Een datastrategie is relatief snel geschreven. Daarna begint het echte werk.

Een datastrategie is relatief snel geschreven.

Ambities formuleren. Principes bepalen. Een roadmap maken. Misschien een mooi datamodel of architectuurplaat erbij.

Daarna begint het echte werk.

Want wie is er eigenlijk verantwoordelijk voor de data?

Wie bepaalt welke definities gelden? Wie grijpt in als dezelfde indicator in twee rapportages iets anders betekent? Wie bepaalt of de kwaliteit goed genoeg is? En wie zorgt ervoor dat afspraken niet alleen op papier bestaan, maar in de praktijk ook worden gevolgd?

Dat is waar data governance over gaat.

Niet nóg een overlegstructuur

Bij governance ontstaat al snel het beeld van commissies, rollenmodellen en dikke documenten met verantwoordelijkheden.

Dat kan nuttig zijn, maar het is niet het doel.

Goede data governance gaat wat mij betreft vooral over duidelijkheid.

Weten wie ergens van is. Wie een besluit mag nemen. Wie verantwoordelijk is voor de kwaliteit van gegevens. En wie ervoor zorgt dat een besluit vervolgens ook daadwerkelijk wordt uitgevoerd.

Dat klinkt eenvoudig.

In de praktijk blijkt het behoorlijk lastig.

Van wie is de data eigenlijk?

Veel gegevens lopen dwars door een organisatie heen.

Een gegeven wordt vastgelegd in het primaire zorgproces, gebruikt door planning, verwerkt in een rapportage, doorgestuurd voor verantwoording en misschien later opnieuw gebruikt voor analyse of AI.

Wie is dan eigenaar?

ICT beheert misschien het systeem, maar bepaalt daarmee nog niet wat een gegeven betekent.

Een beleidsmedewerker gebruikt het gegeven, maar is daarmee niet automatisch verantwoordelijk voor de registratie.

En degene die registreert kan niet altijd beoordelen welke gevolgen een bepaalde invoer verderop in de informatieketen heeft.

Juist daar ontstaan problemen.

Datakwaliteit is van iedereen – en daardoor soms van niemand

In de praktijk zie ik dat veel datavraagstukken uiteindelijk geen technisch probleem zijn.

De systemen kunnen vaak meer dan we denken.

De echte uitdaging zit in eigenaarschap, besluitvorming en samenwerking tussen zorg, beleid, informatievoorziening en ICT.

Zolang dat niet goed is ingericht, blijft datakwaliteit iets van “de ander”.

Een fout wordt geconstateerd in een rapportage. De rapportagemaker kijkt naar ICT. ICT kijkt naar het bronsysteem. Het bronsysteem verwijst naar het proces. En uiteindelijk blijft onduidelijk wie het probleem daadwerkelijk moet oplossen.

Een maand later ontstaat dezelfde discussie opnieuw.

Governance moet het eenvoudiger maken

Goede data governance maakt verantwoordelijkheden expliciet.

Niet om het ingewikkelder te maken, maar juist om het eenvoudiger te maken.

Voor belangrijke gegevens moet bijvoorbeeld duidelijk zijn:

• wie verantwoordelijk is voor de definitie;
• wie verantwoordelijk is voor correcte registratie;
• wie de kwaliteit bewaakt;
• wie afwijkingen onderzoekt;
• wie een besluit neemt als verschillende belangen botsen.

Dat hoeft niet voor ieder veld in ieder systeem een uitgebreid governanceproces te worden.

Begin bij de gegevens die er echt toe doen.

Papier is niet genoeg

En dan komt misschien wel het lastigste gedeelte.

Governance werkt pas als afspraken ook onderdeel worden van de dagelijkse praktijk.

Een data-eigenaar op papier die nooit naar datakwaliteit kijkt, lost weinig op. Een definitie in een document die niemand kent evenmin.

De vraag is dus niet alleen of verantwoordelijkheden zijn beschreven.

De vraag is of ze werken.

Want pas als duidelijk is wie waarvan is, kun je serieus werken aan betrouwbare, beschikbare en bruikbare data.