In de steeds sterker datagedreven wereld van vandaag staat de behoefte aan correcte en betrouwbare gegevens voorop. In een groot aantal sectoren en rollen vertrouwen organisaties op nauwkeurige, betrouwbare informatie om hun activiteiten aan te sturen en weloverwogen beslissingen te nemen. Deze informatie vormt niet alleen de basis voor goed onderbouwde besluitvorming, maar stelt bedrijven ook in staat om diepgaander inzicht in hun klanten te krijgen en tegelijkertijd efficiënter te opereren, risico’s te beheersen en een concurrentievoordeel te verkrijgen.
Onnauwkeurige of onbetrouwbare gegevens kunnen leiden tot verkeerde beslissingen, ineffectieve strategieën, operationele inefficiëntie, complianceproblemen en gemiste kansen, waardoor het moeilijker wordt om zakelijk succes te behalen. Organisaties die de nauwkeurigheid en betrouwbaarheid van data vooropstellen, voeren daarom steeds vaker datagedreven praktijken in om zich een goede uitgangspositie te verschaffen in een complex en competitief landschap.
Nu het belang van hoogwaardige data steeds duidelijker wordt, voeren veel organisaties projecten voor Data Management uit om problemen met de datakwaliteit in kaart te brengen en op te lossen. Het identificeren van problemen m et data het meten van de datakwaliteit, kan in verschillende dimensies plaatsvinden, maar één specifieke uitdaging voor het beheer van masterdata komt bij veel organisaties naar voren: duplicatie van gegevens en de daaruit voortkomende ambiguïteit. Zelfs als andere aspecten van datamanagement volledig op orde zijn, kan dit specifieke probleem met de datakwaliteit grote gevolgen hebben. Niet alleen omdat het soms moeilijk te herkennen is, maar ook omdat het vaak nog moeilijker te verhelpen is.
De uitdagingen van dubbele data
De aanwezigheid van dubbele en tegenstrijdige of ambigue data kan vérstrekkende gevolgen hebben. Vaak speelt dit probleem in tal van domeinen en op vele, zo niet alle niveaus binnen de organisatie. De efficiëntie en effectiviteit van medewerkers kunnen er sterk onder lijden, of iemand nu rechtstreeks of indirect betrokken is bij data, als maker of consument, op executive niveau of op de werkvloer.
In sectoren waar Supply Chain optimalisatie een belangrijke rol speelt, bevatten de verschillende interne en externe systemen vaak informatie over producten of reserveonderdelen die alleen ‘op papier’ verschillen. Moeren en bouten met precies dezelfde afmetingen zijn in de praktijk uitwisselbaar, maar elke leverancier gebruikt een ander artikelnummer. Deze redundante of onduidelijke gegevens kunnen leiden tot inefficiënte onderhoudsplanning, met gevolgen zoals onnodige uitvaltijd, inefficiënte toewijzing van middelen, onder- of overbevoorrading en hogere onderhoudskosten.
Ook in spendanalyse maken onnauwkeurige of gedupliceerde bestedingsdata het vaak moeilijker om kansen voor kostenbeheersing te identificeren, gunstige contracten te onderhandelen en inkoopprocessen te optimaliseren, wat uiteindelijk leidt tot hogere uitgaven.
Misschien wel de duidelijkste voorbeelden spelen zich af wanneer de ambiguïteit te maken heeft met persoonsgegevens. Voornamen worden soms afgekort tot roepnamen of afwisselend gebruikt met initialen, adressen kunnen vaak op verschillende manieren worden geschreven, achternamen wijken af van meisjesnamen, enzovoort. Als het gaat om B2C- en marketingprocessen, staan onduidelijke of dubbele klantgegevens een goede segmentatie in de weg. Dit leidt tot ineffectieve marketingcampagnes en verspilde inspanningen die worden gericht op de verkeerde klantsegmenten. Er kunnen ook problemen ontstaan wanneer dezelfde persoon meerdere keren in een database voorkomt met verschillende adresgegevens. Dit kan leiden tot inefficiënties bij het genereren van leads, waardoor marketingmiddelen worden verspild, fouten ontstaan bij de kwalificatie van leads en verkoopkansen worden gemist.
In de gezondheidszorg kunnen zulke problemen bijzonder vervelende gevolgen hebben. Zojuist opgenomen SEH-patiënten worden soms niet teruggevonden in de dossiers van het ziekenhuis, waardoor eerder geregistreerde informatie over het hoofd wordt gezien. Dit kan leiden tot levensbedreigende situaties, bijvoorbeeld wanneer patiënten worden behandeld met een medicijn waarvoor ze allergisch zijn, of een MRI-scan ondergaan terwijl ze chirurgische implantaten hebben.
De oplossing: Golden Records
Een algemeen probleem is dat de bestaande oplossingen die dataduplicatie en ambiguïteit proberen aan te pakken, vaak tekortschieten als het gaat om effectiviteit, efficiëntie, complexiteit of kosten. Veel bedrijven zijn daarom op zoek naar een oplossing die naadloos met hun bestaande infrastructuur kan worden geïntegreerd en bovendien consistente prestaties en schaalbaarheid biedt.
Eraneos levert een complete oplossing om de informatie te transformeren naar ‘Golden Records’. Golden Records worden vaak beschreven als ‘single source of truth’ en vormen de meest nauwkeurige, geconsolideerde weergave van data-entiteiten. De aanpak bestaat uit het samenvoegen van data uit meerdere systemen en/of het elimineren van dubbele gegevensitems binnen hetzelfde systeem, waardoor organisaties de beschikking krijgen over een uniforme en betrouwbare informatiebron. Op basis van onze rijke ervaring en expertise uit eerdere succesvolle projecten levert Eraneos een oplossing die sterk configureerbaar, dynamisch, snel en schaalbaar is. Met behulp van geavanceerde machine learning-technieken op een volledig cloudgebaseerd platform bieden wij een snellere, beter wendbare oplossing dan de concurrentie.
In onze volgende artikelen gaan we dieper in op het concept van Golden Records en illustreren we verschillende aspecten hiervan: data opschonen, entiteiten matchen en attributen overerven. Verder bespreken we hoe deze aspecten worden gecombineerd bovenop een speciale Data Lineage-laag met informatie over de gegevensherkomst, zodat vanuit elk perspectief de meest geschikte weergave van de waarheid kan worden gevonden. Meer weten over onze oplossing? Neem contact op met iemand van ons Data & AI-team.
