Investeren in datakwaliteit is rotklus, maar moeite waard

CEO's zijn veel beter in staat hun organisatie aan te sturen als hun data wél op orde zijn. Helemaal als zij geconfronteerd worden met grote onverwachte gebeurtenissen zoals Covid-19. Bovendien bespaart het veel kosten. Het is daarom zeer de moeite waard om te investeren in die ‘rotklus’ rondom data. 

Verschillende definities zorgen voor onduidelijkheid

Je zou zeggen: één druk op de knop en dan weet een organisatie hoeveel mensen zij in dienst heeft. Toch kan het zomaar zijn dat zo’n eenvoudige vraag meerdere antwoorden oplevert. Bijvoorbeeld omdat er binnen die organisatie verschillende definities circuleren van wat een werknemer is: heb je het over mensen of fte’s? Is een fte 36, 38 of veertig uur per week? Pak je het gemiddelde in een periode of de headcount aan het einde van die periode? 

Onnauwkeurige of ontbrekende data

Organisaties kunnen dus lang niet altijd op basis van eigen niet-financiële data relatief eenvoudige, maar wel belangrijke vragen beantwoorden. Omdat eenduidige definities ontbreken, of omdat de data onnauwkeurig, in het verkeerde formaat of helemaal niet worden vastgelegd. Of omdat systemen die in de loop van de tijd aan elkaar zijn geknoopt, niet lekker met elkaar communiceren. 

Waarom zijn niet-financiële data zo belangrijk? 

• Je kunt niet coachen op basis van het resultaat

Niet-financiële gegevens zijn heel belangrijk voor het aansturen van organisaties, waarbij de financiële data de uitkomsten vormen van dat sturingsproces. 

Vergelijk het sturen op alleen financiële indicatoren met een coach die langs de lijn ‘2-0, 2-0’ staat te roepen. Dat is misschien wel het gewenste resultaat, maar de spelers in het veld hebben er niet zoveel aan. Betere data leiden tot betere beslissingen.

• Snel reageren als een crisis over je heen walst

De respons van bedrijven op onverwachte gebeurtenissen - hun weerbaarheid en wendbaarheid - gaat bijna altijd over informatie. Hoe snel ben je als bedrijf in staat informatie op tafel te krijgen, waaruit je inzichten destilleert en waarop je uiteindelijk besluiten en acties baseert?

Tijdens deze Covid-19-crisis hebben we gezien dat veel bedrijven pas op zoek gingen naar informatie en een oplossing toen de crisis al over hen heen walste. Ze hadden het antwoord niet paraat of wisten niet waar ze bepaalde informatie moesten halen. Bedrijven hadden bij wijze van spreken behoefte aan een heel snel antwoord op de vraag hoe lang ze het vol zouden houden. In de meeste gevallen kwam het antwoord niet met één druk op de knop op tafel.

• De belofte van data

De grote, bijna magische belofte van nieuwe technologieën en brute rekenkracht stelt financiële afdelingen in potentie in staat dingen te realiseren die ze een paar jaar geleden nog voor onmogelijk hielden. 

Enorm krachtige analysetools destilleren panklare en waardevolle informatie uit zeeën van data en kunnen in principe informatie opleveren waarvan misschien nu nog niet eens duidelijk is dat dit zinvol is. Wie echter een dergelijke beloftevolle toekomst tegemoet wil treden, moet er wel eerst voor zorgen dat de aanwezige data en datastructuren consistent en betrouwbaar zijn.

• Het scheelt geld

Flexibele en weerbare data-structuren met daarbij behorende  processen en systemen zijn nog geen gemeengoed. De financiële functie binnen organisaties zijn daardoor bezig met veel tijdrovend en handmatig werk. 

Betrouwbare en consistente data leveren simpelweg efficiëntievoordelen, en dus geld, op. Het gaat daarbij niet zelden om tientallen procenten van alle werkzaamheden binnen financiële functies.

Verbeteren datakwaliteit tijdrovend en intensief

Het verbeteren van de kwaliteit van niet-financiële data is tijdrovend, intensief en levert vaak moeizame discussies op met heel veel mensen binnen een organisatie, omdat het vrijwel alle afdelingen raakt. Het is bovendien typisch zo’n investering waarvan het nut en rendement niet onmiddellijk zichtbaar is. 

Maar een systeem werkt niet goed met slechte data

Vaak is niet duidelijk waar de verantwoordelijkheid ligt om dit complexe probleem op te lossen. Het is een klus waar bijna niemand zin in heeft. En dus blijft hij liggen. Of de focus ligt op het verbeteren van processen en systemen, wat ook belangrijk is, maar die lossen het probleem van datakwaliteit niet op: een nieuw systeem maakt zijn belofte niet waar als het draait op onvolledige, niet-eenduidige data.