SlideShare uma empresa Scribd logo
1 de 33
Sturen op gegevens
Gegevenskwaliteit –
een raamwerk vanuit NORA
Symposium Gegevensmanagement 2020
Danny Greefhorst (dgreefhorst@archixl.nl)
namens kernteam (Wim Stolk, Kasper Kisjes, Jaap van den Berg, Gerald Groot Roessink)
Inhoud
• Het doel en de uitgangspunten
• Gegevenskwaliteit
• De input
• Het proces
• De output op dit moment
• Het vervolg
Het doel en de uitgangspunten
• Een gemeenschappelijk raamwerk voor gegevenskwaliteit voor de
Nederlandse overheid:
• Kwaliteitsdimensies, kwaliteitsattributen en voorbeelden
• Gebaseerd op beschikbare theorie, standaarden en best practices
• Uitgaan van eerder resultaat, met name Omgevingswet raamwerk
• Gericht op praktische toepasbaarheid
Basisbegrippen
Kwaliteit: Mate waarin een geheel van
eigenschappen en kenmerken van een object
voldoet aan eisen (ISO 9000:2015 DIS).
Gegevenskwaliteit: Mate waarin een geheel
van eigenschappen en kenmerken van één of
meer gegevens voldoet aan eisen.
Gegeven: Een formeel vastgelegd feit, begrip of
aanwijzing (NORA)
Het streven is dat
gegevenskwaliteit
“fit-for-purpose” is;
dat deze aansluit bij het
gebruik
Kwaliteit heeft betrekking
op de mate waarin wordt
voldaan aan
verwachtingen
Gerelateerde begrippen
Kwaliteitsraamwerk
Dataset
Een aspect van kwaliteit
waaraan gebruikers van
gegevens waarde hechten
Een aspect van een
kwaliteitsdimensie
Een verzameling
kwaliteitsdimensies en
kwaliteitsattributen
Een verzameling gegevens
die als geheel wordt
verwerkt
Een regel die een
beperking stelt aan
gegevens
Een norm waaraan
gegevens moeten voldoen
Kwaliteits
dimensie
Kwaliteits
attribuut
KwaliteitseisKwaliteitsregel
ISO/IEC 25012
Voorbeeld kwaliteitsregels en -eisen
Kwaliteitsregels
• De naam van de medewerker komt
overeen met de naam zoals vermeld op
het paspoort
• Urendeclaraties en reisdeclaraties
overlappen niet met andere
urendeclaraties of reisdeclaraties
• Postcodes die worden geregistreerd bij
een werkreis komen voor in de
postcodetabel
• De tijd van een werkactiviteit wordt
afgerond op een half uur
• Bij urendeclaraties wordt een door de
klant getekend exemplaar van een
urenstaat meegeleverd
Kwaliteitseisen
• naam van de medewerker komt volledig
overeen met de naam zoals vermeld op
het paspoort voor 100% van de
medewerkers
• De reisafstand wijkt maximaal 5 kilometer
af van de afstand die Google maps
aangeeft voor de route voor 95% van de
werkreizen
• 95% van de postcodes die worden
geregistreerd als startpunt of eindpunt van
een werkreis komen voor in de
postcodetabel
• Urendeclaraties worden binnen 60 uur na
het verstrijken van de week in het systeem
geregistreerd
Toepassing van kwaliteitsraamwerk
BAG kwaliteitsdashboard
BAG kwaliteitsdashboard
BAG kwaliteitsdashboard
BAG kwaliteitsdashboard
Waarom is gegevenskwaliteit belangrijk in
jouw context? (1)
• Meten hoe ver je bent
• Betrouwbaarheid van gegevens
• Om correcte gevolgtrekkingen te kunnen ondersteunen
• Goede dienstverlening mogelijk maken
• Basis voor betrouwbare bedrijfsuitoefening
• Hoe gaan we het belang van gegevenskwaliteit op de agenda
van bestuurders zetten?
• Procesbehandeling
• Breed gebruik basisregistraties
• Indicatie betrouwbaarheid
• Bron voor allerhande afgeleide gegevens, moet dus
kwalitatief goed zijn
• In het kader van het hergebruiken van data is het van belang
dat de data correct is
• Zonder goede datakwaliteit, lagere betrouwbaarheid van
rapportages met potentiële verkeerde beslissingen tot gevolg
• Betere Basis
• Context Informatiebeheer: informatie bestaat steeds meer
uit gegevens die in een verband/context gebruikt worden.
Kwaliteit gegevens bepaalt kwaliteit informatie
• DUO: Om onze wettelijke taken goed uit te kunnen voeren
• Matige kwaliteit leidt tot matige beslissingen
• Zonder gegevenskwaliteit geen vertrouwen in management
informatie
• Consistentie, Validiteit, Juistheid
• Onnodig gebruik van gegevens voorkomen & kwaliteit
verhogen bij afnemers
• Beslissing met financiële gevolgen, hergebruik door andere
overheden en open data
• Voor informatie gestuurd werken, monitoren en toezicht
houden.
• Basis voor besluitvorming
Waarom is gegevenskwaliteit belangrijk in
jouw context? (2)
• Omgevingseis
• Juistheid en betrouwbaarheid
• Nemen juiste beslissingen
• Juiste informatievoorziening
• Compliance
• Goede vindbaarheid
• Betrouwbaarheid zorgt ervoor dat je betere beslissingen kan
nemen en voldoet aan alle regelgeving
• Als je rapportages maakt wil je ervan uit kunnen gaan dat de
gegevens die je gebruikt juist en volledig zijn bijvoorbeeld
• Toegankelijkheid
• Beschikbaar stellen aan initiatiefnemers voor het maken van
plannen
• Meer grip
• Zonder kwaliteitsoordeel geen houvast
• Alles wat is genoemd
• Eenheid in gebruik van gegevens
• Kans op foute beslissing in groot
• Beslissingen en keuzes op basis van de juiste informatie
• Basis informatiehuishouding gemeente
• Gebruik voor betrouwbaarheid gegevens en uitwisseling
• Betrouwbare overheid
• Efficiënte werkprocessen
• Om je doel te bereiken
• Gegevens zijn een asset
• Besluitvorming
• Aanbieder authentieke gegevens in basisregistraties
Waarom is gegevenskwaliteit belangrijk?
• Snellere en betere besluitvorming – betere gegevens leiden tot
minder discussie en meer betrouwbare besluiten
• Meer efficiënte en voorspelbare processen – betere gegevens
voorkomen inefficiënte handelingen en onverwachte verrassingen
• Compliance – door betere gegevens kun je beter, efficiënter en met
meer vertrouwen rapporteren over het voldoen aan wet- en
regelgeving
Afbakening: kwaliteit van de gegevens zelf
gegevenskwaliteit
Kwaliteit
van de
data
governance
Kwaliteit
van de
processen
Kwaliteit
van de
aanlevering
Kwaliteit
van het
informatie
model
Kwaliteit
van de
systemen
Kwaliteit
van de
gegevens
zelf
Waarde van gegevens
in gebruik (ook wel:
externe kwaliteit)
De input
Open standaarden
• ISO/IEC 25012/25024, NEN/ISO 19157, ISO 5725, ISO 8000
De facto standaarden
• DAMA-NL Code voor Informatiekwaliteit, DAMA-NL Dimensions of Data Quality,
DAMA DMBoK, Conformed Dimensions of Data Quality
Onderzoek
• R.W. Wang, C. Batini, D. McGilvary, Y. Lee, D. Loshin, G. Tejay, C. Besselink, P. van Oort
Zelf-ontwikkelde raamwerken
• Omgevingswet, Rijkswaterstaat, IPO
Ervaringen bij de Nederlandse overheid
• DSO, Kadaster, RIVM, Rijkswaterstaat, RCE, DUO, IPO, Waterschapshuis, VNG, InspectieViews
Het proces tot nu toe
• Kernteam: Wim Stolk, Danny Greefhorst, Kasper Kisjes, Jaap van den Berg,
Gerald Groot Roessink
• Confrontatie van raamwerken Omgevingswet en Rijkswaterstaat
• Kritische beoordeling door vanuit kernteam en toetsing o.b.v. DUO praktijk
• Afstemming met DAMA-NL initiatief – Dimensions of Data Quality
• Reviewronde met circa 15 reviewers
• Verwerking reviewcommentaar:
• Splitsing kern en toevoegingen voor geo- en statistiek
• Mapping op Code voor Informatiekwaliteit en nieuwe DAMA-NL lijst
• Toevoeging van toepassingsniveau
• Toevoeging van toelichtingen en meer voorbeelden
Basisraamwerk
Juistheid
Compleetheid
Validiteit
Consistentie
Actualiteit
Precisie
Plausibiliteit
Traceerbaarheid
De mate waarin gegevens de echte waarde goed weergeven.
De mate waarin gegevens aanwezig zijn.
De mate waarin gegevens voldoen aan de verwachte structuur en opslagvorm.
De mate waarin gegevens niet in tegenspraak zijn met andere gegevens.
De mate waarin gegevens recent genoeg zijn.
De mate waarin gegevens exact of onderscheidend genoeg zijn.
De mate waarin gegevens worden beschouwd als waar en geloofwaardig door gebruikers.
De mate waarin de totstandkoming en het gebruik van gegevens zijn vastgelegd.
Begrijpelijkheid De mate waarin gegevens eenvoudig gelezen en geïnterpreteerd kunnen worden door gebruikers.
Basisraamwerk
Juistheid
Compleetheid
Validiteit
Consistentie
Actualiteit
Precisie
Plausibiliteit
Traceerbaarheid
Thematische
juistheid
Dataset
compleetheid
Formaat
validiteit
Logische
consistentie
Update
frequentie
Opslagprecisie
Authenticiteit
Herleidbaarheid
Begrijpelijkheid Leesbaarheid
Classificatie
juistheid
Object
compleetheid
Domein
validiteit
Referentiële
integriteit
Versheid
Reputatie
Reproduceerbaar
heid
Over
compleetheid
Identificeerbaar
heid
Bewijsbaarheid
Historie
compleetheid
Homogeniteit
Metadata
compleetheid
Gebruiks
inzicht
StatistiekGeografie
Extensies voor geografie en statistiek
Positionele
juistheid
Ruimtelijke
dekking
Geometrische
validiteit
Topologische
consistentie
Geometrische
precisie
Kwantitatieve
juistheid
Represen
tativiteit
Statistische
precisie
Juistheid
Compleetheid
Validiteit
Consistentie
Actualiteit
Precisie
Plausibiliteit
Traceerbaarheid
Begrijpelijkheid
dataset
gegevensobject
waarde
attribuut
Toepassingsniveaus
waarde
gegevensobject
dataset
XYZ
Auto met
kenteken XYZ
Alle
geregistreerde
auto's
kenteken
dataset
gegevensobject
waarde
attribuut
Toepassingsniveaus
waarde
gegevensobject
dataset
Versheid
Update
frequentie
Homogeniteit
Identificeer
baarheid
Logische
consistentie
Referentiële
integriteit
Formaatvaliditeit
Domein
validiteit
Metadata compleetheid
Object
compleetheid
Over
compleetheid
Historie
compleetheid
Dataset
compleetheid
Thematische
juistheid
Classificatie
juistheid
Leesbaar
heid
Reproduceer
baarheid
Herleidbaarheid
Gebruiks
inzicht
Authenticiteit
Reputatie
Bewijsbaarheid
Opslag
precisie
Juistheid
Compleetheid
Validiteit
Consistentie
Actualiteit
Precisie
Plausibiliteit
Traceerbaarheid
Begrijpelijkheid
Welke vragen moet de werkgroep
beantwoorden?
• Context dus, welke gaat over de relevantie in een bepaalde
situatie
• Praktische toepasbaarheid van verschillende pooling.
Eventueel opensource
• Praktische tips voor het opstellen van kwaliteitseisen
• Een handreiking/checklist (van <100 blz als bet kan) die je als
gemeente kan gebruiken. Dit is veel theorie die ik graag zou
toepassen
• Hoe delen we dit met onderwijs (afstuderende ict-
ers/managers en zo)
• Zijn collectieve meetvoorschriften mogelijk?
• Met welke tool kun je kwaliteit van gegevens meten
• De meetbaarheid van de kwaliteit (waardes bepalen)
• informatiekwaliteit (extern) vs gegevenskwaliteit (intern)
• Uitwerking van voorbeelden, gerelateerd aan het raamwerk
• plan van aanpak, hoe pak je het aan, waar begin je, hoe kan
je effectief stappen zetten,
• Praktisch gaat voor mij over het hoe. Zijn daar story’s voor te
maken. Maakt het minder algemeen en meer te begrijpen
• Aansluiting kwaliteit op de beheersbaarheid van gegevens
volgen de archiefbeelden en AVG
• Waar begin je en hoe houd je het doel voor ogen? (Doel
wordt gaandeweg vaak uit het oog verloren)
• Hoe zien de Eerste stapjes eruit om data kwaliteit te bepalen.
Datakwaliteit voor dummy's
• Stappenplan om het praktisch toe te passen.
• Operationalisatie/ meetbaar maken
• Hoe helpt dit de digitale archiveerbaar?
• Voorbeelden van verschillende domeinen, zoals sociaal
domein, ruimtelijk domein, etc.
• tooling meten informatiekwaliteit
• Archiefbeeld en beheersbaarheid
Afsluiting
• Kwaliteit is de basis voor alles
• Kwaliteit is afhankelijk van de context
• We horen graag meer over jouw context
• NORA – Wim Stolk (info@stolkinformatiemanagement.nl)
• Omgevingswet – Danny Greefhorst (dgreefhorst@archixl.nl)
Definities kwaliteitsattributen basis (1)
Kwaliteitsattribuut Definitie
Thematische juistheid De mate waarin kwalitatief beschrijvende gegevens overeenkomen met de
werkelijkheid
Classificatie juistheid De mate waarin gegevensobjecten zijn geïdentificeerd als het juiste logische objecttype.
Dataset compleetheid De mate waarin objecten waarvan het bestaan bekend is aanwezig zijn.
Object compleetheid De mate waarin waarden bij gegevensobjecten aanwezig zijn.
Overcompleetheid De mate waarin gegevensobjecten niet onterecht aanwezig zijn.
Historie compleetheid De mate waarin historische gegevens aanwezig en temporeel dekkend zijn.
Metadata compleetheid De mate waarin metadata aanwezig zijn.
Formaatvaliditeit De mate waarin gegevens syntactisch correct zijn.
Domeinvaliditeit De mate waarin de inhoud van waarden consistent zijn met hun domein.
Logische consistentie De mate waarin de combinaties van waarden logisch samenhangend zijn.
Referentiële integriteit De mate waarin verwijzingen in gegevens verwijzen naar bestaande gegevens.
Identificeerbaarheid De mate waarin gegevens zijn voorzien van een unieke en stabiele identificatie die ook
buiten de directe gebruikscontext betekenis heeft.
Definities kwaliteitsattributen basis (2)
Kwaliteitsattribuut Definitie
Homogeniteit De mate waarin de gegevens in een dataset gelijksoortig zijn.
Updatefrequentie De snelheid waarmee gegevens worden vernieuwd.
Versheid De mate waarin gegevens tijdig zijn geactualiseerd.
Opslagprecisie De mate waarin gegevens zijn geregistreerd.
Authenticiteit De mate waarin de authenticiteit van de bron van de gegevens aantoonbaar is.
Reputatie De mate waarin de gegevens worden vertrouwd vanwege de bron.
Bewijsbaarheid De mate waarin de juistheid van een gegeven kan worden aangetoond.
Herleidbaarheid De mate waarin is vastgelegd wie of wat het gegeven waar, wanneer en op welke
manier heeft ingewonnen of bewerkt.
Reproduceerbaarheid De mate waarin de transformatieregels die zijn gebruikt om tot de gegevens te komen
bekend zijn.
Gebruiksinzicht De mate waarin er inzicht is in de gebruikers en hun gebruik.
Leesbaarheid De mate waarin teksten voor de doelgroep begrijpelijk zijn geformuleerd.
Definities kwaliteitsattributen geografie
Kwaliteitsattribuut Definitie
Positionele juistheid De mate waarin locatiegegevens overeenkomen met de werkelijkheid.
Ruimtelijke dekking De mate waarin de gegevens ruimtelijk dekkend zijn.
Topologische consistentie De mate waarin ruimtelijke gegevens zich op de juiste wijze tot elkaar verhouden.
Geometrische validiteit De mate waarin iedere geometrie voldoet aan geometrische regels.
Geometrische precisie De mate van detail waarmee ruimtelijke gegevens worden ingewonnen.
Definities kwaliteitsattributen statistiek
Kwaliteitsattribuut Definitie
Kwantitatieve juistheid De mate waarin kwantitatieve gegevens overeenkomen met de werkelijkheid.
Statistische precisie De mate waarin metingen of berekeningen bij herhaling dezelfde waarde opleveren.
Representativiteit De mate waarin een dataset een goede weergave geeft van het geheel.

Mais conteúdo relacionado

Mais procurados

AI Data Acquisition and Governance: Considerations for Success
AI Data Acquisition and Governance: Considerations for SuccessAI Data Acquisition and Governance: Considerations for Success
AI Data Acquisition and Governance: Considerations for SuccessDatabricks
 
Business glossaries - The What, the Why, and the How
Business glossaries - The What, the Why, and the HowBusiness glossaries - The What, the Why, and the How
Business glossaries - The What, the Why, and the Howgeorgefirican
 
Implementing Effective Data Governance
Implementing Effective Data GovernanceImplementing Effective Data Governance
Implementing Effective Data GovernanceChristopher Bradley
 
Emerging Trends in Data Architecture – What’s the Next Big Thing?
Emerging Trends in Data Architecture – What’s the Next Big Thing?Emerging Trends in Data Architecture – What’s the Next Big Thing?
Emerging Trends in Data Architecture – What’s the Next Big Thing?DATAVERSITY
 
Data Governance: Keystone of Information Management Initiatives
Data Governance: Keystone of Information Management InitiativesData Governance: Keystone of Information Management Initiatives
Data Governance: Keystone of Information Management InitiativesAlan McSweeney
 
Data Architecture Strategies: Building an Enterprise Data Strategy – Where to...
Data Architecture Strategies: Building an Enterprise Data Strategy – Where to...Data Architecture Strategies: Building an Enterprise Data Strategy – Where to...
Data Architecture Strategies: Building an Enterprise Data Strategy – Where to...DATAVERSITY
 
Improving Data Literacy Around Data Architecture
Improving Data Literacy Around Data ArchitectureImproving Data Literacy Around Data Architecture
Improving Data Literacy Around Data ArchitectureDATAVERSITY
 
El Gobierno de Datos está listo para mostrar su Atractivo [Data Governance is...
El Gobierno de Datos está listo para mostrar su Atractivo [Data Governance is...El Gobierno de Datos está listo para mostrar su Atractivo [Data Governance is...
El Gobierno de Datos está listo para mostrar su Atractivo [Data Governance is...Software Guru
 
Strategic imperative the enterprise data model
Strategic imperative the enterprise data modelStrategic imperative the enterprise data model
Strategic imperative the enterprise data modelDATAVERSITY
 
Data Architecture Best Practices for Advanced Analytics
Data Architecture Best Practices for Advanced AnalyticsData Architecture Best Practices for Advanced Analytics
Data Architecture Best Practices for Advanced AnalyticsDATAVERSITY
 
Gathering And Documenting Your Bi Business Requirements
Gathering And Documenting Your Bi Business RequirementsGathering And Documenting Your Bi Business Requirements
Gathering And Documenting Your Bi Business RequirementsWynyard Group
 
10 Worst Practices in Master Data Management
10 Worst Practices in Master Data Management10 Worst Practices in Master Data Management
10 Worst Practices in Master Data Managementibi
 
Governança de Dados e Big Data_v02
Governança de Dados e Big Data_v02Governança de Dados e Big Data_v02
Governança de Dados e Big Data_v02Carlos Barbieri
 
Chapter 1: The Importance of Data Assets
Chapter 1: The Importance of Data AssetsChapter 1: The Importance of Data Assets
Chapter 1: The Importance of Data AssetsAhmed Alorage
 
The data quality challenge
The data quality challengeThe data quality challenge
The data quality challengeLenia Miltiadous
 
DataEd Webinar: Reference & Master Data Management - Unlocking Business Value
DataEd Webinar:  Reference & Master Data Management - Unlocking Business ValueDataEd Webinar:  Reference & Master Data Management - Unlocking Business Value
DataEd Webinar: Reference & Master Data Management - Unlocking Business ValueDATAVERSITY
 

Mais procurados (20)

Why data governance is the new buzz?
Why data governance is the new buzz?Why data governance is the new buzz?
Why data governance is the new buzz?
 
Data modeling for the business
Data modeling for the businessData modeling for the business
Data modeling for the business
 
AI Data Acquisition and Governance: Considerations for Success
AI Data Acquisition and Governance: Considerations for SuccessAI Data Acquisition and Governance: Considerations for Success
AI Data Acquisition and Governance: Considerations for Success
 
8 Steps to Creating a Data Strategy
8 Steps to Creating a Data Strategy8 Steps to Creating a Data Strategy
8 Steps to Creating a Data Strategy
 
Business glossaries - The What, the Why, and the How
Business glossaries - The What, the Why, and the HowBusiness glossaries - The What, the Why, and the How
Business glossaries - The What, the Why, and the How
 
Implementing Effective Data Governance
Implementing Effective Data GovernanceImplementing Effective Data Governance
Implementing Effective Data Governance
 
Emerging Trends in Data Architecture – What’s the Next Big Thing?
Emerging Trends in Data Architecture – What’s the Next Big Thing?Emerging Trends in Data Architecture – What’s the Next Big Thing?
Emerging Trends in Data Architecture – What’s the Next Big Thing?
 
Data Governance: Keystone of Information Management Initiatives
Data Governance: Keystone of Information Management InitiativesData Governance: Keystone of Information Management Initiatives
Data Governance: Keystone of Information Management Initiatives
 
Data Architecture Strategies: Building an Enterprise Data Strategy – Where to...
Data Architecture Strategies: Building an Enterprise Data Strategy – Where to...Data Architecture Strategies: Building an Enterprise Data Strategy – Where to...
Data Architecture Strategies: Building an Enterprise Data Strategy – Where to...
 
Improving Data Literacy Around Data Architecture
Improving Data Literacy Around Data ArchitectureImproving Data Literacy Around Data Architecture
Improving Data Literacy Around Data Architecture
 
El Gobierno de Datos está listo para mostrar su Atractivo [Data Governance is...
El Gobierno de Datos está listo para mostrar su Atractivo [Data Governance is...El Gobierno de Datos está listo para mostrar su Atractivo [Data Governance is...
El Gobierno de Datos está listo para mostrar su Atractivo [Data Governance is...
 
Strategic imperative the enterprise data model
Strategic imperative the enterprise data modelStrategic imperative the enterprise data model
Strategic imperative the enterprise data model
 
Mdm: why, when, how
Mdm: why, when, howMdm: why, when, how
Mdm: why, when, how
 
Data Architecture Best Practices for Advanced Analytics
Data Architecture Best Practices for Advanced AnalyticsData Architecture Best Practices for Advanced Analytics
Data Architecture Best Practices for Advanced Analytics
 
Gathering And Documenting Your Bi Business Requirements
Gathering And Documenting Your Bi Business RequirementsGathering And Documenting Your Bi Business Requirements
Gathering And Documenting Your Bi Business Requirements
 
10 Worst Practices in Master Data Management
10 Worst Practices in Master Data Management10 Worst Practices in Master Data Management
10 Worst Practices in Master Data Management
 
Governança de Dados e Big Data_v02
Governança de Dados e Big Data_v02Governança de Dados e Big Data_v02
Governança de Dados e Big Data_v02
 
Chapter 1: The Importance of Data Assets
Chapter 1: The Importance of Data AssetsChapter 1: The Importance of Data Assets
Chapter 1: The Importance of Data Assets
 
The data quality challenge
The data quality challengeThe data quality challenge
The data quality challenge
 
DataEd Webinar: Reference & Master Data Management - Unlocking Business Value
DataEd Webinar:  Reference & Master Data Management - Unlocking Business ValueDataEd Webinar:  Reference & Master Data Management - Unlocking Business Value
DataEd Webinar: Reference & Master Data Management - Unlocking Business Value
 

Semelhante a Gegevenskwaliteit – een raamwerk vanuit NORA

Presentatie Gegevenskwaliteit voor Nationaal Archief
Presentatie Gegevenskwaliteit voor Nationaal ArchiefPresentatie Gegevenskwaliteit voor Nationaal Archief
Presentatie Gegevenskwaliteit voor Nationaal ArchiefDanny Greefhorst
 
Gegevenskwaliteit in de omgevingswet
Gegevenskwaliteit in de omgevingswetGegevenskwaliteit in de omgevingswet
Gegevenskwaliteit in de omgevingswetDanny Greefhorst
 
Shopping tomorrow presentatie datakwaliteit w griffiioen
Shopping tomorrow presentatie datakwaliteit w griffiioenShopping tomorrow presentatie datakwaliteit w griffiioen
Shopping tomorrow presentatie datakwaliteit w griffiioenWim Griffioen
 
Doe ik het goed? Certificering van e-depots, Kees Waterman
Doe ik het goed? Certificering van e-depots, Kees WatermanDoe ik het goed? Certificering van e-depots, Kees Waterman
Doe ik het goed? Certificering van e-depots, Kees WatermanNetwerk Digitaal Erfgoed
 
Presentatie Gegevenskwaliteit in de Omgevingswet voor Werkgroep GAB
Presentatie Gegevenskwaliteit in de Omgevingswet voor Werkgroep GABPresentatie Gegevenskwaliteit in de Omgevingswet voor Werkgroep GAB
Presentatie Gegevenskwaliteit in de Omgevingswet voor Werkgroep GABDanny Greefhorst
 
Technology Update : Data Governance
Technology Update : Data GovernanceTechnology Update : Data Governance
Technology Update : Data GovernanceMedia Perspectives
 
Presentatie ord 12 juni 2014
Presentatie ord 12 juni 2014Presentatie ord 12 juni 2014
Presentatie ord 12 juni 2014Erik Bolhuis
 
http://weekvanhetdigitaalerfgoed.nl/ 1 b1 keeswaterman certificering
http://weekvanhetdigitaalerfgoed.nl/ 1 b1 keeswaterman certificeringhttp://weekvanhetdigitaalerfgoed.nl/ 1 b1 keeswaterman certificering
http://weekvanhetdigitaalerfgoed.nl/ 1 b1 keeswaterman certificeringRob Blaauboer
 
Testnet - Workshop Data Profiling voor Testers 20160511 - DEF
Testnet - Workshop Data Profiling voor Testers 20160511 - DEFTestnet - Workshop Data Profiling voor Testers 20160511 - DEF
Testnet - Workshop Data Profiling voor Testers 20160511 - DEFdorsek
 
NCDD-project Certificering van digitale repositories
NCDD-project Certificering van digitale repositoriesNCDD-project Certificering van digitale repositories
NCDD-project Certificering van digitale repositoriesNetwerk Digitaal Erfgoed
 
Kan ik ooit op mijn data vertrouwen 2019?
Kan ik ooit op mijn data vertrouwen 2019? Kan ik ooit op mijn data vertrouwen 2019?
Kan ik ooit op mijn data vertrouwen 2019? TNO
 
Deloitte Webwinkel Vakdagen
Deloitte Webwinkel VakdagenDeloitte Webwinkel Vakdagen
Deloitte Webwinkel Vakdagenwebwinkelvakdag
 
Software for big data - setting the scene
Software for big data -   setting the sceneSoftware for big data -   setting the scene
Software for big data - setting the sceneJurjen Helmus
 
Presentatie Analistenmiddag Ambulancezorg 2021
Presentatie Analistenmiddag Ambulancezorg 2021Presentatie Analistenmiddag Ambulancezorg 2021
Presentatie Analistenmiddag Ambulancezorg 2021Tom Berger
 
Visie op DLWO: de burchtmetafoor als model - Danny Greefhorst - OWD13
Visie op DLWO: de burchtmetafoor als model - Danny Greefhorst - OWD13Visie op DLWO: de burchtmetafoor als model - Danny Greefhorst - OWD13
Visie op DLWO: de burchtmetafoor als model - Danny Greefhorst - OWD13SURF Events
 
CROW-bijeenkomst Past Performance, presentatie Koen van Leenen, 24-6-2014
CROW-bijeenkomst Past Performance, presentatie Koen van Leenen, 24-6-2014CROW-bijeenkomst Past Performance, presentatie Koen van Leenen, 24-6-2014
CROW-bijeenkomst Past Performance, presentatie Koen van Leenen, 24-6-2014CROW
 
Seminar achtergrond IHE - 19 juli 2013
Seminar achtergrond IHE - 19 juli 2013Seminar achtergrond IHE - 19 juli 2013
Seminar achtergrond IHE - 19 juli 2013Stichting Rijnmondnet
 
Manpower - Best-practices: de vernieuwingsslag naar een data-gedreven strategie
Manpower - Best-practices: de vernieuwingsslag naar een data-gedreven strategieManpower - Best-practices: de vernieuwingsslag naar een data-gedreven strategie
Manpower - Best-practices: de vernieuwingsslag naar een data-gedreven strategieBigDataExpo
 
Asl bi sl metrics themasessie 2013 devops sogeti
Asl bi sl metrics themasessie 2013   devops sogetiAsl bi sl metrics themasessie 2013   devops sogeti
Asl bi sl metrics themasessie 2013 devops sogetiHarold van Heeringen
 

Semelhante a Gegevenskwaliteit – een raamwerk vanuit NORA (20)

Presentatie Gegevenskwaliteit voor Nationaal Archief
Presentatie Gegevenskwaliteit voor Nationaal ArchiefPresentatie Gegevenskwaliteit voor Nationaal Archief
Presentatie Gegevenskwaliteit voor Nationaal Archief
 
Gegevenskwaliteit in de omgevingswet
Gegevenskwaliteit in de omgevingswetGegevenskwaliteit in de omgevingswet
Gegevenskwaliteit in de omgevingswet
 
Shopping tomorrow presentatie datakwaliteit w griffiioen
Shopping tomorrow presentatie datakwaliteit w griffiioenShopping tomorrow presentatie datakwaliteit w griffiioen
Shopping tomorrow presentatie datakwaliteit w griffiioen
 
Doe ik het goed? Certificering van e-depots, Kees Waterman
Doe ik het goed? Certificering van e-depots, Kees WatermanDoe ik het goed? Certificering van e-depots, Kees Waterman
Doe ik het goed? Certificering van e-depots, Kees Waterman
 
Presentatie Gegevenskwaliteit in de Omgevingswet voor Werkgroep GAB
Presentatie Gegevenskwaliteit in de Omgevingswet voor Werkgroep GABPresentatie Gegevenskwaliteit in de Omgevingswet voor Werkgroep GAB
Presentatie Gegevenskwaliteit in de Omgevingswet voor Werkgroep GAB
 
Technology Update : Data Governance
Technology Update : Data GovernanceTechnology Update : Data Governance
Technology Update : Data Governance
 
Presentatie ord 12 juni 2014
Presentatie ord 12 juni 2014Presentatie ord 12 juni 2014
Presentatie ord 12 juni 2014
 
http://weekvanhetdigitaalerfgoed.nl/ 1 b1 keeswaterman certificering
http://weekvanhetdigitaalerfgoed.nl/ 1 b1 keeswaterman certificeringhttp://weekvanhetdigitaalerfgoed.nl/ 1 b1 keeswaterman certificering
http://weekvanhetdigitaalerfgoed.nl/ 1 b1 keeswaterman certificering
 
Testnet - Workshop Data Profiling voor Testers 20160511 - DEF
Testnet - Workshop Data Profiling voor Testers 20160511 - DEFTestnet - Workshop Data Profiling voor Testers 20160511 - DEF
Testnet - Workshop Data Profiling voor Testers 20160511 - DEF
 
NCDD-project Certificering van digitale repositories
NCDD-project Certificering van digitale repositoriesNCDD-project Certificering van digitale repositories
NCDD-project Certificering van digitale repositories
 
Kan ik ooit op mijn data vertrouwen 2019?
Kan ik ooit op mijn data vertrouwen 2019? Kan ik ooit op mijn data vertrouwen 2019?
Kan ik ooit op mijn data vertrouwen 2019?
 
Deloitte Webwinkel Vakdagen
Deloitte Webwinkel VakdagenDeloitte Webwinkel Vakdagen
Deloitte Webwinkel Vakdagen
 
Collectief Register Personen
Collectief Register PersonenCollectief Register Personen
Collectief Register Personen
 
Software for big data - setting the scene
Software for big data -   setting the sceneSoftware for big data -   setting the scene
Software for big data - setting the scene
 
Presentatie Analistenmiddag Ambulancezorg 2021
Presentatie Analistenmiddag Ambulancezorg 2021Presentatie Analistenmiddag Ambulancezorg 2021
Presentatie Analistenmiddag Ambulancezorg 2021
 
Visie op DLWO: de burchtmetafoor als model - Danny Greefhorst - OWD13
Visie op DLWO: de burchtmetafoor als model - Danny Greefhorst - OWD13Visie op DLWO: de burchtmetafoor als model - Danny Greefhorst - OWD13
Visie op DLWO: de burchtmetafoor als model - Danny Greefhorst - OWD13
 
CROW-bijeenkomst Past Performance, presentatie Koen van Leenen, 24-6-2014
CROW-bijeenkomst Past Performance, presentatie Koen van Leenen, 24-6-2014CROW-bijeenkomst Past Performance, presentatie Koen van Leenen, 24-6-2014
CROW-bijeenkomst Past Performance, presentatie Koen van Leenen, 24-6-2014
 
Seminar achtergrond IHE - 19 juli 2013
Seminar achtergrond IHE - 19 juli 2013Seminar achtergrond IHE - 19 juli 2013
Seminar achtergrond IHE - 19 juli 2013
 
Manpower - Best-practices: de vernieuwingsslag naar een data-gedreven strategie
Manpower - Best-practices: de vernieuwingsslag naar een data-gedreven strategieManpower - Best-practices: de vernieuwingsslag naar een data-gedreven strategie
Manpower - Best-practices: de vernieuwingsslag naar een data-gedreven strategie
 
Asl bi sl metrics themasessie 2013 devops sogeti
Asl bi sl metrics themasessie 2013   devops sogetiAsl bi sl metrics themasessie 2013   devops sogeti
Asl bi sl metrics themasessie 2013 devops sogeti
 

Mais de Danny Greefhorst

Architecture as Linked Data
Architecture as Linked DataArchitecture as Linked Data
Architecture as Linked DataDanny Greefhorst
 
The Role of Thesauri in Data Modeling
The Role of Thesauri in Data ModelingThe Role of Thesauri in Data Modeling
The Role of Thesauri in Data ModelingDanny Greefhorst
 
De rol van thesauri in datamanagement
De rol van thesauri in datamanagementDe rol van thesauri in datamanagement
De rol van thesauri in datamanagementDanny Greefhorst
 
Presentatie bij Boeklancering "Testautomatisering wendbaar organiseren"
Presentatie bij Boeklancering "Testautomatisering wendbaar organiseren"Presentatie bij Boeklancering "Testautomatisering wendbaar organiseren"
Presentatie bij Boeklancering "Testautomatisering wendbaar organiseren"Danny Greefhorst
 
Inzicht in kwaliteit van gegevens
Inzicht in kwaliteit van gegevensInzicht in kwaliteit van gegevens
Inzicht in kwaliteit van gegevensDanny Greefhorst
 
Data trends en ontwikkelingen
Data trends en ontwikkelingenData trends en ontwikkelingen
Data trends en ontwikkelingenDanny Greefhorst
 
Enterprise Architectuur - de essentie
Enterprise Architectuur - de essentieEnterprise Architectuur - de essentie
Enterprise Architectuur - de essentieDanny Greefhorst
 
The role of enterprise architecture in digital transformation
The role of enterprise architecture in digital transformationThe role of enterprise architecture in digital transformation
The role of enterprise architecture in digital transformationDanny Greefhorst
 
Enterprise Architectuur - terug naar de essentie
Enterprise Architectuur - terug naar de essentieEnterprise Architectuur - terug naar de essentie
Enterprise Architectuur - terug naar de essentieDanny Greefhorst
 
Creatief en kritisch denken
Creatief en kritisch denkenCreatief en kritisch denken
Creatief en kritisch denkenDanny Greefhorst
 
Gegevenskwaliteit in de omgevingswet 1.0
Gegevenskwaliteit in de omgevingswet 1.0Gegevenskwaliteit in de omgevingswet 1.0
Gegevenskwaliteit in de omgevingswet 1.0Danny Greefhorst
 
Handreiking bij gegevenskwaliteit in de omgevingswet
Handreiking bij gegevenskwaliteit in de omgevingswetHandreiking bij gegevenskwaliteit in de omgevingswet
Handreiking bij gegevenskwaliteit in de omgevingswetDanny Greefhorst
 
Presentatie Enterprise Architectuur - Agile en Essentie
Presentatie Enterprise Architectuur - Agile en EssentiePresentatie Enterprise Architectuur - Agile en Essentie
Presentatie Enterprise Architectuur - Agile en EssentieDanny Greefhorst
 
Presentatie Kritisch Denken van Informatie voor NAF ALV
Presentatie Kritisch Denken van Informatie voor NAF ALVPresentatie Kritisch Denken van Informatie voor NAF ALV
Presentatie Kritisch Denken van Informatie voor NAF ALVDanny Greefhorst
 
Workshop Kritisch Denken op Landelijk Architectuur Congres 2017
Workshop Kritisch Denken op Landelijk Architectuur Congres 2017Workshop Kritisch Denken op Landelijk Architectuur Congres 2017
Workshop Kritisch Denken op Landelijk Architectuur Congres 2017Danny Greefhorst
 
Module Architectuurprincipes voor NAF Masterclass Enterprise Architectuur
Module Architectuurprincipes voor NAF Masterclass Enterprise ArchitectuurModule Architectuurprincipes voor NAF Masterclass Enterprise Architectuur
Module Architectuurprincipes voor NAF Masterclass Enterprise ArchitectuurDanny Greefhorst
 

Mais de Danny Greefhorst (20)

Architecture as Linked Data
Architecture as Linked DataArchitecture as Linked Data
Architecture as Linked Data
 
The Role of Thesauri in Data Modeling
The Role of Thesauri in Data ModelingThe Role of Thesauri in Data Modeling
The Role of Thesauri in Data Modeling
 
Design for sustainability
Design for sustainabilityDesign for sustainability
Design for sustainability
 
De rol van thesauri in datamanagement
De rol van thesauri in datamanagementDe rol van thesauri in datamanagement
De rol van thesauri in datamanagement
 
Presentatie bij Boeklancering "Testautomatisering wendbaar organiseren"
Presentatie bij Boeklancering "Testautomatisering wendbaar organiseren"Presentatie bij Boeklancering "Testautomatisering wendbaar organiseren"
Presentatie bij Boeklancering "Testautomatisering wendbaar organiseren"
 
Routes naar datakwaliteit
Routes naar datakwaliteitRoutes naar datakwaliteit
Routes naar datakwaliteit
 
Inzicht in kwaliteit van gegevens
Inzicht in kwaliteit van gegevensInzicht in kwaliteit van gegevens
Inzicht in kwaliteit van gegevens
 
Data trends en ontwikkelingen
Data trends en ontwikkelingenData trends en ontwikkelingen
Data trends en ontwikkelingen
 
TOGAF 9.2 - the update
TOGAF 9.2 - the updateTOGAF 9.2 - the update
TOGAF 9.2 - the update
 
Enterprise Architectuur - de essentie
Enterprise Architectuur - de essentieEnterprise Architectuur - de essentie
Enterprise Architectuur - de essentie
 
The role of enterprise architecture in digital transformation
The role of enterprise architecture in digital transformationThe role of enterprise architecture in digital transformation
The role of enterprise architecture in digital transformation
 
Enterprise Architectuur - terug naar de essentie
Enterprise Architectuur - terug naar de essentieEnterprise Architectuur - terug naar de essentie
Enterprise Architectuur - terug naar de essentie
 
Creatief en kritisch denken
Creatief en kritisch denkenCreatief en kritisch denken
Creatief en kritisch denken
 
Gegevenskwaliteit in de omgevingswet 1.0
Gegevenskwaliteit in de omgevingswet 1.0Gegevenskwaliteit in de omgevingswet 1.0
Gegevenskwaliteit in de omgevingswet 1.0
 
Handreiking bij gegevenskwaliteit in de omgevingswet
Handreiking bij gegevenskwaliteit in de omgevingswetHandreiking bij gegevenskwaliteit in de omgevingswet
Handreiking bij gegevenskwaliteit in de omgevingswet
 
Presentatie Enterprise Architectuur - Agile en Essentie
Presentatie Enterprise Architectuur - Agile en EssentiePresentatie Enterprise Architectuur - Agile en Essentie
Presentatie Enterprise Architectuur - Agile en Essentie
 
Presentatie Kritisch Denken van Informatie voor NAF ALV
Presentatie Kritisch Denken van Informatie voor NAF ALVPresentatie Kritisch Denken van Informatie voor NAF ALV
Presentatie Kritisch Denken van Informatie voor NAF ALV
 
Workshop Kritisch Denken op Landelijk Architectuur Congres 2017
Workshop Kritisch Denken op Landelijk Architectuur Congres 2017Workshop Kritisch Denken op Landelijk Architectuur Congres 2017
Workshop Kritisch Denken op Landelijk Architectuur Congres 2017
 
Module Architectuurprincipes voor NAF Masterclass Enterprise Architectuur
Module Architectuurprincipes voor NAF Masterclass Enterprise ArchitectuurModule Architectuurprincipes voor NAF Masterclass Enterprise Architectuur
Module Architectuurprincipes voor NAF Masterclass Enterprise Architectuur
 
De subjectieve architect
De subjectieve architectDe subjectieve architect
De subjectieve architect
 

Gegevenskwaliteit – een raamwerk vanuit NORA

  • 1. Sturen op gegevens Gegevenskwaliteit – een raamwerk vanuit NORA Symposium Gegevensmanagement 2020 Danny Greefhorst (dgreefhorst@archixl.nl) namens kernteam (Wim Stolk, Kasper Kisjes, Jaap van den Berg, Gerald Groot Roessink)
  • 2. Inhoud • Het doel en de uitgangspunten • Gegevenskwaliteit • De input • Het proces • De output op dit moment • Het vervolg
  • 3. Het doel en de uitgangspunten • Een gemeenschappelijk raamwerk voor gegevenskwaliteit voor de Nederlandse overheid: • Kwaliteitsdimensies, kwaliteitsattributen en voorbeelden • Gebaseerd op beschikbare theorie, standaarden en best practices • Uitgaan van eerder resultaat, met name Omgevingswet raamwerk • Gericht op praktische toepasbaarheid
  • 4. Basisbegrippen Kwaliteit: Mate waarin een geheel van eigenschappen en kenmerken van een object voldoet aan eisen (ISO 9000:2015 DIS). Gegevenskwaliteit: Mate waarin een geheel van eigenschappen en kenmerken van één of meer gegevens voldoet aan eisen. Gegeven: Een formeel vastgelegd feit, begrip of aanwijzing (NORA) Het streven is dat gegevenskwaliteit “fit-for-purpose” is; dat deze aansluit bij het gebruik Kwaliteit heeft betrekking op de mate waarin wordt voldaan aan verwachtingen
  • 5. Gerelateerde begrippen Kwaliteitsraamwerk Dataset Een aspect van kwaliteit waaraan gebruikers van gegevens waarde hechten Een aspect van een kwaliteitsdimensie Een verzameling kwaliteitsdimensies en kwaliteitsattributen Een verzameling gegevens die als geheel wordt verwerkt Een regel die een beperking stelt aan gegevens Een norm waaraan gegevens moeten voldoen Kwaliteits dimensie Kwaliteits attribuut KwaliteitseisKwaliteitsregel
  • 7. Voorbeeld kwaliteitsregels en -eisen Kwaliteitsregels • De naam van de medewerker komt overeen met de naam zoals vermeld op het paspoort • Urendeclaraties en reisdeclaraties overlappen niet met andere urendeclaraties of reisdeclaraties • Postcodes die worden geregistreerd bij een werkreis komen voor in de postcodetabel • De tijd van een werkactiviteit wordt afgerond op een half uur • Bij urendeclaraties wordt een door de klant getekend exemplaar van een urenstaat meegeleverd Kwaliteitseisen • naam van de medewerker komt volledig overeen met de naam zoals vermeld op het paspoort voor 100% van de medewerkers • De reisafstand wijkt maximaal 5 kilometer af van de afstand die Google maps aangeeft voor de route voor 95% van de werkreizen • 95% van de postcodes die worden geregistreerd als startpunt of eindpunt van een werkreis komen voor in de postcodetabel • Urendeclaraties worden binnen 60 uur na het verstrijken van de week in het systeem geregistreerd
  • 8.
  • 9.
  • 10.
  • 16. Waarom is gegevenskwaliteit belangrijk in jouw context? (1) • Meten hoe ver je bent • Betrouwbaarheid van gegevens • Om correcte gevolgtrekkingen te kunnen ondersteunen • Goede dienstverlening mogelijk maken • Basis voor betrouwbare bedrijfsuitoefening • Hoe gaan we het belang van gegevenskwaliteit op de agenda van bestuurders zetten? • Procesbehandeling • Breed gebruik basisregistraties • Indicatie betrouwbaarheid • Bron voor allerhande afgeleide gegevens, moet dus kwalitatief goed zijn • In het kader van het hergebruiken van data is het van belang dat de data correct is • Zonder goede datakwaliteit, lagere betrouwbaarheid van rapportages met potentiële verkeerde beslissingen tot gevolg • Betere Basis • Context Informatiebeheer: informatie bestaat steeds meer uit gegevens die in een verband/context gebruikt worden. Kwaliteit gegevens bepaalt kwaliteit informatie • DUO: Om onze wettelijke taken goed uit te kunnen voeren • Matige kwaliteit leidt tot matige beslissingen • Zonder gegevenskwaliteit geen vertrouwen in management informatie • Consistentie, Validiteit, Juistheid • Onnodig gebruik van gegevens voorkomen & kwaliteit verhogen bij afnemers • Beslissing met financiële gevolgen, hergebruik door andere overheden en open data • Voor informatie gestuurd werken, monitoren en toezicht houden. • Basis voor besluitvorming
  • 17. Waarom is gegevenskwaliteit belangrijk in jouw context? (2) • Omgevingseis • Juistheid en betrouwbaarheid • Nemen juiste beslissingen • Juiste informatievoorziening • Compliance • Goede vindbaarheid • Betrouwbaarheid zorgt ervoor dat je betere beslissingen kan nemen en voldoet aan alle regelgeving • Als je rapportages maakt wil je ervan uit kunnen gaan dat de gegevens die je gebruikt juist en volledig zijn bijvoorbeeld • Toegankelijkheid • Beschikbaar stellen aan initiatiefnemers voor het maken van plannen • Meer grip • Zonder kwaliteitsoordeel geen houvast • Alles wat is genoemd • Eenheid in gebruik van gegevens • Kans op foute beslissing in groot • Beslissingen en keuzes op basis van de juiste informatie • Basis informatiehuishouding gemeente • Gebruik voor betrouwbaarheid gegevens en uitwisseling • Betrouwbare overheid • Efficiënte werkprocessen • Om je doel te bereiken • Gegevens zijn een asset • Besluitvorming • Aanbieder authentieke gegevens in basisregistraties
  • 18. Waarom is gegevenskwaliteit belangrijk? • Snellere en betere besluitvorming – betere gegevens leiden tot minder discussie en meer betrouwbare besluiten • Meer efficiënte en voorspelbare processen – betere gegevens voorkomen inefficiënte handelingen en onverwachte verrassingen • Compliance – door betere gegevens kun je beter, efficiënter en met meer vertrouwen rapporteren over het voldoen aan wet- en regelgeving
  • 19. Afbakening: kwaliteit van de gegevens zelf gegevenskwaliteit Kwaliteit van de data governance Kwaliteit van de processen Kwaliteit van de aanlevering Kwaliteit van het informatie model Kwaliteit van de systemen Kwaliteit van de gegevens zelf Waarde van gegevens in gebruik (ook wel: externe kwaliteit)
  • 20. De input Open standaarden • ISO/IEC 25012/25024, NEN/ISO 19157, ISO 5725, ISO 8000 De facto standaarden • DAMA-NL Code voor Informatiekwaliteit, DAMA-NL Dimensions of Data Quality, DAMA DMBoK, Conformed Dimensions of Data Quality Onderzoek • R.W. Wang, C. Batini, D. McGilvary, Y. Lee, D. Loshin, G. Tejay, C. Besselink, P. van Oort Zelf-ontwikkelde raamwerken • Omgevingswet, Rijkswaterstaat, IPO Ervaringen bij de Nederlandse overheid • DSO, Kadaster, RIVM, Rijkswaterstaat, RCE, DUO, IPO, Waterschapshuis, VNG, InspectieViews
  • 21. Het proces tot nu toe • Kernteam: Wim Stolk, Danny Greefhorst, Kasper Kisjes, Jaap van den Berg, Gerald Groot Roessink • Confrontatie van raamwerken Omgevingswet en Rijkswaterstaat • Kritische beoordeling door vanuit kernteam en toetsing o.b.v. DUO praktijk • Afstemming met DAMA-NL initiatief – Dimensions of Data Quality • Reviewronde met circa 15 reviewers • Verwerking reviewcommentaar: • Splitsing kern en toevoegingen voor geo- en statistiek • Mapping op Code voor Informatiekwaliteit en nieuwe DAMA-NL lijst • Toevoeging van toepassingsniveau • Toevoeging van toelichtingen en meer voorbeelden
  • 22. Basisraamwerk Juistheid Compleetheid Validiteit Consistentie Actualiteit Precisie Plausibiliteit Traceerbaarheid De mate waarin gegevens de echte waarde goed weergeven. De mate waarin gegevens aanwezig zijn. De mate waarin gegevens voldoen aan de verwachte structuur en opslagvorm. De mate waarin gegevens niet in tegenspraak zijn met andere gegevens. De mate waarin gegevens recent genoeg zijn. De mate waarin gegevens exact of onderscheidend genoeg zijn. De mate waarin gegevens worden beschouwd als waar en geloofwaardig door gebruikers. De mate waarin de totstandkoming en het gebruik van gegevens zijn vastgelegd. Begrijpelijkheid De mate waarin gegevens eenvoudig gelezen en geïnterpreteerd kunnen worden door gebruikers.
  • 23.
  • 25. StatistiekGeografie Extensies voor geografie en statistiek Positionele juistheid Ruimtelijke dekking Geometrische validiteit Topologische consistentie Geometrische precisie Kwantitatieve juistheid Represen tativiteit Statistische precisie Juistheid Compleetheid Validiteit Consistentie Actualiteit Precisie Plausibiliteit Traceerbaarheid Begrijpelijkheid
  • 28. Welke vragen moet de werkgroep beantwoorden? • Context dus, welke gaat over de relevantie in een bepaalde situatie • Praktische toepasbaarheid van verschillende pooling. Eventueel opensource • Praktische tips voor het opstellen van kwaliteitseisen • Een handreiking/checklist (van <100 blz als bet kan) die je als gemeente kan gebruiken. Dit is veel theorie die ik graag zou toepassen • Hoe delen we dit met onderwijs (afstuderende ict- ers/managers en zo) • Zijn collectieve meetvoorschriften mogelijk? • Met welke tool kun je kwaliteit van gegevens meten • De meetbaarheid van de kwaliteit (waardes bepalen) • informatiekwaliteit (extern) vs gegevenskwaliteit (intern) • Uitwerking van voorbeelden, gerelateerd aan het raamwerk • plan van aanpak, hoe pak je het aan, waar begin je, hoe kan je effectief stappen zetten, • Praktisch gaat voor mij over het hoe. Zijn daar story’s voor te maken. Maakt het minder algemeen en meer te begrijpen • Aansluiting kwaliteit op de beheersbaarheid van gegevens volgen de archiefbeelden en AVG • Waar begin je en hoe houd je het doel voor ogen? (Doel wordt gaandeweg vaak uit het oog verloren) • Hoe zien de Eerste stapjes eruit om data kwaliteit te bepalen. Datakwaliteit voor dummy's • Stappenplan om het praktisch toe te passen. • Operationalisatie/ meetbaar maken • Hoe helpt dit de digitale archiveerbaar? • Voorbeelden van verschillende domeinen, zoals sociaal domein, ruimtelijk domein, etc. • tooling meten informatiekwaliteit • Archiefbeeld en beheersbaarheid
  • 29. Afsluiting • Kwaliteit is de basis voor alles • Kwaliteit is afhankelijk van de context • We horen graag meer over jouw context • NORA – Wim Stolk (info@stolkinformatiemanagement.nl) • Omgevingswet – Danny Greefhorst (dgreefhorst@archixl.nl)
  • 30. Definities kwaliteitsattributen basis (1) Kwaliteitsattribuut Definitie Thematische juistheid De mate waarin kwalitatief beschrijvende gegevens overeenkomen met de werkelijkheid Classificatie juistheid De mate waarin gegevensobjecten zijn geïdentificeerd als het juiste logische objecttype. Dataset compleetheid De mate waarin objecten waarvan het bestaan bekend is aanwezig zijn. Object compleetheid De mate waarin waarden bij gegevensobjecten aanwezig zijn. Overcompleetheid De mate waarin gegevensobjecten niet onterecht aanwezig zijn. Historie compleetheid De mate waarin historische gegevens aanwezig en temporeel dekkend zijn. Metadata compleetheid De mate waarin metadata aanwezig zijn. Formaatvaliditeit De mate waarin gegevens syntactisch correct zijn. Domeinvaliditeit De mate waarin de inhoud van waarden consistent zijn met hun domein. Logische consistentie De mate waarin de combinaties van waarden logisch samenhangend zijn. Referentiële integriteit De mate waarin verwijzingen in gegevens verwijzen naar bestaande gegevens. Identificeerbaarheid De mate waarin gegevens zijn voorzien van een unieke en stabiele identificatie die ook buiten de directe gebruikscontext betekenis heeft.
  • 31. Definities kwaliteitsattributen basis (2) Kwaliteitsattribuut Definitie Homogeniteit De mate waarin de gegevens in een dataset gelijksoortig zijn. Updatefrequentie De snelheid waarmee gegevens worden vernieuwd. Versheid De mate waarin gegevens tijdig zijn geactualiseerd. Opslagprecisie De mate waarin gegevens zijn geregistreerd. Authenticiteit De mate waarin de authenticiteit van de bron van de gegevens aantoonbaar is. Reputatie De mate waarin de gegevens worden vertrouwd vanwege de bron. Bewijsbaarheid De mate waarin de juistheid van een gegeven kan worden aangetoond. Herleidbaarheid De mate waarin is vastgelegd wie of wat het gegeven waar, wanneer en op welke manier heeft ingewonnen of bewerkt. Reproduceerbaarheid De mate waarin de transformatieregels die zijn gebruikt om tot de gegevens te komen bekend zijn. Gebruiksinzicht De mate waarin er inzicht is in de gebruikers en hun gebruik. Leesbaarheid De mate waarin teksten voor de doelgroep begrijpelijk zijn geformuleerd.
  • 32. Definities kwaliteitsattributen geografie Kwaliteitsattribuut Definitie Positionele juistheid De mate waarin locatiegegevens overeenkomen met de werkelijkheid. Ruimtelijke dekking De mate waarin de gegevens ruimtelijk dekkend zijn. Topologische consistentie De mate waarin ruimtelijke gegevens zich op de juiste wijze tot elkaar verhouden. Geometrische validiteit De mate waarin iedere geometrie voldoet aan geometrische regels. Geometrische precisie De mate van detail waarmee ruimtelijke gegevens worden ingewonnen.
  • 33. Definities kwaliteitsattributen statistiek Kwaliteitsattribuut Definitie Kwantitatieve juistheid De mate waarin kwantitatieve gegevens overeenkomen met de werkelijkheid. Statistische precisie De mate waarin metingen of berekeningen bij herhaling dezelfde waarde opleveren. Representativiteit De mate waarin een dataset een goede weergave geeft van het geheel.