De rekening van slechte data staat nergens op de begroting
Waarom de kosten van slechte data geen adres hebben, en hoe je ze er een geeft.

Organisaties rekenen graag. Elke investering krijgt een business case, elke afdeling een budget en elke euro een kostenplaats. Alleen niet voor data.
Op de Gartner Data & Analytics Summit in Londen noemde analist Anurag Raj in mei data governance het single point of failure voor AI-ambities. Ontbrekende betekenis en context in data leiden volgens Gartner tot onnauwkeurige AI-agenten en verspild budget. Hoewel de bewustwording van het belang van betrouwbare data toeneemt, kan ik me niet aan de indruk onttrekken dat de oorzaak toch weer in de techniek of projectuitvoering wordt gezocht.
Waar staat de rekening van slechte data eigenlijk op de begroting?
De kosten hebben geen adres
Slechte data stuurt geen factuur. De kosten landen bij klantenservice als extra gesprekken, bij finance als correctiewerk en bij sales als gemiste kansen. Elke afdeling boekt dat onder “normaal werk”.
Omdat het er nu eenmaal bij hoort, telt niemand het totaal op. En dus bestaat het voor het management niet.
Elke maandagochtend vier uur hoofdletters
Voorbeeld uit een van mijn eigen opdrachten. Een medewerker zette elke maandagochtend alle initialen van klanten met de hand weer om naar hoofdletters. Vier uur werk, wekelijks. Dat had ze tijdens het inwerken geleerd, als vast onderdeel van de functie.
Het ging al jaren zo, dus het bleef zo gaan. Niemand vroeg waarom de initialen steeds kleine letters kregen.
De oorzaak zat in een foutje in een integratiescript dat ieder weekend draaide. Eén script, één fout, jaren handwerk.
Hoe beter de opvang, hoe minder zichtbaar het probleem
Die medewerker deed haar werk goed. Ze herstelde de fout voordat die echt zichtbaar werd, dus er kwam geen klacht en geen incident. Waarschijnlijk is het ooit zo gestart: klanten klaagden en het management reageerde met ‘Los het maar op’.
De rapporten toonden daarna correcte initialen. Het management had geen aanleiding om te vragen waar die correctheid vandaan kwam.
Vakmanschap (of handwerk) verbergt de fout voor degene die het budget beheert.
Merkbaar, nooit zichtbaar
De impact van datakwaliteit is altijd merkbaar en nooit zichtbaar. Medewerkers merken die impact in hun dagelijkse werk. Ondersteunende diensten (finance, BI, datateams) kuisen de rapporten op. Het management ziet de impact niet.
Zo’n probleem krijgt geen plek in een dashboard, een business case of een begroting. Zonder plek op de begroting krijgt het ook geen oplossing.

Reken het eens uit
Vier uur per week is ruim tweehonderd uur per jaar, ruim vijf werkweken. Voor één veld, bij één medewerker.
Zet daar een uurtarief achter en je hebt een bedrag dat op geen enkele begroting stond.
Een fout in een script herstel je meestal in een dag. Het handwerk liep jaren door.
Goede data voel je ook, zonder haar te zien
Het omgekeerde geldt ook. Bij goede data blijft de impact merkbaar. De rapporten kloppen, de maandagochtend is vrij voor ander werk en de klant leest zijn eigen naam goed geschreven.
Je ziet het alleen niet. Niemand schrijft een memo over een fout die niet gebeurt.
Onzichtbaar betekent hier dat het werkt. Dat is de winst van adequate data: de organisatie draait soepel zonder dat iemand een extra stap hoeft te zetten.
Goed per toeval is een aanname voor AI
Die winst staat op losse schroeven als de data bij toeval goed is. Een alert collega, een slimme gewoonte of een script dat toevallig goed draait houden de kwaliteit in stand, terwijl niemand die kennis heeft vastgelegd.
Een medewerker vult de gaten met gezond verstand. Een AI-agent vult ze met aannames, en die kloppen soms niet. Gartner koppelt dat gebrek aan betekenis en context aan onnauwkeurige agenten en verspild budget.
De hoofdletterregel zat in de inwerkuitleg en in het hoofd van één medewerker. Een AI-agent leert de hoofdletters niet tijdens het inwerken.
Geef de kosten en de kwaliteit een adres
Vraag elke afdeling welke correcties ze structureel met de hand doen. Laat ze de uren optellen en zet het totaal met een naam erbij op de begroting.
Leg ook vast wat nu goed gaat en vooral ook waarom! Zoals met veel dingen in het leven is het daarna zaak om vinger aan de pols te houden. Er hoeft maar één foutje ongemerkt door te glippen en de vervuiling sluipt via een andere hoek weer binnen. Die vinger aan de pols zit bij de bron, zodat de fout daar stopt.
Data hoeft niet perfect te zijn. Ze moet adequaat zijn.
Geschreven door Ruud Kuil
Co-founder van MAD-Quality. Helpt directies om van data-chaos naar data waar ze op durven te sturen. Meer weten over datakwaliteit? Volg Ruud op LinkedIn.



