Berichten

Datakwaliteit – hoe staan we ervoor in 2019?

“De datagedreven woningcorporatie”, “gebruik van Big data” en “met Artificial intelligence leegstand voorspellen of onderhoud stroomlijnen”. Zomaar een aantal veelgehoorde termen en activiteiten die we vaak tegenkomen bij woningcorporaties. De daadwerkelijke waarde hiervan is echter afhankelijk van de mate waarin de organisatie haar eigen data (structureel) op orde heeft. Zolang de interne datakwaliteit nog te wensen overlaat blijven de vervolgprocessen gebaseerd op deze gebrekkige informatie met foutieve aannames (of extra ad-hoc-inspanning ter correctie) tot gevolg!

Afgelopen jaar bleek dat hier nog veel te winnen valt. Binnen woningcorporaties spelen diverse projecten om de interne datakwaliteit te verbeteren en dit ook te borgen binnen de bedrijfsprocessen. Ook binnen Aedes is hiervoor een project opgezet. Wat zijn we het afgelopen jaar tegengekomen en wat is de verwachting voor het huidige jaar?  

Data-op-orde projecten
Afgelopen jaar zijn we bij diverse woningcorporaties betrokken geweest bij datakwaliteitprojecten. Bij een aantal organisaties draaide het vooral om het data-op-orde brengen voor een of meerdere bedrijfsdomeinen. Het gevoel dat er data-issues zijn, leefde sterk. Vragen kwamen naar boven zoals: zijn de klantgegevens wel volledig en up-to date, zijn de datavelden achter de woningwaardering wel correct of hebben al onze woningen wel de juiste WWS-punten? Maar dat er structurele data-issues zijn en waar ze precies zitten is niet altijd bekend. Dit onderbuikgevoel geeft wel voldoende reden om over de datakwaliteit te mopperen; zeker wanneer iemand binnen zijn of haar functie afhankelijk is van goede data maar de data zelf niet invoert. In dit geval kan deze medewerker de data controleren en eventueel in een eigen lijstje gaan corrigeren of aanvullen. De bron wordt echter niet gecorrigeerd of aangevuld. Op deze wijze ontstaan er allerlei lijstjes en dus verschillende waarheden.

Voor 4 woningcorporaties hebben we vorig jaar een nulmeting op hun datakwaliteit uitgevoerd. Het meten van de huidige datakwaliteit geeft een compleet beeld en beoordeling van alle belangrijke datavelden van een of meerdere domeinen. Uiteindelijk mondt de nulmeting uit in een rapportcijfer. Dit rapportcijfer is de start van het actieplan. Allereerst maakt het de organisatie bewust van hun eigen datakwaliteit en geeft het pragmatische handvatten om deze kwaliteit naar een hoger plan te tillen. Echter, verbeteren van de datakwaliteit is één, maar hoe moet hierop gestuurd worden in de toekomst?

Daarnaast zijn we ook datakwaliteitsprojecten tegengekomen waarbij het bovenstaande vraagstuk al aan de orde kwam. Hoe houden we, indien de datakwaliteit op het gewenste niveau zit, de data goed? Een eenmalige verbeterronde moet uiteraard niet het eindpunt zijn. Na verloop van tijd zakt de datakwaliteit waarschijnlijk weer richting het oude niveau. Een van de verbeterpunten die we aangedragen hebben, is om de nulmeting continue te herhalen (monitoring van de datakwaliteit). Het monitoren heeft als groot voordeel dat er trendlijnen ontstaan en er dagelijks, wekelijks of maandelijks over gerapporteerd kan worden. De verbetering van de datakwaliteit wordt zichtbaar gemaakt en kan gezamenlijk worden gevierd. Tevens kan er direct worden geschakeld met de betreffende medewerker indien er weer nieuwe fouten ontstaan. Bij drie woningcorporaties hebben we in 2018 onze monitortool (DQ monitor) geïmplementeerd en bij hen is de datakwaliteit sindsdien aanzienlijk verbeterd.

Naast de nulmeting en monitor-tooling is het ook goed om de werkwijzen en processen uit te werken zodat het data-assets beheer gewaarborgd wordt. Dan hebben we het over data governance. Dit vereist een combinatie van mensen, regels en procedures voor het formele databeheer.

Data Governance is de formele orchestratie van mensen, processen en technologie om een organisatie in staat te stellen data als een bedrijfsmiddel te gebruiken.”

(The MDM Institute). Met de datagedreven woningcorporatie komen we terug bij het begin van dit artikel. Dat doel kan alleen worden gehaald wanneer stap voor stap de data governance wordt verbeterd. En dit vereist een bredere focus dan alleen de data zelf.

CNS biedt dit jaar (naast de nulmeting en monitoring) een volwassenheidsscan aan waarbij er, naast de datakwaliteit, ook gekeken wordt naar de processen en organisatie (zie figuur hierboven). Om een datagedreven woningcorporatie te worden, dient in ieder geval de volwassenheidsfase “beheerd” te worden bereikt.

Best Practice
Omdat we veelal dezelfde issues tegenkomen bij woningcorporaties werken we gezamenlijk met onze klanten aan een best practice “data op orde”. Begin 2019 starten we met een periodieke gebruikersdag datakwaliteit waar we onder andere deze best practice gaan uitwerken. Geïnteresseerd in deze best practice, in een nulmeting of volwassenheidsscan? Neem contact op met: sales@cns.nl of 088-3880005

Standaards en voorspellende inzichten Woonruimteverdeling

Het belang van woonkoepels om data te vergelijken in diverse regio’s is groot, waardoor de behoefte aan standaards in het verhuurproces groeit. Samen met klanten werkt CNS al een aantal jaren aan de ontwikkeling van managementrapportages gebaseerd op branchestandaards. Vertegenwoordigers van woonkoepels en CNS spraken hierover tijdens een bijeenkomst afgelopen week.

De sessie met woonkoepels stond voor een deel in het teken van de nieuwste Standaard Module Verhuurproces die CNS specifiek voor woonkoepels heeft ontwikkeld. Door de inzet van generieke, zeer begrijpelijke datamodellen, gebaseerd op Power BI, is analyse eenvoudig en breed toegankelijk voor gebruikers.

Twee Sociale Verhuurders, Haaglanden en Thuis in Limburg, zijn woonkoepels die ervaring hebben met de ontwikkeling van standaards binnen ZIG en Aedes. Daarnaast houden zij zich actief bezig met toekomstige vraagstukken op het gebied van woonruimteverdeling. Tijdens de sessie werd van gedachten gewisseld over de meetbaarheid van beleid. Wat kunnen we met resultaten vanuit stuur- en verantwoordingsinformatie waarin zoveel mogelijk gebruik wordt gemaakt van standaards? De gedachte is dat alleen op die wijze benchmarking mogelijk is, waarbij je concrete kennis en ervaring kan uitwisselen vanuit verschillende regio’s.

Voor toekomstige vraagstukken in de woonruimteverdeling werden in de sessie de mogelijkheden van voorspellende inzichten besproken. Door beleidseffecten voorspelbaar te maken kan je beleid veel gerichter maken en stakeholders beter adviseren. Afgesproken is dat er wordt gekeken naar concrete casusmogelijkheden die woonkoepels later gezamenlijk of afzonderlijk kunnen uitwerken.