Er bestaat een hardnekkig misverstand in de wereld van overheidsdigitalisering: dat een registratiesysteem, eenmaal ingericht en gevuld, een stabiele toestand bereikt. Wie enige tijd heeft doorgebracht in de praktijk van basisregistraties, weet dat dit misverstand kostbaar is. Gegevenskwaliteit is geen eigenschap die u één keer vaststelt en daarna kunt archiveren; het is een dynamisch begrip dat voortdurend onder druk staat van maatschappelijke verandering, wetswijzigingen, migratiestromen, technische schuld en de alledaagse onvolkomenheden van menselijk handelen. Dit artikel gaat over de structurele uitdagingen die samenhangen met het op peil houden van gegevenskwaliteit in een basisregistratie, en over de mechanismen die daarvoor in de loop der tijd zijn ontwikkeld — met wisselend resultaat.
Wat gegevenskwaliteit werkelijk omvat
In de standaardliteratuur over informatiemanagement wordt gegevenskwaliteit doorgaans opgesplitst in dimensies als juistheid, volledigheid, tijdigheid, consistentie en actualiteit. Deze indeling is nuttig als analysemodel, maar verhult de spanning die in de praktijk bestaat tussen die dimensies onderling. Een gegeven kan tijdig zijn bijgewerkt en toch onjuist zijn, omdat de bronmelding zelf een fout bevatte. Een gegeven kan volledig zijn in de zin dat alle vereiste velden zijn ingevuld, terwijl de inhoud van die velden niet overeenkomt met de werkelijkheid.
In het geval van de basisregistratie personen is dit geen theoretisch vraagstuk. Het gaat om gegevens die door tientallen afnemende organisaties worden gebruikt voor besluiten met directe rechtsgevolgen: uitkeringen, belastingaanslagen, stemgerechtigdheid, toegang tot zorg. Een onjuist adresgegeven is niet slechts een administratieve onvolkomenheid; het kan betekenen dat een beschikking nooit aankomt, dat een persoon buiten beeld raakt bij instanties die hem of haar hadden moeten bereiken, of dat een uitkering onterecht wordt voortgezet of stopgezet. De kwaliteitsdimensies zijn in dit licht niet neutraal technisch van aard — zij hebben een normatieve lading die samenhangt met de rechtspositie van de betrokken burger.
De wetgever heeft dit erkend door in de relevante regelgeving terugmeldverplichtingen op te nemen: afnemers die gerede twijfel hebben over de juistheid van een gegeven zijn verplicht dit te melden aan de bronhouder. In de uitvoeringspraktijk blijkt deze verplichting echter moeilijk af te dwingen. Organisaties die gegevens afnemen, beschouwen het melden van afwijkingen vaak als een taak die buiten hun primaire proces valt, en de prikkels om dit structureel te doen zijn zelden sterk genoeg om gedragsverandering te bewerkstelligen.
De structurele oorzaken van gegevensdegradatie
Gegevens degraderen. Dit is een fundamenteel gegeven dat elk ontwerp van een registratiesysteem als uitgangspunt zou moeten nemen, maar dat in de praktijk te vaak wordt behandeld als een uitzondering die achteraf moet worden opgelost. De oorzaken van degradatie zijn velerlei en deels onvermijdelijk.
De meest voor de hand liggende oorzaak is de veranderlijkheid van de werkelijkheid zelf. Mensen verhuizen, overlijden, trouwen, scheiden, veranderen van naam of nationaliteit. Elk van deze gebeurtenissen vereist een tijdige en correcte mutatie in de registratie. De snelheid waarmee die mutatie plaatsvindt, is afhankelijk van de bereidheid en mogelijkheid van burgers om aangifte te doen, van de verwerkingscapaciteit van gemeenten, en van de technische integratie tussen de aangifte en de verwerking in het systeem. Elk van deze schakels is een potentieel knelpunt.
Een minder zichtbare maar minstens zo relevante oorzaak is de definitieverschuiving in de tijd. Begrippen als ‘woonadres’, ‘hoofdverblijf’ of ‘gezinsverband’ zijn juridisch gedefinieerd, maar die definities veranderen onder invloed van jurisprudentie, beleidswijzigingen en maatschappelijke ontwikkelingen. Wat tien jaar geleden correct werd geregistreerd op basis van de toen geldende definitie, kan vandaag feitelijk onjuist zijn zonder dat er een mutatie heeft plaatsgevonden. Dit type degradatie is bijzonder lastig te detecteren, omdat het niet zichtbaar is als een ontbrekend of gewijzigd gegeven, maar als een verschil tussen de juridische werkelijkheid van gisteren en die van vandaag.
Daarnaast speelt de kwaliteit van de aanleverende processen een rol die niet onderschat mag worden. In de keten van aangifte tot registratie zijn meerdere momenten waarop fouten kunnen ontstaan: bij de interpretatie van een document door een ambtenaar, bij de invoer in een lokaal systeem, bij de conversie naar een uitwisselingsformaat, bij de verwerking in de centrale registratie. Elk van deze stappen introduceert ruis. Standaardisering van berichtenformaten, zoals die in de Nederlandse overheidsarchitectuur is nagestreefd via uitwisselingsstandaarden, vermindert deze ruis maar elimineert haar niet.
Kwaliteitsborging in een gedistribueerde verantwoordelijkheidsstructuur
Een van de meest complexe aspecten van gegevenskwaliteitsbeheer in een basisregistratie is de gedistribueerde verantwoordelijkheidsstructuur. De bronhouder — in het geval van de basisregistratie personen zijn dat de gemeenten — is verantwoordelijk voor de juistheid van de gegevens die zij bijhouden. De centrale voorziening is verantwoordelijk voor de integriteit van de distributie en de technische beschikbaarheid. De afnemers zijn verantwoordelijk voor correct gebruik en voor het terugmelden van afwijkingen. In theorie sluit dit systeem naadloos op elkaar aan; in de praktijk zijn de grenzen tussen deze verantwoordelijkheden minder scherp dan de wetgeving doet vermoeden.
Gemeenten variëren sterk in omvang, capaciteit en de mate waarin zij gegevenskwaliteit als prioriteit behandelen. Een grote gemeente met een gespecialiseerde afdeling burgerzaken beschikt over andere middelen dan een kleinere gemeente waar dezelfde medewerker ook andere taken vervult. Dit leidt tot een ongelijkmatige kwaliteit over het geheel van de registratie, die zichtbaar wordt zodra men de gegevens analyseert op gemeenteniveau. Landelijke kwaliteitsmonitors, die periodiek worden uitgevoerd, bevestigen dit patroon consequent.
De vraag hoe men kwaliteitsverschillen tussen bronhouders kan verkleinen zonder de autonomie van gemeenten te schenden, is een bestuurlijk vraagstuk dat technische oplossingen slechts gedeeltelijk kunnen adresseren. Geautomatiseerde validatieregels bij de invoer helpen om evidente fouten te voorkomen, maar zij kunnen niet compenseren voor een gebrek aan kennis, capaciteit of prioritering aan de kant van de bronhouder. Opleidingsprogramma’s, intercollegiale toetsing en landelijke richtlijnen zijn instrumenten die in dit verband zijn ingezet, maar hun effectiviteit is moeilijk te meten en hun werking is traag.
Een bijkomende complicatie is dat de terugmeldketen, die in beginsel een correctiemechanisme zou moeten zijn, in de praktijk niet altijd functioneert als zodanig. Afnemers die een afwijking constateren, beschikken niet altijd over de juridische grondslag om te verifiëren welk gegeven correct is; zij kunnen slechts signaleren dat er een discrepantie bestaat. De bronhouder moet vervolgens onderzoek doen, wat tijd en capaciteit kost. In gevallen waar de discrepantie niet eenduidig kan worden opgelost — bijvoorbeeld omdat een burger meerdere adressen claimt of omdat documenten ontbreken — kan een terugmelding resulteren in een langdurig dossier zonder definitieve uitkomst.
Geautomatiseerde detectie en de grenzen van algoritmische kwaliteitscontrole
De opkomst van geautomatiseerde analysemethoden heeft nieuwe mogelijkheden gecreëerd voor het detecteren van gegevenskwaliteitsproblemen. Door grote hoeveelheden registratiegegevens te analyseren op statistische afwijkingen, onwaarschijnlijke combinaties of patronen die niet overeenkomen met verwachte gedragspatronen, kunnen systemen signalen genereren die wijzen op mogelijke onjuistheden. Dit is een waardevolle aanvulling op de handmatige controles die traditioneel de kern van kwaliteitsborging vormden.
Tegelijkertijd kent deze benadering fundamentele beperkingen die in de implementatie zorgvuldig moeten worden doordacht. Een algoritme dat afwijkingen detecteert, detecteert per definitie ook gevallen die statistisch ongebruikelijk zijn maar feitelijk correct. Een persoon die om legitieme redenen op een ongebruikelijk adres staat ingeschreven, of een huishoudsamenstelling die afwijkt van het statistische gemiddelde, kan worden gemarkeerd als verdacht zonder dat er iets mis is. De vraag hoe met dergelijke signalen wordt omgegaan, heeft directe gevolgen voor de rechtspositie van de betrokken burger.
Vanuit het perspectief van privacy by design — een beginsel dat in de Algemene Verordening Gegevensbescherming is verankerd en dat vereist dat gegevensbescherming wordt ingebouwd in het ontwerp van systemen en processen — is het gebruik van geautomatiseerde analyse voor kwaliteitscontrole niet zonder spanning. Het gebruik van gegevens voor een ander doel dan waarvoor zij zijn verzameld, ook al is dat andere doel het verbeteren van de kwaliteit van dezelfde registratie, vereist een expliciete juridische grondslag en een zorgvuldige afweging van noodzakelijkheid en proportionaliteit.
De conclusie die hieruit volgt, is niet dat geautomatiseerde detectie vermeden moet worden, maar dat zij ingebed moet zijn in een kader dat de rechtsbescherming van de burger waarborgt. Dat betekent: transparantie over de gebruikte methoden, een heldere procedure voor het opvolgen van signalen, en een expliciete mogelijkheid voor de burger om gemarkeerde gegevens te betwisten. Zonder dit kader is geautomatiseerde kwaliteitscontrole een instrument dat meer problemen kan creëren dan het oplost.
Gegevenskwaliteit in een basisregistratie is daarmee geen technisch probleem met een technische oplossing. Het is een bestuurskundig, juridisch en organisatorisch vraagstuk waarbij technologie een ondersteunende rol speelt — niet meer en niet minder. Wie dat onderscheid uit het oog verliest, ontwerpt systemen die werken in de demo en falen in de werkelijkheid.
Leave a Reply