Wanneer een digitaliseringsproject bij de overheid strandt, richt de aandacht zich doorgaans op het fout gelopen contract, de overschreden budgetten of de ontoereikende projectbeheersing. Wat minder zichtbaar blijft — maar in de praktijk vaker de oorzaak is van structureel falen — is de kwaliteit van de onderliggende gegevens waarop het nieuwe systeem wordt geacht te draaien. Een register dat juridisch correct is ingericht, technisch uitstekend is gebouwd en aanbesteed conform alle geldende regels, kan alsnog volledig onbruikbaar zijn als de brondata niet klopt. Dit artikel gaat over die minder glamoureuze, maar fundamenteel bepalende randvoorwaarde: gegevenskwaliteit.
Wat verstaan we onder gegevenskwaliteit in een basisregistratie?
Gegevenskwaliteit is geen enkelvoudig begrip. In de context van een basisregistratie — een register dat wettelijk is aangewezen als authentieke bron voor een specifieke categorie gegevens — kent het begrip minimaal vier dimensies die elk afzonderlijk aandacht verdienen.
De eerste dimensie is juistheid: de geregistreerde waarde stemt overeen met de werkelijkheid. De tweede is volledigheid: alle verplicht te registreren gegevens zijn daadwerkelijk aanwezig. De derde is actualiteit: de gegevens weerspiegelen de meest recente bekende situatie, niet een historische toestand die inmiddels is achterhaald. De vierde, en in ketensystemen de meest onderschatte, is consistentie: het gegeven heeft in alle afnemende systemen dezelfde betekenis en dezelfde waarde.
In de praktijk scoort een basisregistratie zelden op alle vier dimensies tegelijk hoog. Juistheid en volledigheid zijn relatief goed te meten via audits en steekproeven. Actualiteit vereist dat mutaties tijdig worden doorgegeven, wat afhankelijk is van gedragspatronen van burgers en de verwerkingssnelheid van bronhouders. Consistentie is het moeilijkst te borgen, omdat het niet alleen een technisch vraagstuk is maar ook een semantisch: twee systemen kunnen hetzelfde veld anders definiëren zonder dat dit in de interface zichtbaar wordt.
De juridische dimensie van gegevensbeheer
Een aspect dat in technische discussies over gegevenskwaliteit regelmatig wordt veronachtzaamd, is de juridische grondslag van elk afzonderlijk gegeven. Binnen het stelsel van basisregistraties geldt het beginsel dat afnemers verplicht zijn de authentieke gegevens te gebruiken en terugmelding te doen wanneer zij gerede twijfel hebben over de juistheid daarvan. Dit terugmeldingsrecht — en in sommige gevallen de terugmeldingsplicht — is verankerd in de wetgeving rond de basisregistratie personen en aanverwante stelsels.
De praktijk laat echter zien dat terugmelding als mechanisme onderbenut wordt. Afnemende organisaties beschikken niet altijd over de processen of de technische infrastructuur om een discrepantie formeel te registreren en door te sturen naar de bronhouder. Bovendien ontbreekt het soms aan juridische zekerheid over de vraag welke partij verantwoordelijk is voor de correctie wanneer een gegeven in meerdere registers tegenstrijdig is opgenomen. Dit is geen theoretisch probleem: in de uitvoeringspraktijk van uitkeringsinstanties, zorgkantoren en gemeentelijke sociale diensten leidt dit type inconsistentie tot aantoonbare schade voor burgers.
Het is daarom niet voldoende om gegevenskwaliteit als een technisch beheersvraagstuk te behandelen. Het vereist een expliciete juridische toewijzing van verantwoordelijkheid, vastgelegd op het niveau van het stelsel en niet overgelaten aan de bilaterale afspraken tussen individuele organisaties.
Hoe vervuilde data migratieproblemen veroorzaakt
Wanneer een verouderd systeem wordt vervangen — een scenario dat in overheidsorganisaties met regelmaat voorkomt — is gegevensmigratie een van de meest risicovolle fasen van het traject. De verleiding bestaat om de migratie te behandelen als een puur technisch vraagstuk: een ETL-proces, een mapping van veldnamen, een validatiescript. In werkelijkheid is het een inhoudelijk vraagstuk dat diepe kennis vereist van het domein, de historische context van de data en de bedrijfsregels die impliciet in het oude systeem zijn ingebakken.
Vervuilde data migreert mee. Velden die in het oude systeem nooit werden gebruikt, maar ook nooit verplicht waren gesteld, blijken in het nieuwe systeem opeens verplicht te zijn. Historische uitzonderingen die decennialang zijn gedoogd, passen niet in de strikte validatieregels van de nieuwe applicatie. Dubbele inschrijvingen, die in het oude systeem werden omzeild via werkafspraken, worden in het nieuwe systeem opeens zichtbaar als conflicten.
De kosten van dit soort problemen zijn aanzienlijk. Niet alleen in termen van herstelwerk, maar ook in termen van vertraging, verlies van vertrouwen bij eindgebruikers en — in het ergste geval — onjuiste beslissingen die op basis van de foutieve data worden genomen in de periode na de livegang. Een zorgvuldige datakwaliteitsanalyse voorafgaand aan de migratie is geen luxe maar een noodzakelijke investering die in de projectplanning structureel wordt onderschat.
Privacy by design en de spanning met gegevensbeschikbaarheid
De introductie van privacy by design als ontwerpprincipe — formeel verankerd in de Algemene Verordening Gegevensbescherming — heeft een wezenlijke spanning gecreëerd met de klassieke opvatting van gegevenskwaliteit als ‘hoe meer data, hoe beter’. Het principe van dataminimalisatie schrijft voor dat alleen die gegevens worden verwerkt die strikt noodzakelijk zijn voor het doel waarvoor ze worden verzameld. Dit is een legitiem en noodzakelijk principe, maar het botst in de uitvoeringspraktijk met de behoefte aan rijke datasets voor ketenintegratie en beleidsanalyse.
De informatiearchitect die een nieuw systeem ontwerpt, staat voor de opgave deze spanning te operationaliseren. Welke gegevens zijn strikt noodzakelijk? Voor welk doel precies? En hoe wordt geborgd dat gegevens die voor doel A zijn verzameld, niet worden hergebruikt voor doel B zonder een nieuwe juridische grondslag? Deze vragen zijn niet abstract: ze bepalen concreet welke velden in het systeem worden opgenomen, wie er toegang toe heeft en hoe lang ze worden bewaard.
Een bijkomende complicatie is dat privacy by design niet alleen een technisch ontwerpcriteria is, maar ook een organisatorisch vraagstuk. De technische maatregelen — encryptie, toegangscontrole, pseudonimisering — zijn relatief goed te specificeren. De organisatorische maatregelen — wie beslist over toegangsverlening, hoe worden verwerkersovereenkomsten gemonitord, wat is het protocol bij een datalek — vereisen een governance die in veel overheidsprogramma’s pas in een laat stadium wordt uitgewerkt.
De rol van standaarden in het bewaken van kwaliteit
Gegevenskwaliteit is niet uitsluitend een kwestie van goede wil of voldoende capaciteit. Het vereist ook een gedeelde taal: standaarden die definiëren hoe gegevens worden gestructureerd, welke waarden geldig zijn en hoe uitwisseling tussen systemen plaatsvindt. In Nederland bestaat hiervoor een uitgebreid stelsel van standaarden, beheerd door verschillende organisaties en van toepassing op uiteenlopende domeinen.
De uitdaging is dat standaarden niet statisch zijn. Ze worden bijgewerkt, uitgebreid of vervangen, en systemen die op een oudere versie van een standaard zijn gebouwd, raken daardoor geleidelijk uit de pas met de rest van het stelsel. Dit is een bekende maar moeilijk oplosbare dynamiek: de kosten van het bijhouden van standaarden worden zelden expliciet begroot in een project, terwijl de gevolgen van het niet bijhouden ervan pas jaren later zichtbaar worden.
Bovendien zijn standaarden alleen effectief als ze daadwerkelijk worden toegepast. In de praktijk bestaan er aanzienlijke variaties in de implementatie van dezelfde standaard door verschillende organisaties, met name wanneer de standaard ruimte laat voor lokale invulling. Dit soort variaties zijn individueel verdedigbaar maar leiden collectief tot de interoperabiliteitsproblemen die ketenintegratie zo moeizaam maken.
Gegevenskwaliteit als continu proces, niet als projectfase
Een van de meest hardnekkige misvattingen in overheidsprogramma’s is de opvatting dat gegevenskwaliteit een eenmalige activiteit is: men voert een schoonmaakslag uit vóór de livegang, de data is dan op orde, en daarna kan het systeem zijn werk doen. Deze opvatting miskent de fundamentele aard van gegevens in een levend systeem.
Gegevens degraderen. Personen verhuizen, overlijden, wijzigen hun naam of burgerlijke staat. Organisaties worden opgericht, fuseren of worden ontbonden. Wet- en regelgeving verandert, waardoor gegevens die eerder correct waren, een andere betekenis krijgen of niet langer mogen worden bewaard. Een register dat vandaag op orde is, is dat over vijf jaar niet meer als er geen structureel kwaliteitsbeheer is ingericht.
Dit impliceert dat gegevenskwaliteit een permanente organisatorische functie vereist, met bijbehorend mandaat, capaciteit en budget. In de praktijk wordt deze functie — vaak aangeduid als datastewardship of gegevensbeheer — in veel organisaties belegd bij een kleine groep medewerkers zonder formele bevoegdheden en met een beperkt budget. De discrepantie tussen de maatschappelijke relevantie van de taak en de institutionele positie van de mensen die haar uitvoeren, is een structureel probleem dat niet via technologie kan worden opgelost.
Wat werkt: incrementele verbetering boven grootschalige sanering
Op basis van ervaringen in meerdere overheidsprogramma’s kan worden gesteld dat grootschalige, eenmalige datakwaliteitsprojecten zelden het beoogde resultaat opleveren. De scope is te groot, de doorlooptijd te lang en de organisatie verandert sneller dan het project. Wat structureel beter werkt, is een incrementele aanpak: kleine, gerichte verbeteringen die worden doorgevoerd in de reguliere processen en die worden gemonitord via meetbare indicatoren.
Dit vereist dat gegevenskwaliteit wordt ingebed in de dagelijkse werkprocessen van de organisatie, niet behandeld als een apart project met een eigen projectteam. Het vereist ook dat medewerkers die data invoeren en beheren, begrijpen waarom kwaliteit belangrijk is en wat de gevolgen zijn van fouten — niet als abstracte stelling, maar als concrete voorbeelden uit hun eigen domein.
De conclusie is ongemakkelijk maar onvermijdelijk: de kwaliteit van een basisregistratie wordt uiteindelijk bepaald door de organisatie die haar beheert, niet door de technologie die haar ondersteunt. Investeringen in systemen zonder parallelle investeringen in organisatiecapaciteit en governance zijn gedoemd tot teleurstelling — ongeacht de kwaliteit van de aanbesteding of de reputatie van de leverancier.
Leave a Reply