Grip op datakwaliteit van AAT tot Z -...

21
Grip op datakwaliteit van AAT tot Z Kasper Kisjes, Rijkswaterstaat

Transcript of Grip op datakwaliteit van AAT tot Z -...

Grip op datakwaliteit

van AAT tot Z

Kasper Kisjes, Rijkswaterstaat

Rijkswaterstaat 3 WATERINFODAG 2018

NN

ON

ZN

WN -N

WN -Z

ZD

Rijkswaterstaat: 8700 medewerkers verdeeld over…

• 7 landelijke organisatieonderdelen (+ Bestuursstaf)

• 7 regionale organisatieonderdelen (vroeger meer)

• 7 hoofdprocessen:

Omgevings- & Assetmanagement

Verkeer & Watermanagement

Kennis en Netwerkkwaliteit

Aanleg & Onderhoud

Informatie-voorziening

Bedrijfsvoering

Crisismanagement

Rijkswaterstaat 4 WATERINFODAG 2018

Rijkswaterstaat: 8700 medewerkers verdeeld over…

• 7 landelijke organisatieonderdelen (+ Bestuursstaf)

• 7 regionale organisatieonderdelen (vroeger meer)

• 7 hoofdprocessen:

Omgevings- & Assetmanagement

Verkeer & Watermanagement

Kennis en Netwerkkwaliteit

Aanleg & Onderhoud

Informatie-voorziening

Bedrijfsvoering

Crisismanagement

Rijkswaterstaat 5 WATERINFODAG 2018

Data bij Rijkswaterstaat

Aan de ene kant ‘hot’:

• RWS na CBS grootste leverancier open data

• Informatiegestuurd werken steeds nadrukkelijker doel

• Veelbelovende nieuwe ontwikkelingen rondom big data, algoritmes, machine learning, data science…

• Investeringen in BI, Datalab, opleidingen

Rijkswaterstaat 6 WATERINFODAG 2018

Data bij Rijkswaterstaat

Tegelijkertijd:

• Data nog vaak een ‘bijproduct’

• Honderden ‘legacy’ systemen en databronnen

• Verschillen tussen hoofdprocessen en regio’s

Rijkswaterstaat 7 WATERINFODAG 2018

Data bij Rijkswaterstaat

Grote vraag om data, onvoldoende datakwaliteit. Gevolg:

• In vrijwel iedere afdeling 10–70% van tijd verloren als gevolg van ontoereikende datakwaliteit

• Herinwinnen van areaalgegevens door aannemers grootste oorzaak ‘verzoeken tot wijziging’ M€

• Verkrijgen van landelijke cijfers (stuurinformatie voor beleidsmakers) enorme klus

• Rendement van investeringen in IT en expertise voor data-analyse geremd door beschikbaarheid goede data

2015: centrale datakwaliteitsmonitoring als strategisch doel

Rijkswaterstaat 8 WATERINFODAG 2018

Data bij Rijkswaterstaat

Datakwaliteitscontroles tot nu toe:

• Vooral gericht op binnenkomende data

• Meestal handmatig en ad hoc

• Subjectieve en onvergelijkbare resultaten

• Zeer veel verschillende tools in omloop

• Vele interpretaties van datakwaliteit

• Geen centraal inzicht in informatiebehoefte

• Problemen blijven onzichtbaar voor management

• Geen grip op datakwaliteit

Rijkswaterstaat 9 WATERINFODAG 2018

• Meten staat centraal

• Geen project maar een continu proces

• Centraal kernteam borgt standaard werkwijze

• Iedere data-eigenaar verantwoordelijk voor verbeteringen van de data zelf en het proces

Een nieuwe koers voor datakwaliteit

Centraal kernteam

Iedere data-eigenaar

Rijkswaterstaat 10 WATERINFODAG 2018

Het RWS datakwaliteitsraamwerk

• Datakwaliteit zeer breed gedefinieerd: fitness for use

– Uitgesplitst naar 8 hoofddimensies en 47 subdimensies

• Drie doelen:

– Een gemeenschappelijke taal

– Inspiratie voor het opstellen van eisen

– Vergelijkbare uitkomsten van metingen

• Termen en definities afgestemd met kader Omgevingswet

– (maar die is beperkter)

Rijkswaterstaat 11 WATERINFODAG 2018

Het RWS datakwaliteitsraamwerk

Rijkswaterstaat 12 WATERINFODAG 2018

Meetbaar maken: drie smaken

AAT: Automatische Audit Tool

Creëren tweede bronnen

Periodieke self-assessment

Rijkswaterstaat 13 WATERINFODAG 2018

AAT: de Automatische Audit Tool

• Uitgangspunt: controleregels functioneel vastleggen en configureren

• Alleen de (herbruikbare) bouwstenen hoeven echt geprogrammeerd te worden

• Centrale aansluiting op (kopieën van) brondata

• Centrale referentiedatabase voor domeinlijsten

• Uniforme dashboards en rapportages

• Centraal kernteam legt controleregels op uniforme wijze vast (maar verzint ze nooit zelf!) Datareservoir

upload

Rijkswaterstaat 14 WATERINFODAG 2018

Meten is weten

Rijkswaterstaat 15 WATERINFODAG 2018

Impact op processen

Het systematisch meten en rapporteren van datakwaliteit heeft al geleid tot…

• Tastbare, RWS-brede managementafspraken

• Identificatie van gaten in de governance

• Harmonisatie tussen regio’s, processen en ketens

• Databewustzijn en kennisborging

• Daadwerkelijke besparingen

Rijkswaterstaat 16 WATERINFODAG 2018

Aandacht voor datakwaliteit maakt veel los

Rondom het datakwaliteitsinitiatief zijn tal van andere trajecten gestart:

• Een AVG-proof RWS datareservoir

• Centrale referentiedatabase

• Herziening rolhoudersmodel data

• Inventarisatie datastromen

• Domeinoverstijgend informatiemodel

Rijkswaterstaat 17 WATERINFODAG 2018

Conclusie 1: Datakwaliteit heeft een directe impact op capaciteit en budget

Rijkswaterstaat 18 WATERINFODAG 2018

Conclusie 2: Door datakwaliteit zichtbaar te maken, ontstaat veel beweging

Rijkswaterstaat 19 WATERINFODAG 2018

Conclusie 3: Inzetten op aantoonbare datakwaliteit leidt onvermijdelijk ook tot veel andere verbeteringen op het gebied van data management

Rijkswaterstaat 20 WATERINFODAG 2018

Vragen?

Contactgegevens:

Kasper Kisjes 06 50 60 84 54 [email protected]