“In welk archief kan ik deze gegevens ook alweer vinden?” “Ik kom dezelfde fout elke keer in meerdere systemen tegen.” “Waarom is de informatie nu alweer zo onlogisch gestructureerd?” Dit zijn vragen en opmerkingen die je herhaaldelijk bij gemeenten en omgevingsdiensten voorbij hoort komen.

De oorzaak is dat er onvoldoende samenhang en eenduidigheid is in gegevens. Als de data überhaupt al digitaal beschikbaar is. Dit vormt een probleem, omdat op basis van deze data onder meer (nieuw) beleid wordt gemaakt of wetten worden uitgevoerd.

Om tot kwalitatieve data te komen, lees: eenduidige, complete en toegankelijke data, moet je in onze ogen 5 fasen doorlopen.

Digitale overheid

Het belang van de kwaliteit van data voor de steeds digitaler wordende overheid is groot. De gegevens worden gebruikt in allerlei primaire processen die van invloed zijn op de rechten en plichten van burgers. Ook staat de nieuwe Omgevingswet voor de deur. Kwalitatieve gegevens zijn daarbij de basis voor goed bestuur, en vertrouwen van de burger in een overheid die klantgericht is, haar zaken op orde heeft en niet meer kost dan nodig is.

“De kwaliteit van broninformatiesystemen is bij veel publieke instanties nog onvoldoende.”

Onze opdrachtgevers hebben hierdoor de ambitie om hun broninformatiesystemen op te schonen, te actualiseren en toegankelijker te maken, om op die manier effectiever te kunnen werken en de dienstverlening richting de burger te verbeteren. Dit bereik je in 5 fasen:

Fase 1: data onderzoeken, ordenen en opdelen in batches.  

Om te weten welke data onmisbaar is voor (de juiste uitvoer van) wet- en regelgeving onderzoek je hoe je de gegevens bij elkaar kunt brengen en hoe je daarin overzicht kunt aanbrengen. Vragen die daarbij aan de orde komen, zijn:

–       Welke data is relevant om het gewenste resultaat te bereiken?

–       Hoe is de informatie geordend? In fysieke dossiers in een archief of volledig digitaal?

–       Bevindt de data zich in meerdere archiefsystemen en/of in één zaaksysteem?

–       Is de relevante data daar makkelijk uit te halen of kost dit meer tijd?

Deel vervolgens de beschikbare en relevante informatie op in behapbare brokken.

Fase 2. Werkwijze standaardiseren door protocollen en beslisregels.  

De volgende stap is het opstellen van protocollen en beslisregels die bij de verwerking van de data leiden tot het gewenste resultaat. Het kan immers voorkomen dat bepaalde gegevens nog niet zijn beschreven in de beslisregels. Bijvoorbeeld omdat de data ouder is dan de protocollen die de bronhouder heeft opgesteld, omdat de wetgeving rondom die protocollen niet meer geldt of omdat de situatie die in kaart is gebracht in de loop der tijd veranderd is.

Dit is de reden dat je ook tijdens het project de beslisregels moet blijven aanvullen, zodat er geen ruimte voor interpretatie mogelijk is en je de kwaliteit van data daadwerkelijk kan waarborgen.

“Door het gestandaardiseerd verwerken van data, minimaliseer je ruimte voor verschillende interpretaties.”

Fase 3. Steekproef als pilot uitvoeren.

Fase 3 begint met een steekproef die uitwijst of het gehele pakket aan beslisregels afdoende is om de bulk zonder noemenswaardig risico te kunnen uitvoeren. Dit gaat om het risico dat het data op orde project het vooraf vastgestelde budget en de tijdsplanning zou kunnen gaan overschrijden. Bijvoorbeeld doordat er meer handmatig zoekwerk nodig is in fysieke documenten dan het verwerken van digitale data alleen. De vraag die je in deze fase dan ook wilt beantwoorden is: Zorgen de beslisregels voor een efficiënte en duurzame verwerking van de data?

De uitdaging is om tot een statistisch significante steekproefgrootte te komen en toeval zoveel mogelijk uit te sluiten. Op basis van de uitkomsten van de steekproef kun je goed inschatten of de planning en het bijbehorend kostenplaatje nog steeds realistisch zijn. Is dit niet het geval, dan moet je weer terug naar fase 2 om de nodige aanpassingen door te voeren.

Fase 4. Verwerken van de bulk

Zodra de uitkomsten van de steekproef positief zijn, kan er gestart worden met het verwerken van de bulk en het verder op orde brengen van gegevens. Ook in dit proces worden de beslisregels waar nodig tussentijds aangepast.

“Bewezen protocollen zijn niet alleen van belang voor het op orde krijgen van je data, maar ook om het op orde te houden.”

Fase 5. Monitoren, bijsturen en evalueren. 

De laatste fase beslaat het hele proces van tussentijds monitoren of de risico’s die de steekproef aan het licht heeft gebracht op de juiste manier opgevangen worden: van het bijsturen van het project, inclusief het optimaliseren van de communicatie tussen de projectmedewerkers en de eigenaar van de data, tot en met het afsluitend evalueren of de gestelde doelen zijn behaald en de gewenste datakwaliteit is bereikt.

Bij AbelTalent zien we dat het doorlopen van deze fasen leidt tot het gestructureerd en efficiënt verwerken van data. Dit is niet alleen van belang voor het op orde krijgen van data, dit zorgt er ook voor dat data in de toekomst volgens een vast en bewezen protocol ingevoerd wordt. Je houdt hiermee dus ook je data op orde en de kosten laag, wat dit een duurzame manier van werken maakt.

Conclusie

Om de data op orde te brengen, moet eerst een goede inventarisatie worden gemaakt van de data waar je als organisatie mee te maken hebt. Door daarbij te werken met beslisregels en die te blijven aanvullen, maakt het niet uit dat sommige gegevens verouderd zijn. Aandachtspunten in dit proces zijn verder het inrichten van een relevante pilot/steekproef en het vormen van een realistisch beeld over de te verwachte tijdsbesteding en het benodigde budget in praktijk. Een projectmatige aanpak in het toegankelijk maken van data op basis van beslisregels leidt zo tot een flinke kostenbesparing en een duurzaam resultaat.