Gegevenskwaliteit als voorwaarde voor ketenintegratie

Wie ooit heeft deelgenomen aan een programmastart waarbij de projectleider met zelfvertrouwen verklaarde dat de gegevensmigratie “slechts een technische formaliteit” betrof, herkent onmiddellijk het onbehagen dat volgt. Gegevenskwaliteit is in de praktijk van overheidsregistraties geen randverschijnsel, maar een fundamentele voorwaarde waarop de gehele ketenintegratie rust. Dit artikel gaat in op de structurele oorzaken van gegevenskwaliteitsproblemen in basisregistraties, de wijze waarop deze problemen doorwerken in afnemende systemen, en de aanpak die in de praktijk enig soelaas biedt — zonder de illusie te wekken dat er een eenvoudige oplossing bestaat.

Wat gegevenskwaliteit in een basisregistratie betekent

Gegevenskwaliteit is geen enkelvoudig begrip. In de context van een basisregistratie zoals de Basisregistratie Personen onderscheidt men doorgaans meerdere dimensies: juistheid, volledigheid, tijdigheid, consistentie en actualiteit. Elk van deze dimensies stelt andere eisen aan het beheerproces en aan de betrokken organisaties. Een gegeven kan volledig zijn — alle velden zijn gevuld — maar desondanks onjuist, omdat de bronhouder een fout heeft gemaakt bij de registratie of omdat de werkelijkheid is veranderd zonder dat dit tijdig is doorgegeven.

Het bijzondere van een basisregistratie is dat zij als authentieke bron fungeert. Afnemers mogen, en in veel gevallen moeten, de gegevens als waarheid aannemen. Dit beginsel van verplicht gebruik, verankerd in wetgeving, heeft grote voordelen voor de administratieve lastenverlichting, maar vergroot tegelijkertijd de impact van elke fout. Een onjuist adresgegeven in de basisregistratie werkt niet door in één systeem, maar in alle systemen die op die bron aansluiten. De fout wordt, om het in architectuurtermen te formuleren, als het ware gevalideerd door het stelsel zelf.

De definitie van kwaliteit is bovendien contextafhankelijk. Een gegeven dat voor de gemeentelijke belastingheffing voldoende nauwkeurig is, kan voor de uitvoering van de Wet langdurige zorg ontoereikend zijn. Dit maakt het vaststellen van kwaliteitsnormen tot een politiek-bestuurlijke opgave, niet uitsluitend een technische.

De bronhouder als zwakste schakel — en wat dat onterecht suggereert

In discussies over gegevenskwaliteit wordt de bronhouder — doorgaans de gemeente — regelmatig aangewezen als de partij die het probleem veroorzaakt. Deze framing is begrijpelijk maar onvolledig. De gemeente registreert op basis van wat burgers aanleveren, wat ambtenaren waarnemen en wat wettelijke procedures toestaan. De kwaliteit van de invoer is daarmee deels afhankelijk van factoren die buiten de directe invloedssfeer van de bronhouder liggen: de medewerking van burgers, de kwaliteit van brondocumenten uit het buitenland, de interpretatie van complexe leefomstandigheden zoals dakloosheid of verblijf in meerdere woningen.

Bovendien beschikt de gemiddelde gemeente niet over de middelen om uitgebreide datakwaliteitsaudits uit te voeren. De registratiesystemen zijn vaak decenniaoud, de koppelvlakken zijn complex en de instructies voor uitzonderingssituaties zijn, ondanks de uitgebreide logische ontwerpdocumentatie, niet altijd eenduidig toepasbaar op de praktijk. Het is een structureel probleem dat de verwachting van hoge gegevenskwaliteit niet gepaard gaat met evenredige investeringen in de registratieinfrastructuur aan de kant van de bronhouder.

Dit wil niet zeggen dat bronhouders geen verantwoordelijkheid dragen. Het wil wel zeggen dat een zuivere probleemanalyse verder moet gaan dan het aanwijzen van één partij. Ketenverantwoordelijkheid vereist ketendenken, en dat betekent dat ook de systeembeheerder, de centrale voorziening en de afnemer een rol spelen in het bewaken en verbeteren van kwaliteit.

Hoe fouten zich verspreiden door de keten

Een van de meest onderschatte mechanismen in gegevensketens is de foutpropagatie: de wijze waarop een initiële fout zich vermenigvuldigt naarmate meer systemen op dezelfde bron aansluiten. In een stelsel van basisregistraties is dit mechanisme bijzonder krachtig, omdat de architectuur juist is ontworpen om hergebruik te maximaliseren. Wat hergebruik bevordert, bevordert ook de verspreiding van fouten.

Een concreet voorbeeld maakt dit inzichtelijk. Stel dat een adresgegeven onjuist is geregistreerd — niet door nalatigheid, maar omdat de burger tijdelijk elders verbleef en de registratie niet tijdig is bijgewerkt. Dit gegeven wordt gebruikt door de gemeentelijke belastingdienst, door de uitkeringsinstantie, door de zorgverzekeraar in het kader van wettelijke verplichtingen en door de rechter bij de betekening van stukken. Elk van deze afnemers handelt te goeder trouw op basis van de authentieke bron. De burger ondervindt de gevolgen van een fout die hij wellicht niet eens als fout herkent, omdat hij de registratie nooit heeft ingezien.

Het herstellen van een dergelijke fout is evenmin eenvoudig. Correctieprocedures zijn formeel, tijdrovend en vereisen bewijs. De burger moet aantonen dat de registratie onjuist is, terwijl de registratie zelf als bewijs geldt. Dit is geen theoretisch paradox, maar een praktische realiteit die in bezwaar- en beroepsprocedures regelmatig terugkeert. De architecturale keuze voor één authentieke bron heeft daarmee een keerzijde die bij het ontwerp onvoldoende is geanticipeerd.

Kwaliteitsbeheer als proces, niet als project

Een veelgemaakte fout in overheidsprogramma’s is de behandeling van gegevenskwaliteit als een eenmalig te adresseren probleem. Men voert een schoonmaakactie uit, migreert de gegevens naar een nieuw systeem en gaat ervan uit dat de kwaliteit vervolgens op peil blijft. Deze aanname is onjuist. Gegevenskwaliteit is geen toestand maar een proces, en dat proces vereist continue aandacht, structurele capaciteit en heldere verantwoordelijkheidsbelegging.

Kwaliteitsbeheer omvat minimaal de volgende elementen: het vaststellen van normen en definities, het meten van de actuele kwaliteit ten opzichte van die normen, het analyseren van afwijkingen, het doorvoeren van correcties en het evalueren van de effectiviteit van verbetermaatregelen. Dit klinkt als een vanzelfsprekend beheerscyclus, maar in de praktijk ontbreekt een of meer van deze elementen vrijwel altijd. Normen zijn impliciet, metingen zijn incidenteel, analyses worden niet structureel uitgevoerd en verbetermaatregelen worden niet geëvalueerd.

De introductie van een formeel datakwaliteitsframework, zoals beschreven in gangbare standaarden voor informatiemanagement, biedt houvast. Maar een framework zonder eigenaarschap is papier. De cruciale vraag is wie binnen de organisatie verantwoordelijk is voor het bewaken van de kwaliteit, welke bevoegdheden die persoon of dat team heeft, en welke middelen beschikbaar zijn. In ketens met meerdere organisaties is deze vraag nog complexer, omdat eigenaarschap dan per definitie gedeeld is — en gedeeld eigenaarschap is in de praktijk vaak synoniem voor diffuse verantwoordelijkheid.

Privacy by design en de spanning met gegevenshergebruik

De privacywetgeving, in het bijzonder de Algemene Verordening Gegevensbescherming, introduceert een principe dat in directe spanning staat met de logica van basisregistraties: dataminimalisatie. Persoonsgegevens mogen slechts worden verwerkt voor zover dat noodzakelijk is voor het doel waarvoor zij worden verzameld. In een stelsel dat juist is ontworpen voor maximaal hergebruik, is dit een fundamentele architecturale uitdaging.

Privacy by design vereist dat privacywaarborgen niet achteraf worden toegevoegd, maar van meet af aan in het ontwerp worden verankerd. Dit betekent onder meer dat per afnemer wordt bepaald welke gegevens strikt noodzakelijk zijn, dat toegangsrechten worden beperkt tot wat functioneel vereist is, en dat logging en auditing zodanig zijn ingericht dat achteraf kan worden aangetoond wie welk gegeven heeft ingezien. In een grootschalig stelsel met tientallen afnemende organisaties en honderden toepassingen is dit een aanzienlijke beheeropgave.

De spanning tussen hergebruik en dataminimalisatie is niet theoretisch maar praktisch. Een afnemer die gewend is aan brede toegang tot basisregistratiegegevens, ervaart beperkingen als een belemmering van de dienstverlening. Een toezichthouder die de naleving van de privacywetgeving bewaakt, ziet diezelfde beperkingen als een minimumvereiste. De informatiearchitect die beide belangen moet accommoderen, bevindt zich in een positie die zelden comfortabel is en waarbij elke keuze een afweging impliceert die expliciet moet worden gemaakt en gedocumenteerd.

Wat in de praktijk werkt: voorzichtige lessen uit eerdere trajecten

Na jaren van wisselend succes in overheidsprogramma’s zijn er voorzichtige lessen te trekken — voorzichtig, omdat de context altijd bepalend is en wat in de ene situatie werkte, in een andere kan falen. Desondanks zijn er patronen zichtbaar die de kans op succes verhogen.

Ten eerste is vroege betrokkenheid van bronhouders bij het ontwerp van kwaliteitsnormen essentieel. Normen die zijn vastgesteld zonder kennis van de registratiepraktijk, zijn vaak niet handhaafbaar of niet meetbaar. De mensen die dagelijks met de gegevens werken, beschikken over kennis die in geen enkel ontwerpdocument staat.

Ten tweede werkt een iteratieve aanpak beter dan een big bang migratie. Door in fasen te werken, kunnen kwaliteitsproblemen vroeg worden gesignaleerd en gecorrigeerd voordat zij zich door de gehele keten hebben verspreid. Dit vereist echter een programmaopzet die ruimte biedt voor iteratie, inclusief de politieke bereidheid om tussentijdse resultaten te accepteren die nog niet volledig zijn.

Ten derde is transparantie over kwaliteitsniveaus richting afnemers van groot belang. Afnemers die weten dat bepaalde gegevens een hogere foutmarge hebben, kunnen hun processen daarop aanpassen. Afnemers die worden geconfronteerd met een onverwachte fout in een gegeven dat zij als betrouwbaar beschouwden, verliezen vertrouwen in het stelsel als geheel. Kwaliteitsindicatoren die als metadata worden meegeleverd bij gegevenssets, zijn een instrument dat in de praktijk nog te weinig wordt toegepast.

Ten slotte: de bereidheid om te meten wat oncomfortabel is. Organisaties die hun eigen gegevenskwaliteit meten, vinden altijd problemen. De neiging om meten uit te stellen of te beperken is begrijpelijk, maar contraproductief. Een probleem dat niet gemeten wordt, bestaat bestuurlijk niet — totdat het zich manifesteert in een incident dat aanzienlijk moeilijker te beheersen is dan de onderliggende kwaliteitsissue ooit was.