Van dashboards naar datakwaliteit

Wat begon met een paar eenvoudige dashboards, groeide in de gemeente Losser uit tot een stevige aanpak voor datakwaliteit. Datacoördinator Thomas Slingerland vertelt hoe hij samen met collega’s en partners — waaronder het Kennisnetwerk Data en Samenleving — bouwt aan een solide basis voor betrouwbaar, transparant en effectief datagebruik. ‘Datakwaliteit is geen IT-feestje, maar een organisatievraagstuk. En een sleutel tot innovatie.’

Thomas Slingerland is datacoördinator bij de gemeente Losser. Tijdens zijn studie richtte hij zich op data-analyse van hersenen en spieren; nu richt hij zich op de data-analyse van gemeentelijke gegevens. ‘Toen ik begon was er op dit gebied niet veel. Ik ben toen begonnen met het ontwikkelen van een aantal dashboards om het onderwerp onder de aandacht te brengen. Die sloegen aan en markeerden de start van datagedreven werken.’

‘De dashboards werden aanvankelijk gebruikt voor ad-hocvragen, maar naarmate de tijd vorderde zijn we overgestapt naar een meer gestructureerde aanpak. Als dat eenmaal staat, zie je al snel waar nog meer winst te behalen valt. Zo kwamen we uit bij datakwaliteit, data-architectuur en kennis over data. De gemeente Enschede ondersteunt ons op het gebied van data-architectuur, dus dat is niet mijn focus. Maar met datakwaliteit en kennis over data ben ik hard aan de slag gegaan om stappen te zetten richting een volledig datagedreven gemeente.’

Jij hebt dus datakwaliteit op de agenda gezet. Wat waren voor jou de signalen dat dit niet op orde was?

‘Dat was eigenlijk tweeledig. Ten eerste ben ik me gaan verdiepen in de theorie achter datakwaliteit. Daarbij stuitte ik op een overzicht waarin verschillende fases werden beschreven. Fase één is het beginstadium — bij ons was dat het opzetten van de eerste dashboards. We bevinden ons nu in fase twee, waarin je de datakwaliteit, data-architectuur en datageletterdheid op orde brengt.
Ten tweede merkte ik in de praktijk dat veel registraties nog niet goed verliepen. Er kwam wel data uit de systemen, maar de betrouwbaarheid was niet te garanderen. Om dat op te lossen moet je de datakwaliteit verbeteren. Als die op orde is, ben je betrouwbaarder, transparanter en kan je efficiënter en effectiever werken. Bovendien maakt goede datakwaliteit innovatie makkelijker. Stel dat je iets met AI wilt doen met je datasets — los van de privacy en ethische aspecten — dan is goede datakwaliteit essentieel om de uitkomsten als betrouwbaar te kunnen beschouwen.’

Wat verstaan jullie onder datakwaliteit?

‘Datakwaliteit moet voldoen aan een aantal voorwaarden: accuraat, consistent, geloofwaardig, compleet en actueel. Als die vijf componenten op orde zijn, dan is de datakwaliteit hoog genoeg en is de data betrouwbaar. We zijn nu bezig om de data op deze vijf onderdelen structureel te verbeteren.’
‘Binnen de gemeente werken we met gestructureerde en ongestructureerde data. Gestructureerde data zijn gegevens die we vastleggen in applicaties, bijvoorbeeld over het sociaal domein of vergunningsaanvragen. Daar tegenover staan ongestructureerde data — denk aan e-mails, appjes en papieren documenten. Ook daarvan moet de kwaliteit goed zijn, bijvoorbeeld met het oog op betrouwbaarheid en wettelijke verplichtingen zoals de AVG en de Archiefwet.’

Werd er al op andere manieren gewerkt aan datakwaliteit binnen de gemeente?

‘Op het gebied van datakwaliteit nog niet. We hadden wel al andere datarollen. Naast mij is er bijvoorbeeld een data-analist en in elk team zit minimaal één persoon met affiniteit voor data. Zo kunnen we makkelijker draagvlak creëren voor datagedreven werken — en dus voor datakwaliteit. Het succes staat of valt uiteindelijk met de mensen.’

Hoe pak je de datakwaliteit concreet aan?

‘Ons plan is in de kern gericht op het verbeteren van zowel de gestructureerde als ongestructureerde data. Het plan om de ongestructureerde data aan te pakken, komt van de gemeente Enschede. Ik help daar bij de implementatie. Voor de gestructureerde data hebben we zelf een plan opgesteld dat per team wordt uitgerold. We hebben vijf teams en per team bekijken we hoe we de datakwaliteit kunnen verbeteren. Daarvoor hebben we een organisatiestructuur opgesteld.

‘In elk team zijn er bepaalde rollen met verantwoordelijkheden rond datakwaliteit. De teamleider is eindverantwoordelijk voor de processen, de registratie en de kwaliteit van de data. Daarnaast houdt een kwaliteitscoördinator periodiek toezicht op de datakwaliteit en coördineren zij de controles. Verder zijn er de applicatiebeheerders en leden van de ‘datakring’ — mensen met affiniteit voor data. Zij vervullen een signalerende rol. Tot slot zijn er de kwaliteitsmedewerkers, die daadwerkelijk de controles uitvoeren. Voor hen betekent dit een uitbreiding van hun takenpakket. Daarom ben ik bezig met het ontwikkelen van een tool of dashboard waarmee zij in één oogopslag kunnen zien hoe het met de datakwaliteit per team staat. Dat is nog in ontwikkeling, dus daar kan ik nog niet veel over zeggen. Het doel van het dashboard is om het zo makkelijk mogelijk voor ze te maken.’

‘We werken vanuit de bestaande organisatiestructuur. We richten ons nu op de kwantitatieve data, nog niet op de kwalitatieve data. We kijken niet per zaak, maar naar de grotere bulk. We starten met de belangrijkste zes tot tien velden of tabellen van een team — daarmee dekken we al 80% van de kwaliteit af. Daarna kunnen we, als er iets opvalt, extra onderdelen toevoegen. Het is een pragmatische aanpak, waarbij we telkens een stap zetten via de PDCA-cyclus (Plan-Do-Check-Act) en/of in sprints volgens de Scrum-methode. De volgende stap zou het aanpakken van de werkprocessen zijn, maar dit valt meer onder de kwalitatieve data. Voor nu richten we ons eerst op het realiseren van die 80%, daarna volgt de rest.’

Wie heb jij geactiveerd om dit plan en de aandacht voor datakwaliteit op gang te krijgen?

‘Ik had het voordeel dat ik vanuit Enschede al een aanknopingspunt had rondom ongestructureerde data. Binnen de gemeente Losser was het vooral belangrijk dat ik de strateeg aan mijn zijde had. We werkten samen en hij was al actief bezig met het thema ‘verantwoord informatiegebruik’. Ik heb hem erop gewezen dat datakwaliteit daar onlosmakelijk bij hoort. Vervolgens hebben we samen plannen uitgewerkt en deze besproken met de teamleiders. Wanneer je de strateeg aan boord hebt, krijg je ook de teamleiders mee, en daarmee groeit het besef van het belang van datakwaliteit. In elk team hebben we bovendien iemand met affiniteit voor data, die als aanspreekpunt fungeert en het team kan motiveren. Door op die manier zowel van bovenaf (de strateeg), via de teamleiders als van onderaf (de datakring) te mobiliseren, creëer je het benodigde draagvlak om met datakwaliteit aan de slag te gaan.’

Waar zouden gemeenten moeten beginnen met het aanpakken van datakwaliteit?

‘De eerste stap is om dashboards te ontwikkelen afgestemd op actuele informatiebehoeften. Dit begint met inventariseren waar de behoefte ligt, en daar een dashboard voor ontwikkelen dat inzicht biedt. Vanuit deze ad-hoc oplossingen kun je toewerken naar structurele oplossingen voor informatievragen. Zodra die basis er is, wordt het ook makkelijker om signalen op te vangen over datakwaliteit. Op basis van dashboards kun je namelijk gericht het gesprek aangaan over kwaliteit van data en draagvlak creëren binnen teams. Een sterk argument om de urgentie duidelijk te maken, is dat een betere datakwaliteit tot wel 30% besparing op de begroting kan opleveren. Het levert dus zowel financiële als een maatschappelijke meerwaarde op. Door te investeren in datakwaliteit kunnen medewerkers hun werk effectiever en efficiënter uitvoeren, wat direct ten goede komt aan de dienstverlening aan inwoners. Datakwaliteit komt daarmee eigenlijk pas in de tweede fase aan bod, samen met data-architectuur en datageletterdheid. De eerste stap is het creëren van draagvlak via praktische dashboards.’

Waar ben je tegenaan gelopen tijdens dit proces?

‘De grootste uitdaging was het gebrek aan concrete praktijkvoorbeelden. Ik was erg zoekende naar hoe je een klein dataproduct kunt maken dat inzicht geeft in datakwaliteit. Het analyseren van de organisatiestructuur en het creëren van draagvlak via de datakring en goede argumenten lukte prima. Maar het echt overzichtelijk in kaart brengen van datakwaliteit bleek complex. De kernvraag was: hoe pakken we dit op een praktische en behapbare manier aan? Die vraag bleef in het begin en blijft lastig te beantwoorden.’

Hoe kan het Kennisnetwerk ondersteunen op het gebied van datakwaliteit?

‘Kennisdeling alleen al is ontzettend waardevol. Het feit dat je bij elkaar een kijkje in de keuken kunt nemen, helpt enorm. Dat aspect heb ik zelf in het begin gemist. Ik hoop in de toekomst ook zelf een bijdrage te kunnen leveren aan het netwerk, door mijn ervaringen te delen en anderen te helpen op weg naar betere datakwaliteit.’

Lees ook:

• Rotterdam introduceert kwaliteitslabel voor data – iBestuur
• De kwaliteit van data – iBestuur
• Bredata: masterplan voor digitalisering met menselijke maat – iBestuur