DDMA 3 maart 2009 Human Inference over Datakwaliteit

25
Event: DDMA Seminar Thema: Datakwaliteit Spreker: Holger Wandt – Human Inference Datum: 3 maart 2009 – Pakhuis de Zwijger, A’dam www.ddma.nl

description

Het belang van datakwaliteit illustreert Holger Wandt aan de hand van het restaurantbezoek dat ieder van ons zich zonder moeite kan voorstellen. Bij binnenkomst komt een ober naar je toe en brengt je vervolgens naar een tafel. Je krijgt een aperitief aangeboden en je bekijkt de menukaart zorgvuldig. De ober neemt de bestelling op en zal binnen een half uur het eten opdienen. Als dessert een kopje koffie en je vraagt de rekening. Deze betaal je en gaat tevreden naar huis. Men heeft een bepaald verwachtingspatroon hoe een dergelijke proces verloopt. Maar wat gebeurt er als bij binnenkomst gelijk de rekening wordt gepresenteerd of begint met een dessert om daarna het hoofd- en voorgerecht te krijgen. Je reageert verward, de gegevens zijn veranderd. Bijstel van het verwachtingspatroon is noodzakelijk.

Transcript of DDMA 3 maart 2009 Human Inference over Datakwaliteit

Page 1: DDMA 3 maart 2009 Human Inference over Datakwaliteit

Event: DDMA Seminar

Thema: Datakwaliteit

Spreker: Holger Wandt – Human Inference

Datum: 3 maart 2009 – Pakhuis de Zwijger, A’dam

www.ddma.nl

Page 2: DDMA 3 maart 2009 Human Inference over Datakwaliteit

Datakwaliteit – de essentie van

operationele data governance

DDMA-seminar 10 maart 2009Holger WandtPrincipal advisor

Page 3: DDMA 3 maart 2009 Human Inference over Datakwaliteit

Definities

• Datakwaliteit is de mate waarin het geheel van eigenschappen en kenmerken van de gegevens voldoen aan het doel van het gebruik en de verwachting van de ontvanger.

• Data Governance is het geheel aan verantwoordelijkheden en besluitvormingsprocessen voor het kwalititeitsgeoriënteerd management van gegevens.

• Data Stewardship is een deelaspect van data governance, namelijk de formalisering van de verantwoordelijkheden voor het management van data.

Page 4: DDMA 3 maart 2009 Human Inference over Datakwaliteit

Regional livestock operations & analysis manager

Livestock directional assistant

Regional grassland engineers

Page 5: DDMA 3 maart 2009 Human Inference over Datakwaliteit

Soundbytes

• “Jullie data is niet in het juiste formaat.”• “Ik heb de gegevens niet op tijd ontvangen.”• “Wie is verantwoordelijk voor de kwaliteit van de

klantgegevens?”• “Wij weten dat de gegevens onjuist zijn, maar we mogen ze

niet veranderen.”• “Ik heb zelf de data gewijzigd; er stonden te veel fouten

in…” • “Weet je wel hoeveel tijd het ons kost om die

samengevoegde data te ontdubbelen?”• “De aangeleverde gegevens zijn niet consistent.”• “De aangeleverde gegevens zijn onvolledig. Hier kunnen we

niets mee….. “

Page 6: DDMA 3 maart 2009 Human Inference over Datakwaliteit

Dat betekent o.a.

• Problemen bij data capture:– Verschillende bronnen, verschillende formaten,

beschikbaarheid, verschillende inhoud• Problemen bij data-integratie:

– Niet-compatibele bestanden, foute samenvoeging van gegevens, veel handmatige nabewerkingen

• Problemen bij dataconsolidatie:– Autonome correcties, informele, ongestructureerde

afstemming, autonome verrijking van gegevens• Problemen bij dataverstrekking:

– Wantrouwen t.a.v. de kwaliteit van data; gegevens worden niet of verkeerd gebruikt

Page 7: DDMA 3 maart 2009 Human Inference over Datakwaliteit

In de organisatie:

• Ontbrekende of onduidelijke verantwoordelijkheden

• “Silodenken”• Databaasjes• Communicatie ontbreekt of is ad hoc-/consensus-

georiënteerd• Onbegrip• Onduidelijke rolverdeling• Kennis en/of training is niet toereikend De beste spelers vormen per definitie nog niet het beste

team….

Page 8: DDMA 3 maart 2009 Human Inference over Datakwaliteit
Page 9: DDMA 3 maart 2009 Human Inference over Datakwaliteit

Realiteit?

• Onderzoek Harris Interactive in 2006 onder 23.000 employees in “key industries”:– Slechts 37% begrijpt goed wat hun onderneming

tracht te bereiken en waarom.– .Slechts 20% begrijpt het direkte verband tussen

hun werkzaamheden en de organisatiedoelstellingen.

– Slechts 15% heeft het gevoel dat de onderneming hen in staat stelt om hun taken optimaal uit te voeren.

– Slechts 20% vertrouwd de onderneming, waarvor zij werken, volledig.

Page 10: DDMA 3 maart 2009 Human Inference over Datakwaliteit

De optimale organisatie?

Systemen

Mensen Processen

DQ DG

Page 11: DDMA 3 maart 2009 Human Inference over Datakwaliteit

Data governance verantwoorde-lijkheidsmatrix binnen DQM

ROLLEN

TAKEN BINNEN DQM

VERANTWOORDELIJKHEDEN (TOEKENNEN VAN ROLLEN AAN TAKEN)

Page 12: DDMA 3 maart 2009 Human Inference over Datakwaliteit
Page 13: DDMA 3 maart 2009 Human Inference over Datakwaliteit

Toewijzing van verantwoordelijkheden aan rollen: de RACI- notatieResponsible –rollen die bepaalde taken uitvoeren

of zorgen voor de uitvoering van die taken

Accountable – rollen die toestemming geven voor (deel)taken

Consulted – rollen die specifieke vakkennis bijdragen

Informed – rollen die over bepaalde beslissingen en resultaten geïnformeerd worden

Page 14: DDMA 3 maart 2009 Human Inference over Datakwaliteit

Operational data governance - exampleTasks Roles

Chief data steward

Technical data steward

Master data unit head

Business process owners

Legal entity

Service provider

Uitvoering performance-verbeterings-proces

R

Ontwikkeling MD tools en applicaties

A R A/C C

Onderhoud technische systeem-architectuur

R I C

Project- management

R C C C C

Technische ondersteu-ning

R C

Business support RTraining C C R C C

Page 15: DDMA 3 maart 2009 Human Inference over Datakwaliteit

“We have learned to live in a world with mistakes and defects as if they are necessary to life. It is time to adopt a new philosophy”

W.E. Deming 1900 – 1993Statisticus en kwaliteitsguru

Page 16: DDMA 3 maart 2009 Human Inference over Datakwaliteit

De data steward (verantwoordelijk voor het management van data)

KEUZE

Beschrijving Procesimpact Kosten

Winst of verlies

A Verzamel meer data/informatie

Laag €1000.-

- 0 -

B Pilotproject Gemiddeld €2000.-

Correcte voorspeling

+ €3000.-

Foute voorspelling

- €3000.-

C Volledige implementatie

Hoog €5000.-

Correcte voorspeling

+ €20.000

Foute voorspelling

- €20.000

Page 17: DDMA 3 maart 2009 Human Inference over Datakwaliteit

1, 2, 6, …..

Page 18: DDMA 3 maart 2009 Human Inference over Datakwaliteit

Correcte gegevens leiden tot beter beheersbare processen: 1, 2, 6, ....

KEUZE

Beschrijving Procesimpact Kosten

Winst of verlies

A Verzamel meer data/informatie

Laag €1000.-

- 0 -

B Pilotproject Gemiddeld €2000.-

Correcte voorspeling

+ €3000.-

Foute voorspelling

- €3000.-

C Volledige implementatie

Hoog €5000.-

Correcte voorspeling

+ €20.000

Foute voorspelling

- €20.000

Page 19: DDMA 3 maart 2009 Human Inference over Datakwaliteit

1, 2, 6, 7

Page 20: DDMA 3 maart 2009 Human Inference over Datakwaliteit

Correcte data en goede processen leiden tot succes: 1, 2, 6, 7, ......

KEUZE

Beschrijving Procesimpact Kosten

Winst of verlies

A Verzamel meer data/informatie

Laag €1000.-

- 0 -

B Pilotproject Gemiddeld €2000.-

Correcte voorspeling

+ €3000.-

Foute voorspelling

- €3000.-

C Volledige implementatie

Hoog €5000.-

Correcte voorspeling

+ €20.000

Foute voorspelling

- €20.000

Page 21: DDMA 3 maart 2009 Human Inference over Datakwaliteit

1, 2, 6, 7, 11

Page 22: DDMA 3 maart 2009 Human Inference over Datakwaliteit

“Datakwaliteit is ieders verantwoordelijkheid!”

Datakwaliteitsmanagement kan niet zonder data governance en data governance kan niet zonder datakwaliteitsmanagement

Page 23: DDMA 3 maart 2009 Human Inference over Datakwaliteit

DQ & DG Recursieve afhankelijkheid

Ondernemings-strategie

Omvang onderneming

Processen

Organisatie-structuur

Expertise

Systemen

DQ & data

governance

Zonder een goed evenwicht tussen besluitvormings-processen, betrouwbare data en belegde verantwoordelijkheden is kwalitatief management van gegevens een utopie.

Page 24: DDMA 3 maart 2009 Human Inference over Datakwaliteit
Page 25: DDMA 3 maart 2009 Human Inference over Datakwaliteit

Value your data

[email protected]