Over mij

Ik ben Richard Steijn en datawarehousing/BI specialist. Bij vele organisaties in diverse branches heb ik een kijkje in de keuken mogen nemen. Verscheidene technologieën hebben mijn pad gekruist. Data en alle vraagstukken daaromheen vormen een rode draad in mijn werkzame leven. In deze blog schrijf ik over de dingen die mij zoal bezighouden.

door Richard Steijn

Archief voor 'Hoger Onderwijs'

Management informatie wat moet je ermee?

Management informatie, het woord zegt het al, wordt gebruikt om processen die werken binnen de organisatie te managen, bij te sturen. Er zijn verschillende manieren waarop dat kan.

  1. Reactief: het evalueren van reeds doorlopen processen. Op basis van kengetallen analyseren wat goed en wat er minder goed is gegaan tijdens deze processen. Als de vinger op de zere plek is gelegd, kan vervolgens actie worden ondernomen om het de volgende keer beter te doen.
  2. Proactief: met behulp van stuurgetallen monitoren van lopende processen en deze vervolgens meteen bijsturen. Deze manier is gericht op het voorkomen van problemen of het bereiken van nóg betere resultaten.

In deze blogpost wil ik dieper ingaan op de laatstgenoemde vorm.

Bij het proactief sturen kan een manager ervoor kiezen om ongewenst gedrag te berispen en/of gewenst gedrag juist te belonen. Tijdens een opdracht bij een hoger onderwijs instelling, kwam ik hiervan een toepasselijk voorbeeld tegen. Een van de aandachtspunten binnen deze instelling is dat studenten soms te lang moeten wachten op hun cijfer na het maken van een tentamen. In de Onderwijs en Examenregeling (OER) is vastgesteld wat de maximale nakijktermijn is. Omdat de OER ten allen tijde na moet worden geleefd, maar dit dus niet altijd gebeurt, heeft men op een gegeven moment besloten tot het monitoren van de nakijktermijnen. Een tentamenresultaat is voor een student zichtbaar op het moment dat het door de examinator (vaak een docent) is ingevoerd en definitief gemaakt in het studievolgsysteem. De nakijktermijn kan dus worden bepaald door het aantal dagen te berekenen dat tussen de toetsdatum en de invoerdatum van het definitieve cijfer ligt. Per tentamen kan dan de gemiddelde nakijktermijn worden berekend. De onderwijsmanager, die binnen een opleiding de leidinggevende is van de examinatoren, kan deze informatie vervolgens gebruiken om in de periode na de tentamendatum te monitoren van welk deel van de afgenomen tentamens er daadwerkelijk een resultaat is ingevoerd in het volgsysteem.

Binnen grote onderwijsinstellingen wordt lang niet alles centraal geregeld. Zo was het ook met deze kwestie. Bij een faculteit zorgde  alleen al de gedachte aan het feit dat resultaten invoergedrag nauwkeurig in de gaten werd gehouden al voor zoveel weerstand onder de medewerkers dat dit nooit echt van de grond gekomen is. Een ‘big brother’ die te trage invoer van resultaten zou afstraffen was geen aanlokkelijke gedachte.

Daar tegenover stond een andere faculteit waar men ondanks de initiële bedenkingen toch is overgegaan tot het monitoren van de nakijktermijnen. Wekelijks kreeg iedere opleidingsmanager daar een vers overzicht met nakijktermijnen van recent afgenomen tentamens, waarmee hij aan de slag ging. Na een jaar bleek deze aanpak zeer succesvol te zijn geweest. Het percentage van tijdig nagekeken tentamens, was met tientallen procenten gestegen. Dit is een formidabel resultaat en tevens het bewijs dat het verzamelen en gebruiken van management informatie meerwaarde oplevert. Dat het in deze faculteit wel goed is uitgepakt is waarschijnlijk het gevolg geweest van de manier waarop er gestuurd is door de opleidingsmanagers. Men heeft er bewust voor gekozen examinatoren, die volgens de stuurgetallen, op schema liggen met de resultateninvoer te complimenteren. Examinatoren die achterliepen met de resultateninvoer werden daarentegen niet verwijtend benaderd maar ruim voordat de uiterste nakijkdatum bereikt was, gevraagd of het allemaal lukt en of ze wellicht hulp nodig hebben bij het nakijkwerk. Kennelijk is het aanbieden van ondersteuning in sommige gevallen een stimulans om tempo te maken. In bepaalde gevallen is dit ook een mooi moment om erachter te komen dat het werk niet af komt zoals gepland en er dus extra nakijkcapaciteit moet worden ingeschakeld.  Het netto resultaat is een kwaliteitsverbetering van het nakijkproces enkel door positieve bekrachtiging en ondersteuning bieden waar dat nodig is.

Kortom: managementinformatie geeft een zekere grip op wat er speelt in een organisatie maar managers moeten heel bewust kiezen hoe hiermee om te gaan. Sturen door overtreders op de vingers te tikken kan in bepaalde situaties best werken maar soms zal dit ook de nodige weerstand oproepen en zelfs verlammend werken.  Sturen door tijdige positieve bekrachtiging is het alternatief. Ook dit zal soms wel en soms niet werken. Het is het vak van de manager om te bepalen wat de juiste keuze is.

 

De kwaliteit van het hoger onderwijs staat de laatste tijd flink ter discussie. Kwaliteitszorg en het daarmee samenhangende accreditatieproces zijn dan ook hot items binnen hogescholen en universiteiten. In dit artikel, gepubliceerd in het blad Onderwijsinnovatie beschrijf ik hoe het slim toepassen van BI de kwaliteitszorg in het hoger onderwijs ten goede komt.

 

Diplomering in het hoger onderwijs volgens Lean

Onlangs woonde ik een bespreking bij waarin gebrainstormd werd over het toepassen van Lean principes op verschillende processen in het hoger onderwijs. Ook het proces rondom (terechte of onterechte) diplomering, dat momenteel erg in de belangstelling staat, kwam ter sprake. Nu zijn managementtechnieken op zich niet helemaal mijn stiel maar de managementinformatie die er onvermijdelijk bij komt kijken is dat wel. Daarom heb ik besloten hier toch maar eens een schrijfsel aan te wagen. De nadruk ligt hier met name op kengetallen die een rol spelen terwijl het o zo belangrijke managen van werkprocessen schandelijk onderbelicht blijft.

Laten we beginnen met het kernachtig beschrijven van de hoofdgedachte achter Lean: Het continue verbeteren van het werkproces zodanig dat er in de loop der tijd steeds meer waarde richting de klant gaat met steeds minder middelen. Om deze almaar groeiende waarde richting de klant te realiseren geeft het management de gehele organisatie een zogenaamde Challenge. Het is dan de bedoeling dat de medewerkers van de organisatie met vereende krachten deze uitdaging aangaan. Op de achtergrond geeft het management hier sturing aan. Binnen dit kader is veel ruimte voor eigen initiatief van de medewerkers. De intrinsieke motivatie van de medewerkers en het zelforganiserend vermogen van de organisatie wordt op deze manier gestimuleerd. Verder is Lean management doel gestuurd in tegenstelling tot probleem gestuurd. Dit wil zeggen dat men zich niet dient te richten op het oplossen van problemen die bestaan in de huidige situatie maar dat de focus moet liggen op het bereiken van de Challenge.

Als we dit alles vertalen op het proces “hoger onderwijs” moeten we ons eerst afvragen: Wie is hier de klant? Is dit de individuele student? Of het bedrijfsleven? Of is het de samenleving? En wat is het product (waarde richting de klant)? Cursussen? Gediplomeerde studenten? Verschillende zienswijzen zijn mogelijk maar laten we voor nu even aannemen dat de klant van het hoger onderwijs de Nederlandse samenleving is. Deze wil (en betaalt ervoor) dat het hoger onderwijs zoveel mogelijk gediplomeerde studenten aflevert.

Afgaand op de nieuwsberichten is men bij sommige opleidingen wat doorgeschoten in het streven naar het afleveren van zoveel mogelijk gediplomeerde studenten. Dit is op zich wel een begrijpelijke ontwikkeling, omdat de onderwijsinstellingen voor iedere afgestudeerde student geld ontvangen. Kennelijk is er bij de betreffende opleidingen vooral gestuurd op het kengetal “Aantal gediplomeerde studenten”. De onderwijsinspectie concludeerde echter dat er in bepaalde gevallen toch iets te gemakkelijk een diploma is uitgereikt. Het niveau van de betreffende afgestudeerden bleek te laag. Ondanks de financiële prikkels die de overheid zelf in deze richting geeft, is het kengetal “Aantal gediplomeerde studenten” toch niet het juiste gebleken om op te sturen. Als we hier de Lean filosofie op los laten, zou het volgende een mooie Challenge zijn voor een onderwijsorganisatie:

Lever de komende vier jaren 10% meer goed opgeleide afgestudeerden af dan de afgelopen vier jaren voor dezelfde kosten.

Merk op dat in deze Challenge er zowel kwantitatieve als kwalitatieve eisen worden gesteld. Merk ook op dat het maximeren van de inkomende geldstroom geen rol speelt in deze Challenge. Merk tenslotte op dat in de Challenge, geheel in lijn met de Lean gedachte, niet gesproken wordt over het oplossen van de problemen die spelen in huidige situatie.

Stel je streeft deze uitdaging na als onderwijsorganisatie, wat is dan een nuttig kengetal dat je kunt gebruiken om te bepalen of je nog op koers ligt? Om deze vraag goed te kunnen beantwoorden wil ik eerst nog wat dieper ingaan op de redenen waarom de onderwijsinspectie bepaalde opleidingen precies afgekeurd heeft. Dit komt met name omdat de betreffende opleidingen de Wet op het Hoger onderwijs en Wetenschappelijk onderzoek (WHW) niet goed hebben nageleefd. In de WHW staat o.a. dat iedere opleiding een Onderwijs en Examenregeling (OER) moet hebben en wat hier minimaal in moet staan. In een OER moeten zaken beschreven zijn zoals de doelstelling van de opleiding, welke tentamens er zijn, in welke volgorde ze moeten worden afgelegd, te behalen studiepunten, de regels voor vrijstellingen, de nakijktermijn van tentamens, de geldigheidsduur van behaalde tentamencijfers, de rol de examinator en de examencommissie etc. Kortom: De OER beschrijft alle spelregels waaraan zowel de student als de onderwijsinstelling zich moeten houden voor de aaneengesloten periode die een student verbonden is aan de opleiding. Het is een belangrijk document waaraan de student rechten kan ontlenen.

De door de inspectie afgekeurde opleidingen hielden zich niet in alle gevallen aan hun eigen OER. Zo viel het in bepaalde gevallen op dat een student binnen een bepaald tijdsbestek ineens ongeloofwaardig veel studiepunten heeft ontvangen. Dit wijst erop dat er iets niet in de haak was met de wijze waarop en het tempo waarin tentamens beoordeeld worden. Ook kwam het voor dat studenten die hun studie hadden onderbroken om in het bedrijfsleven te gaan werken en na een tijd de studie weer wilden hervatten, vrijstellingen kregen op basis van opgedane praktijkervaring zonder dat onderbouwd was waarom deze vrijstellingen gerechtvaardigd waren. Ook kwam het voor dat eindresultaten waren goedgekeurd door andere dan de hiervoor aangewezen personen. Met behulp van de OER is na te gaan wat hier fout is gegaan.

Het hebben van een goede OER en het hiernaar handelen is dus grote mate bepalend voor wat de inspectie ziet als de kwaliteit van de opleiding. Terugkomend op de vraag, wat een nuttig kengetal is om te bepalen of je als onderwijsorganisatie nog op koers ligt om de eerder genoemde Challenge te behalen, kom ik op de volgende:

Het gemiddelde (bijvoorbeeld per cohort) van de minimaal benodigde tijd die studenten nodig hebben om de beoogde eindkwalificatie te halen conform de OER.

Hoe lager er gescoord wordt op dit kengetal hoe beter. Bovenstaande definitie zegt iets over zowel kwantiteit (gemiddelde benodigde tijd) als kwaliteit (conform de OER). Er komt wel heel wat bij kijken om een dergelijk kengetal ook daadwerkelijk en op regelmatige basis te kunnen uitrekenen. Mijns inziens is hier het gebruik van een geautomatiseerd systeem ter ondersteuning van workflow van de processen zoals beschreven in de OER onontbeerlijk. Zo’n OER ondersteunend systeem (OEROS) kan naast ondersteunend ook in zekere mate sturend worden gebruikt. Hieronder een simpel voorbeeld:

Een opleiding heeft als regel dat een tentamencijfer pas geldig is als deze in het OEROS als zodanig is geregistreerd. In het OEROS kan alleen een gebruiker die als lid van de examencommissie geregistreerd staat het cijfer de status geldig geven. Het cijfer kan alleen worden ingevuld door de in het systeem bekende (eerste, tweede, derde, …) beoordelaar van het betreffende vak. Een diploma kan pas worden uitgeprint als voor alle vakken die volgens de OER gevolgd moeten zijn een geldig eindcijfer is geregistreerd.

Een OEROS brengt het geautomatiseerd berekenen van ons kengetal binnen handbereik en dat is waar we naar toe willen. Met een systeem alleen komen we er natuurlijk niet. Het kan alleen werken als er ook een gezonde invuldiscipline is. De al eerder genoemde intrinsieke motivatie van de medewerkers is hier van wezenlijk belang voor het punctueel en eerlijk bij houden van het studentdossier.

Ik besef ook dat het volledig operationaliseren van het kengetal niet eenvoudig zal zijn. Het is bijvoorbeeld al lastig om in sommige gevallen te bepalen bij welk cohort iemand hoort. Dit speelt bijvoorbeeld bij studenten die halverwege de studie een uitstapje naar het bedrijfsleven hebben gemaakt en enkele jaren later de studie weer voortzetten. Extra lastig wordt het als je beseft dat veel opleidingen geregeld aanpassingen aanbrengen in de OER. Soms geldt een OER slechts een jaar, soms voor een cohort. Het is dus vaak lastig om te bepalen welke OER er op een bepaald moment geldt voor een student. Dit is een complex probleem dat eerst moet worden opgelost wil de door mij voorgestelde benadering gaan werken. Lees ook dit stuk eens voor een goede beschouwing over dit onderwerp.

Een ander punt is dat het door mij voorgestelde kengetal suggereert dat een opleiding kwalitatief goed is als maar netjes alle formele regels gevolgd worden. Het volgens de regels handelen (procedurele kwaliteit) is natuurlijk maar de helft van het verhaal. Naast procedurele kwaliteit is er ook nog zoiets als inhoudelijke kwaliteit. Ook hiervoor kan een kengetal gedefinieerd worden volgens de Lean gedachte. Iemand een suggestie?

 

Managementinformatie: Wat is waar? (II)

In deze post ga ik dieper in op het produceren van managementinformatie in een business intelligence (BI) omgeving, er vanuit gaand dat we alle benodigde broninformatie reeds bij elkaar hebben gezocht. Deze eerste stap heb ik reeds eerder beschreven.

Als ik het heb over managementinformatie dan denk ik aan beknopte overzichten met gemiddelden en kengetallen op dashboards en dergelijke. Kortom informatie waarop een organisatie gestuurd kan worden. In data warehouse land wordt in dit verband vaak gesproken over de “single version of the truth”. Vaak wordt dit uitgelegd als: Organisatiebreed moet er consensus zijn over de definitie van alle begrippen (kengetallen, categorieën, ..) binnen de managementinformatie. Dit is makkelijker gezegd dan gedaan. Zeker als we te maken hebben met een grote schare aan eindgebruikers afkomstig uit verschillende delen van de organisatie, zal er een hoop overleg nodig zijn om deze heilige graal te vinden. En zoals een goede heilige graal betaamd, blijft hij waarschijnlijk onvindbaar.

Laten we het probleem eens illustreren aan de hand van een voorbeeld waarin het begrip Medewerker een rol speelt.

Een universiteit heeft een financiële afdeling. Op deze afdeling heerst de overtuiging dat iedereen die op de loonlijst staat, een Medewerker is. Mensen die niet op de loonlijst staan, zijn geen Medewerker.

Faculteit A ziet dit anders. Zij beschouwt alle niet-studenten die daadwerkelijk werk verrichten voor de faculteit als Medewerkers. Immers, deze mensen schrijven uren, worden ingepland en leggen beslag op bepaalde ruimtes en hulpmiddelen. Zo komt het voor dat onderzoekers afkomstig van andere onderzoeksinstituten werkzaam zijn binnen de faculteit.   Verder zijn er soms gastdocenten die een college verzorgen. Deze mensen staan niet op de loonlijst maar verrichten wel degelijk werkzaamheden.

Faculteit B hanteert een iets andere definitie. Zij beschouwd in aanvulling op de definitie van Faculteit A ook studenten met een student-assistentschap als Medewerker.

We hebben hier drie verschillende definities van het begrip Medewerker binnen een organisatie. Net als in mijn vorige blogpost rijst ook hier weer de vraag: Wat is waar?

Het antwoord is simpel: Alle drie zijn natuurlijk waar. Het hangt er maar vanaf welk gezichtspunt je kiest. Als je wilt uitrekenen wat de student/docent ratio is op een bepaald moment, moet je eerst weten welke vraag je hiermee wilt beantwoorden. Wil je de gemiddelde loonkosten in beeld brengen die gemoeid zijn met het opleiden van een student, dan kun je uit de voeten met de definitie van het begrip Medewerker van de financiële afdeling. Ben je geïnteresseerd in het gemiddeld aantal uren inspanning dat het opleiden van een student kost, dan is de definitie van faculteit A of B wellicht nuttiger.

De faculteiten zullen mogelijk niet snel bereid zijn de definitie van het begrip Medewerker over te nemen van de financiële afdeling en vice versa. Alle drie de definities hebben echter bestaansrecht. Immers zowel de werkprocessen op de financiële afdeling als de werkprocessen op de faculteiten functioneren (hopelijk) naar behoren. Je zou kunnen zeggen dat ieder organisatieonderdeel/bedrijfsproces in principe zijn eigen definitie kan hebben van een bepaald begrip en een BI omgeving moet al deze definities faciliteren. Dit hoeft helemaal geen probleem te zijn zolang het voor de eindgebruiker van managementinformatie maar steeds duidelijk is welke definitie gehanteerd wordt.

Een bijzonder geval vormt die managementinformatie die organisatiebreed en dus afdeling overstijgend is. Dit is typisch het gezichtspunt van het hoger management. Om er hier zeker van te zijn dat we geen appels met peren gaan vergelijken is afstemming nodig met de verschillende organisatieonderdelen waarover we management informatie willen produceren.

Stel, voortbouwend op het bovengenoemde voorbeeld, dat het College van Bestuur van iedere faculteit een beeld wil hebben van de gemiddelde kosten die worden gespendeerd aan het opleiden van een student per collegejaar. Hiervoor moeten onder anderen de volgende vragen beantwoorden:

  1. In hoeverre kunnen gewerkte uren van Medewerkers worden toegeschreven aan een bepaalde faculteit? Er zijn namelijk Medewerkers met meerdere deeltijdaanstellingen.
  2. Welke kosten kunnen gekoppeld worden aan gewerkte uren van Medewerkers? Denk aan loonkosten en allerhande geldstromen.
  3. Voor welk deel moeten we kosten voor het opleiden van een student toeschrijven aan een bepaalde faculteit? Denk hier aan studenten die cursussen volgen bij verschillende faculteiten.

Op zich zijn dit stuk voor stuk lastige vragen die ik hier niet ga proberen te beantwoorden. Waar het om gaat is de definitie van het begrip Medewerker in dit verband.  Het is duidelijk dat we met de definitie van het begrip Medewerker van de financiële afdeling hier niet uit de voeten kunnen. We kiezen hier de definitie van Faculteit B (dus ook student-assistenten worden als Medewerker beschouwd).

Vervolgens is het zaak dat dit wordt afgestemd met alle faculteiten. De faculteiten hoeven de definitie van de begrippen die het College van Bestuur hanteert in principe niet over te nemen. Het gaat er hier alleen om dat we voor alle faculteiten inzicht krijgen in de ons ter beschikking staande brondata met betrekking tot Medewerkers. Hiervoor is input van de faculteiten nodig. Het zo verworven inzicht stelt ons technisch in staat om hieruit de management informatie zodanig te construeren dat deze voldoet aan de definities die het College van Bestuur hanteert. De faculteiten kunnen met de brondata op hun managementniveau nog altijd hun eigen ding mee doen, natuurlijk wel met het besef dat er op een hoger gelegen niveau op een (iets) andere manier naar gekeken wordt.

Ik realiseer mij dat deze zienswijze niet door iedereen wordt aangehangen. In mijn optiek moet een BI omgeving gewoon aansluiten bij de bestaande werkprocessen. De BI omgeving moet nooit dicteren hoe de betrokken organisatieonderdelen moeten werken of communiceren. Er moet ruimte zijn voor verschillende zienswijzen. Hooguit kan de BI omgeving doordat zij inzicht geeft in de verschillen in interpretatie van bepaalde begrippen de aanzet zijn voor een “verbeterproces” om de definitie van begrippen meer op een lijn te krijgen door de organisatie heen.

Ik ben dan ook een tegenstander van het nastreven van een organisatiebrede “single version of the truth” want: “The truth is in the eye of the beholder.”

 

In iedere organisatie van enige omvang speelt het uitwisselen van informatie een belangrijke rol.  Het komt dan ook geregeld voor dat er van bepaalde informatie verschillende versies circuleren. Stel je voor: Een hogeschool slaat van alle ingeschreven studenten informatie op in een centraal inschrijfsysteem. Daarnaast gebruikt iedere faculteit haar eigen op zichzelf staande studievolgsysteem (voor de niet ingewijden: een systeem waarin studieresultaten worden bijgehouden).  Ook hierin is informatie over studenten opgeslagen die oorspronkelijk bij instroom is overgenomen van het centrale inschrijfsysteem. Zowel in het inschrijfsysteem, als in het studievolgsysteem kunnen vanaf dat moment onafhankelijk van elkaar wijzigingen worden aangebracht op de studentgegevens. Het is dientengevolge heel goed mogelijk dat in beide systemen tegenstrijdige informatie rondom een bepaalde student is opgeslagen. Dit voorbeeld is slechts het topje van de ijsberg. Soortgelijke problemen doen zich voor bij medewerkers die zowel in het HRM systeem, het financiële systeem en soms ook in het studievolgsysteem (docenten) staan opgeslagen. En nog een (uit eigen ervaring): Als studenten die ingeschreven staan bij faculteit A een cursus volgen bij faculteit B dan wordt de betreffende cursus in het studievolgsysteem van beide faculteiten overgenomen. Kortom:  Er zijn legio voorbeelden.

En dan rijst nu de vraag: Wat is waar? Je zou kunnen zeggen dat dit op zich geen interessante vraag is. De student kan immers netjes zijn studie doorlopen en daar is het ons toch allemaal om te doen. Dit is op zich waar. Het punt is alleen dat wanneer we managementinformatie willen gaan afleiden, we voor een dilemma staan. Deze managementinformatie is geen doel op zich maar speelt een belangrijke rol in de kwaliteitscyclus (en uiteindelijk ook in het accreditatieproces). Als de juiste mensen op het juiste moment kunnen beschikken over de juiste managementinformatie, kan er beter gestuurd worden.  Misschien doorloopt de student zijn studie dan wel wat sneller, of sluit zijn kennis beter aan op de arbeidsmarkt, om maar eens wat te noemen.

Hoe voorkomen we dat er onduidelijkheid bestaat over welke informatie we moeten gebruiken voor het afleiden van managementinformatie?

Een antwoord hierop is Master Data Management (MDM). Het komt er dan op neer dat van alle niet transactionele informatie er een centrale administratie wordt aangewezen die als leidend beschouwd wordt binnen alle werkprocessen in de organisatie. Het decentraal wijzigen van gegevens die onder het MDM regime vallen is dan dus vloeken in de kerk. Dit betekent uiteraard wel dat alle werkprocessen en geautomatiseerde systemen hierop geënt moeten zijn. Dit is geen sinecure. Teruggrijpend naar de bovenstaande voorbeelden moet er dan MDM worden toegepast op de entiteiten Student, Medewerker en Cursus. Als er gekozen is voor een data warehouse als middel voor het verkrijgen van managementinformatie is het laden ervan door MDM een stuk eenvoudiger geworden. Transactionele data uit de verschillende bronsystemen kan dan relatief eenvoudig aan de entiteiten gekoppeld worden die onder MDM vallen.

Veel organisaties “kiezen” noodgedwongen voor een alternatief voor MDM. Namelijk door voor het verzamelen van brondata voor managementinformatie te kiezen voor een bronsysteem dat als leidend gezien moet worden. Deze leidende data wordt dan eventueel nog aangevuld met data uit niet leidende bronnen. Dit levert in de praktijk bijna per definitie problemen op met betrekking tot het aan elkaar koppelen van data uit verschillende bronsystemen. Het kan in dat geval haast niet anders dan dat de trukendoos open moet om toch maar zoveel mogelijk data wel te kunnen koppelen. Tijdens dit koppelproces zal naar alle waarschijnlijkheid bepaalde data afkomstig uit niet leidende systemen, genegeerd worden. In het beste geval zijn alle betrokkenen (van eigenaren van de bronsystemen tot aan eindgebruikers van de managementinformatie) het eens over de gekozen aanpak. Maar uiteindelijk zullen slechts weinigen kunnen overzien wat de gevolgen zijn van de toegepaste trucs voor de kwaliteit van de managementinformatie die hieruit voortkomt. Waarschijnlijk zijn dit alleen die personen die verantwoordelijk zijn voor de technische realisatie ervan. De verantwoordelijkheid voor datakwaliteit wordt op deze manier bij de verkeerde personen gelegd. Hoe dan ook: deze praktijk komt zeer veel voor.

Bij het ontbreken van MDM pleit ik ervoor om in ieder geval alle brondata ‘as is’ te bewaren met een tijdsstempel. Namelijk het is best mogelijk dat we bijvoorbeeld door voortschrijdend inzicht bedenken dat het koppelen van data uit verschillende bronnen toch anders moet verlopen. Als we data historisch hebben bewaard, kunnen we met terugwerkende kracht deze nieuwe manier van koppelen alsnog gaan uitvoeren. Een data warehouse ingericht volgens principes als Data Vault  en Anchor Modelling is hier heel geschikt voor.

We zijn nu op de helft. Als we eenmaal zover zijn dat de we brondata bij elkaar hebben gezocht, moet er nog managementinformatie van gemaakt worden.  In de volgende blogpost ga ik hier wat dieper op in.