Als IT-manager zit je in een lastige spagaat. De directie wil dat de organisatie datagedreven wordt, maar je weet dat de datakwaliteit op veel plekken te wensen overlaat. En daar zit het klassieke kip-ei-probleem waar veel dataprojecten op vastlopen:

• De kip: Je hebt een hoge datakwaliteit nodig om echt datagedreven te kunnen werken. Zonder betrouwbare data durft niemand beslissingen te nemen op basis van een dashboard.
• Het ei: Je moet al datagedreven gaan werken om de pijn en de consequenties van slechte datakwaliteit écht te voelen, zodat de organisatie de urgentie voelt om erin te investeren.

Zolang je in deze vicieuze cirkel blijft, gebeurt er niets. Je blijft praten over het abstracte belang van datakwaliteit, maar omdat de pijn niet direct voelbaar is, krijgt het nooit de prioriteit die het verdient. Het blijft een ‘IT-probleem’ dat op de lange baan wordt geschoven.

De doorbraak: stop met praten, begin met voelen

De oplossing voor dit dilemma is misschien niet wat je zou verwachten. Stop met proberen de datakwaliteit eerst perfect te krijgen. Stop met praten over het abstracte concept. De doorbraak is om de pijn van slechte data juist zichtbaar en voelbaar te maken.

Hoe? Door bewust een belangrijk, datagedreven proces te starten, zelfs met de imperfecte data die je nu hebt.

Kies een proces dat voor een afdeling van cruciaal belang is, bijvoorbeeld het proces rondom woningmutaties. Automatiseer dit proces en baseer het volledig op de data uit de bronsystemen. En kijk vervolgens wat er gebeurt.

• Wanneer een nieuwe woning wekenlang niet verhuurd kan worden omdat de data onvolledig is, wordt de pijn van slechte datakwaliteit ineens heel concreet. Het is niet langer een abstract percentage in een IT-rapport; het is direct voelbare, gemiste huurinkomst.
• Wanneer een medewerker drie keer zoveel tijd kwijt is aan een mutatie omdat hij handmatig data moet corrigeren, wordt de pijn een operationele frustratie.