Pagina

: 29 september 2005 : 5 van 12

Problemen

Score bij sturing puur op kwaliteit

Score gemiddeld

dubbele records twee databases geen

67.2 % 25.9 % 19.8 %

74.6 % 38.2 % 13.4 %

Tabel 2, significant minder problemen bij aansturing op kwaliteit

Soort data Klantcontactgegevens worden gebruikt voor diverse doelen. In grafiek 3 is te zien wat de top 9 is. 90

85,1 83,9

80,8

80 70

68,1

Direct mail Overige correspondentie

60,7 59,2 60

Facturatie

53,2

Klantanalyse

50

(Leden)administratie

39,2 40

34,2

Aflevering product/dienst Klantbezoek

30

Callcenter inbound 20

Telesales

10 0 Grafiek 3, doelen van klantcontactgegevens

Natuurlijk staat de gewone correspondentie bovenaan. Maar ook voor belangrijke activiteiten als facturatie, administratie en het afleveren van goederen wordt data ingezet. Beheerproblemen Op de vraag of er problemen worden geconstateerd met klantdata geeft 86.8% van de respondenten aan problemen te hebben met de kwaliteit van de data. De belangrijkste drie genoemde problemen zijn: - Dubbele records; - Problemen als gevolg van het gebruik van meerdere databases; - Actualiteit van gegevens.

Hoe worden deze problemen ervaren door de organisatie heen? Uit het onderzoek blijkt dat directieleden anders aankijken tegen de problemen of wellicht niet op de hoogte zijn. Slechts 52% van de respondenten met een directiefunctie geeft te kennen problemen te ondervinden terwijl dit voor de gehele populatie op 87% ligt. IT & problemen Omdat IT een belangrijke rol speelt bij het inrichten van ICT processen ten behoeve van databeheer, is hen apart gevraagd welke problemen zij ervaren. Daarbij werd het koppelen van systemen als belangrijkste probleem genoemd. De verklaring hiervoor was tweeledig. Enerzijds

Datum Pagina

: 29 september 2005 : 6 van 12

omdat men vaak nog met “verouderde” mainframes werkt en deze systemen anders zijn ingericht dan voor het gebruik waarvoor ze in het kader van data zoals hier bedoeld moeten worden aangewend. Anderzijds werd aangegeven dat het moeilijk is om databases die voor verschillende doeleinden zijn ontwikkeld (facturatie, incasso, klantbeheer, analyse, administratie etc) zonder meer te koppelen. Als nieuw gesignaleerd probleem gaf IT het selfservice aspect aan. Steeds vaker kunnen klanten zelf data invoeren. Deze data wordt rechtstreeks de database in gepompt. Volgens de IT-ers worden er door klanten veel fouten gemaakt; klanten voeren slordig de data in. Mogelijk per ongeluk, maar mogelijk ook bewust.

4.2. Aandacht voor data en datakwaliteit Het aanstellen van een data quality manager is binnen Nederlandse organisaties in opkomst. Zo’n 30% van de respondenten geeft aan dat binnen hun organisatie een DQ manager of DQ team actief is. Alhoewel binnen organisaties met een DQ-manager vaker richtlijnen zijn opgesteld voor het verwerken van data vinden we niet terug dat richtlijnen voor het verwerken van data meer centraal worden geregeld. Daarnaast blijkt dat slechts een kwart van de DQmanagers werkt met een eigen budget en dat de DQ manager niet altijd eindverantwoordelijk is voor de kwaliteit van data. Meten van datakwaliteit Om te weten hoe goed de kwaliteit van de data is, moeten organisaties regelmatig hun data zelf meten of laten meten (validatie). Slechts 44% van de respondenten geeft aan dat deze controles plaatsvinden. En in 94% van de gevallen worden deze controles intern uitgevoerd. Niet alleen controleert minder dan de helft van de organisaties de kwaliteit van de data, de controles worden hoofdzakelijk intern uitgevoerd waardoor niet gecontroleerd wordt op actualiteit van de gegevens. Belang(rijk) Welke afdelingen hebben datakwaliteit hoog in het vaandel staan? De administratieve afdelingen hebben naast marketing het meest oog voor het belang van datakwaliteit. Daar hebben deze afdelingen gezien de hoge gebruiksfrequentie ook primair belang bij. In de ogen van collega’s scoren de afdelingen sales en customer contact center slecht. Zeker voor het customer contact center geldt dat zij de data verwerkt, muteert en ook beheert maar er minder dan op andere afdelingen gebruik van maakt. Hoe belangrijk is goede data? In het onderzoek is de vraag voorgelegd of een goede kwaliteit van klantcontactgegevens essentieel is voor de organisatie. 95.6% gaf aan het hier eens tot zeer mee eens te zijn. 83.6% denkt ook dat dit in de komende jaren alleen maar belangrijker zal worden. Datakwaliteitsbeleid, strategie en visie Vertaalt het belang van datakwaliteit zich ook naar een strategie en visie? Slechts in 20% van de gevallen wordt op hoger management niveau een visie op data en datakwaliteit uitgedragen. Bij de organisaties waar een datakwaliteit visie wordt gehanteerd zien we ook vaker dat richtlijnen voor invoer, beheer en mutaties op centraal niveau zijn belegd. (zie tabel 4)

INVOER MUTATIE

Visie & strategie Nee Ja Nee Ja

lokaal 50.5 % 46.9 % 45.7 % 48.6 %

Gemiddeld 37.0 % 50.4 % 34.2 % 51.3 %

Tabel4, richtlijnen bij DQ beleid, strategie en visie meer of minder lokaal dan gemiddeld

Datum Pagina

: 29 september 2005 : 7 van 12

4.3. Verantwoordelijkheden 12%

18%

4% Dat akwalit eit smanager ICT manager 17%

(dat abase)mar ket ing manager Algemene manager

19%

Anders Geen eindverant woor delijke

30%

Op de vraag wie eindverantwoordelijk is voor de (kwaliteit van de) data, wordt heel divers geantwoord (grafiek 5). In 30% van de gevallen is dat een algemeen manager in 18% van de gevallen is niemand eindverantwoordelijk (exclusief de categorie “weet niet”). Binnen organisaties waar een DQ-manager is aangesteld is deze slechts in 25% van de gevallen eindverantwoordelijk. Heeft de DQ-manager een team onder zich dan ligt de eindverantwoordelijkheid voor 45% bij dit team. Opvallend is dat bijna 35% van de respondenten aangeeft

Grafiek 5, eindverantwoordelijkheid naar functie

niet te weten wie er binnen hun organisatie eindverantwoordelijk is voor de kwaliteit van data. Data en datakwaliteit zijn issues die veelal op middel- en lager management niveau spelen. In combinatie met de afzonderlijk per afdeling ingestelde richtlijnen voor invoer, mutatie en beheer mag geconcludeerd worden dat deze issues versnipperd en zonder centraal beleid worden aangepakt. Er is een duidelijk verband waar te nemen tussen het voorkomen van problemen met datakwaliteit en het toewijzen van verantwoordelijkheden. Organisaties die geen eindverantwoordelijke hebben aangesteld voor datakwaliteit geven vaker aan problemen te ervaren (98%) dan organisaties met een eindverantwoordelijke (84%). Daarbij komt dat organisaties die deze eindverantwoordelijkheid op een hoger niveau hebben belegd eveneens aangeven minder vaak problemen te ervaren (80%) dan organisaties waar deze verantwoordelijkheid lager is belegd (93%).

4.4. Investeringen & performance Investeringen In welke middelen wordt geïnvesteerd om de huidige datakwaliteit te behouden?

Datum Pagina

: 29 september 2005 : 8 van 12

Verhuisservice Referentie data Externe consultants Datakw aliteit trainingen Softw are tools Postcode tabel 0,00%

10,00% 20,00% 30,00% 40,00% 50,00% 60,00% 70,00% 80,00%

Grafiek 6, percentages ingezette middelen om huidige datakwaliteit te behouden

Op de vraag of de genoemde middelen voldoende zijn om het gewenste datakwaliteitsniveau te behouden dan wel te bereiken, geeft 49.5% aan dat het voldoende is, 32.8% dat het niet voldoende is en 17.7% kan dat niet inschatten. Uitgesplitst naar functie(niveau) geeft dit nieuwe inzichten: er zijn grote verschillen te zien als er gekeken wordt naar of men vindt of de reeds ingezette middelen voldoende zijn om het gewenste datakwaliteitsniveau te behouden of te bereiken en de functie die men uitvoert. Daar waar de directie in 68.4% van de gevallen aangeeft dat dit voldoende is, is 45,2% van de ICT managers dezelfde mening toegedaan. Alle andere managers zitten daartussenin. Wat opvalt, is de groep medewerkers: zij scoren met 38.7% erg laag. Slechts een beperkt deel van de respondenten (12.2%) kon aangeven hoeveel de organisatie jaarlijks uitgeeft aan het up to date houden van gegevens. Performance De vraag “Denkt u dat een hogere kwaliteit van klantcontactgegevens bijdraagt aan een betere financiële performance van uw organisatie?”, werd in ruim de helft van de gevallen met een volmondig ja beantwoord (53.0%). Misschien zei 34.3%. 7.5% gaf aan daar niet in te geloven en 5.1% wist het niet. In deze zelfde lijn gaf 55.9% aan het eens tot zeer eens te zijn met de stelling dat “de kwaliteit van de klantcontactgegevens van grote invloed is op de winstgevendheid van de organisatie”. Naast financiële performance is ook gevraagd naar de bijdrage van een hogere kwaliteit van klantcontactgegevens aan een betere marketingperformance van de organisatie. Ja scoorde 75.4%, misschien 14.9%, nee 6.0% en weet niet 3.7%. Aan alle marketingmanagers is gevraagd of zij het eens zijn met de stelling dat door niet altijd correcte klantcontactgegevens, het rendement op hun klantbewerkingsacties achter blijft. 36.7% gaf aan het hier eens tot zeer eens mee te zijn . Goede data beïnvloedt de marketing en financiële performance positief. Dat is de mening van de respondenten. Uit een vergelijkend onderzoek onder 200 vestigingen van een Nederlands concern, waarbij de marketing performance is onderzocht in relatie tot de kwaliteit van relatiegegevens, blijkt eveneens dat er sterke indicaties zijn voor een verband. Uit grafiek 7 kan het statistisch verband worden opgemaakt tussen de kwaliteit van de data van een vestiging in relatie tot de gemiddelde RFM-waarde van de klanten van die vestiging. Nader onderzoek is noodzakelijk om de achtergrond van deze statistische correlatie te kunnen verklaren.

Datum Pagina

: 29 september 2005 : 9 van 12

Indicatie verband performance-datakwaliteit 14

12

Performance (RFM)

10

8

6

4

2

0 0

1

2

3

4

5

6

7

Datakwaliteit (cijfer)

Grafiek 7, indicatie verband performance-datakwaliteit

Datum Pagina

: 29 september 2005 : 10 van 12

8

9

10

5. Conclusies Hoe gaan Nederlandse organisaties om met data en datakwaliteit? En is er sprake van een relatie tussen data en de performance van de organisatie? Dat waren de hoofdvragen van dit onderzoek. De inrichting van data invoer, beheer, mutatie en gebruiksprocessen is op alle afdelingen waar te nemen. De richtlijnen voor deze processen worden hoofdzakelijk lokaal bepaald. Daarbij zijn de afdelingen marketing en administratie/facturatie als belangrijke gebruikers van data te typeren. De afdeling marketing kent het minst vaak invoer-, mutatie of beheer processen en is daarom vaker afhankelijk van hoe deze processen op andere afdelingen zijn ingericht. Indien een directe marketingstrategie wordt gevoerd zou het aan te bevelen zijn de belangrijkste stakeholders invloed te geven op de inrichting van processen binnen andere afdelingen. Zo suggereren de onderzoeksresultaten dat het aantal data kwaliteitsproblemen vermindert als de personen die invoeren en muteren worden aangestuurd op kwalitatieve parameters in plaats van kwantitatieve parameters. Vrijwel iedere organisatie heeft datakwaliteitsproblemen. Dat komt doordat er gewerkt wordt met oude (instabiele) systemen en met diverse databases naast elkaar. Bovendien zijn de organisaties die in het algemeen zelf de kwaliteit beoordelen niet goed in staat om de juistheid en actualiteit van gegevens te meten. Daarvoor zijn externe referentiebestanden nodig die in geringe mate worden ingezet. Het gevolg daarvan zijn dubbele records en niet actuele gegevens. Een nieuwe trend is de vervuiling doordat klanten steeds vaker in selfcare omgevingen zelf rechtstreeks mogen invoeren. In een beperkt aantal organisaties is een DQ manager of DQ team actief. In het komende jaar zullen er weinig bijkomen of uitbreidingen zijn. Daar waar een DQ manager aangesteld is, heeft hij of zij weinig bevoegdheden en middelen. Vaak is er geen eigen budget en is de DQ manager niet eindverantwoordelijk. (Mede) daardoor is een DQ manager niet in staat echt bij te dragen tot een centralere aansturing op datakwaliteit. Aandacht voor datakwaliteit, nu en in de toekomst, is er volop. Van hoog tot laag in de organisatie is men zich bewust van de relevantie. Problemen zijn echter niet overal even goed zichtbaar mede doordat data en datakwaliteit nog steeds issues zijn van middel- en lager management. In dat opzicht zijn met name de functionarissen die middelen toewijzen onvoldoende op de hoogte van de problematiek. De versnippering van verantwoordelijkheden en inrichting van processen draagt niet bij aan het op hoger niveau zichtbaar maken van problemen en oplossingen. Het is ook de versnippering die er voor zorgt dat niet altijd helder is wie nu precies eindverantwoordelijk is. Meestal is de verantwoordelijkheid beperkt tot de eigen processen en afdelingstaken. Een centrale aansturing wordt in veel gevallen gemist. Een DQ manager aanstellen lost dit probleem niet op. Slechts als deze manager een team onder zich heeft, meer bevoegdheden krijgt, blijkt beleid vanuit een centraal punt te worden georganiseerd, waardoor minder versnippering optreedt. Datakwaliteit is belangrijk en men vindt dat dit in de toekomst alleen maar belangrijker wordt. Het draagt bij aan de financiële- en marketingperformance volgens het merendeel van de respondenten. Dit komt echter nog niet tot uitdrukking in het handelen. Datakwaliteitscriteria zijn niet voor handen, er worden geen audits uitgevoerd en de investeringsbereidheid is gering. Binnen de meeste organisaties is niet duidelijk hoeveel tijd en geld er geïnvesteerd wordt in het op orde krijgen van data. Bovendien wordt aangegeven dat er in de toekomst geen uitbreiding komt in mensen, systemen of middelen om de kwaliteit van data te borgen. Dit ondanks de vele problemen die men met data tegenkomt. Het feit dat de directie deze problemen minder vaak

Datum Pagina

: 29 september 2005 : 11 van 12

ziet zal een gevolg zijn van de versnippering van beleid rondom data en datakwaliteit en is van invloed op de bereidheid om hier tijd en aandacht aan te geven. Uit een vergelijkend onderzoek onder 200 vestigingen waarbij de gemiddelde datakwaliteit van de vestigingen vergeleken is met de gemiddelde RFM score als indicator voor de marketingperformance blijkt een hoge statistische correlatie naar voren te komen. Deze correlatie biedt voldoende aanleiding om nader onderzoek te doen naar een mogelijk verband tussen performance en datakwaliteit. Geconcludeerd mag worden dat door versnippering van bevoegdheden, de lokale aanpak, het veelal ontbreken van een centraal datakwaliteitsbeleid en –strategie alsmede het ontbreken van inzicht in de problematiek bij directies, Nederlandse organisaties er onvoldoende in slagen om de aanwezige problemen te identificeren en met commitment van hoger management aan te pakken. Zonder identificatie en commitment is de bereidheid tijd en middelen te investeren gering. Het doorbreken van deze vicieuze cirkel is wat ons betreft de belangrijkste aanbeveling. Dit zou kunnen gebeuren door: - operationele problemen op een correcte wijze door te vertalen naar directieniveau; - het datakwaliteitsissue op te nemen in een directieportefeuille; - meer inzichtelijk te maken wat de kwaliteit van data is en welke gevolgen dit heeft voor operationele processen in termen van kosten en baten. Door op hoger managementniveau een DQ manager aan te stellen met bijbehorend team dat boven de afzonderlijke afdelingen staat, zal een organisatie in staat zijn centraal en meer slagvaardig de dataproblematiek aan te pakken. Enkele organisaties in Nederland hebben dit op deze wijze georganiseerd en tonen aan dat een kwaliteit van 99% haalbaar is.

Datum Pagina

: 29 september 2005 : 12 van 12