CFO tekent voor kwaliteit data: Tips voor betere data governance

De CFO wordt verondersteld om op basis van financiële gegevens en andere beschikbare data toekomstgerichte analyses uit te voeren, maar in werkelijkheid zijn de meeste CFO's nog steeds meer dan de helft van hun tijd kwijt aan het verzamelen en compileren van data voor rapportages. Er wordt daarbij te gemakkelijk aangenomen dat de verzamelde data betrouwbaar is. In dit artikel wordt u in zeven stappen geleid naar betere datakwaliteit en data governance


Van CFO’s wordt tegenwoordig verwacht dat ze zich niet alleen richten op accounting en rapportage, maar zich ook opstellen als business partner en adviseur van de CEO. De grootste uitdaging voor de CFO en zijn afdeling is om te garanderen dat de informatie die zij aan interne en externe stakeholders verstrekken, consistent en correct is.

Daarbij voelen zij de druk van de toenemende regelgeving, zoals Solvency, Basel en Sarbanes-Oxley (SOX), die strikte eisen stelt aan de kwaliteit van data. De data moet accuraat, compleet en geschikt zijn, zodat risico’s adequaat kunnen worden gewogen en meegenomen in het besluitvormingsproces. Daarnaast moet inzicht worden verschaft in de processen die tot de totstandkoming van de data hebben geleid.  


Terug naar de basis
De eerste stap die moet worden gezet om tot betrouwbare data te komen, is om terug te gaan naar de basis en te beginnen met het verbeteren van de datakwaliteit. Hierdoor zullen de snelheid en betrouwbaarheid van rapportages toenemen en kunnen beter geïnformeerde beslissingen worden genomen. Dit is wat succesvolle ondernemingen onderscheidt van minder succesvolle bedrijven. De financiële afdeling van succesvolle bedrijven beschikt over betrouwbare data, zodat de juiste analyses kunnen worden uitgevoerd en de CEO goed kan worden geïnformeerd.

Maar weinig bedrijven beschikken over een gestructureerd proces voor datakwaliteit en data governance waarbij de verantwoordelijkheid voor de betrouwbaarheid van data duidelijk is gedefinieerd. In de praktijk is het vaak zo dat iedere afdeling min of meer verantwoordelijk is voor zijn eigen data. Het verkoopteam is verantwoordelijk voor de verkoopcijfers en de financiële afdeling voor de financiële data. Het is echter niet duidelijk wat deze verantwoordelijkheid precies inhoudt. Er moet sprake zijn van duidelijke ownership. En deze taak hoeft niet per definitie aan de CFO te worden toegewezen. Het is ook mogelijk om hiervoor data stewards aan te wijzen.

Verder is het belangrijk om bedrijfsbreed strikte datadefinities op te stellen. Een groot aantal van deze definities zal door de financiële afdeling worden geformuleerd. Andere, meer specifieke definities, worden opgesteld door de uiteenlopende bedrijfsonderdelen. De CFO vervult een belangrijke rol bij het opstellen en bewaken van definities. Hij moet zorgen voor een goed samenspel, zodat een raamwerk ontstaat waarbinnen iedereen optimaal kan manoeuvreren.


Complexiteit
In het ideale scenario zou er vanaf de start van de onderneming een goed data governance-proces moeten worden opgezet. In de praktijk komen problemen rond datakwaliteit en governance pas aan het licht wanneer de complexiteit van ondernemingen toeneemt, bijvoorbeeld door een fusie, overname of een migratie naar een ander IT-systeem. De complexiteit van data governance is soms ook het gevolg van oudere IT-systemen. Veel grote ondernemingen zijn enorm gegroeid door overnames en soms genoodzaakt om te blijven werken met de systemen van de overgenomen partij. Er zijn maar weinig bedrijven die met een volledig schone lei kunnen beginnen.

Technisch gezien is het mogelijk om de data uit deze systemen te integreren met nieuwe data. In de praktijk is het echter lastig om de juiste data te vinden en vast te stellen of deze betrouwbaar is. De vraag is dan ook: hoe maak je het proces sluitend, en met wie doe je dat – wie beschikt binnen de organisatie over de vereiste kennis?

Het verbeteren van de datakwaliteit begint met een analyse van de huidige stand van zaken: hoe accuraat zijn de gegevens? Veel bedrijven denken dat ze alles goed op orde hebben, maar bij nadere beschouwing blijkt dit in de praktijk meestal niet het geval te zijn. De reactie is vaak dat de aangetroffen problemen eenvoudig op te lossen zijn. Dat mag zo zijn, maar daarmee wordt wel voorbijgegaan aan het feit dat men zich er aanvankelijk niet van bewust was dat de data niet klopte. De vraag die zich dan opdringt is: waar doet het probleem zich nog meer voor?

__________________________________________________________________________________ Onmisbare IT kennis voor financials
Ontdek hoe u als financieel verantwoordelijke betere keuzes maakt en snel kunt ingrijpen waar nodig. Na de masterclass Finance & IT haalt u optimaal rendement uit IT investeringen. U kunt zich voor één of meerdere dagen inschrijven. Meer informatie en aanmelden.
__________________________________________________________________________________

Als het hogere management overtuigd is van de noodzaak om de datakwaliteit te verbeteren, is het zaak om mensen aan te wijzen die de verantwoordelijkheid over de datakwaliteit zullen dragen. Zij gaan aan de slag met het opschonen van de data en wijzen op eventuele discrepanties. Dit proces wordt georganiseerd rond een data-analist die dicht bij IT staat en een data steward die dichter bij de business staat. De data steward is verantwoordelijk voor het databeheer en fungeert als schakel tussen de business en IT. Hij draagt daarnaast zorg voor het opschonen en consolideren van de aanwezige data.

Naast het opschonen van bestaande bestanden is het ook belangrijk om de invoer van gegevens te reguleren en bewaken, anders wordt het dweilen met de kraan open. De invoermogelijkheden moeten worden beperkt, en er moet worden bepaald wie toegang tot het systeem kan krijgen en welke rollen gebruikers mogen vervullen. Het is belangrijk om ook aan de invoerkant strikte definities te hanteren.


Datamanagement
Pas op het moment dat de data betrouwbaar en beschikbaar is, kan worden gekeken hoe de data in andere processen kan worden geïntegreerd. Deze vervolgstap kan worden uitgevoerd vanuit primaire datamanagement-oplossingen. De gegevens zijn op correcte wijze vertegenwoordigd in het datawarehouse-systeem, waar de metadata ligt opgeslagen die naar de locatie van de werkelijke data verwijst. Alle systemen kunnen via dit informatieknooppunt gebruikmaken van dezelfde data.

Hoewel de gegevens in principe correct zijn, is het mogelijk dat ze door verschillende bewerkingen door uiteenlopende gebruikers een andere omschrijving of inhoud hebben gekregen. Oplossingen voor datamanagement bieden de mogelijkheid om een audit trial uit te voeren. Hierbij wordt teruggegaan in de tijd om te herleiden hoe de oorspronkelijke data eruit ziet, wie deze heeft bewerkt of gewijzigd en wanneer dit is gebeurd. Aan de hand van deze tijdsbalk worden de bedrijfsprocessen inzichtelijk gemaakt en wordt de geschiedenis van de gegevens transparant. Transparantie is van groot belang; je kunt immers niet met zekerheid zeggen dat data betrouwbaar is als het niet duidelijk is waar deze vandaan komt.


Regelgeving
Wereldwijd is er sprake van een razendsnelle, exponentiële groei van data. Bedrijven moeten nu actie ondernemen en een effectief data governance-proces inrichten om in de toekomst gebruik te kunnen maken van mogelijkheden als data analytics. Bovendien wordt de regelgeving ten aanzien van data strikter. Zo mag data bij wet niet onversleuteld het land verlaten. Veel ondernemingen kiezen voor offshoring van hun processen naar India, waarbij er nog wel eens wat misgaat met de encryptie. En niemand zit erop te wachten dat zijn bank- of verzekeringsgegevens op straat komen te liggen.

Grote industriële bedrijven en banken opereren in een complexe omgeving. Ze werken met ingewikkelde processen, en omdat ze wereldwijd actief zijn, moeten ze rekening houden met de uiteenlopende wetgeving ten aanzien van financiële gegevens en producten. De complexiteit is enorm en neemt alleen maar toe. Hetzelfde geldt voor de gegevensvolumes. Des te meer reden om er nu voor te zorgen dat datakwaliteit en data governance goed op orde zijn.


In zeven stappen naar datakwaliteit en data governance
1. Initiatieven op het gebied van datakwaliteit en governance moeten worden gedragen door het C-level management. Zij moet sponsorship voor het project geven door een strategische prioriteit aan datakwaliteit en data governance toe te kennen. Hiertoe kan zij een cross-functioneel team opstellen dat is samengesteld uit technici en mensen uit de business en bepaalt welke data geoptimaliseerd moet worden.

2. Begin met een nulmeting. Voer een analyse uit van de kwaliteit en juistheid van de beschikbare data. Een effectief databeheer is alleen mogelijk als u weet hebt van de huidige staat van de data en de manier waarop deze worden ingezet.

3. Waarborg de ownership voor de datakwaliteit binnen de onderneming. Maak een persoon verantwoordelijk voor het opschonen en completeren van de bestanden. Idealiter wordt de verantwoordelijkheid ondergebracht bij een data-analist die verantwoordelijk is voor de technische aspecten en een data steward die dicht bij het management staat en als schakel tussen de business en de techniek fungeert.


####


4. Formuleer strikte datadefinities en doe dat bedrijfsbreed. Geef duidelijk aan wat specifieke termen betekenen. Stel een lijst van deze definities op en geef aan hoe de business daar gebruik van kan en mag maken.

5. Monitor de datakwaliteit voortdurend. De data steward meet de datakwaliteit en houdt de resultaten hiervan bij. Dit vormt onderdeel van een voortdurend verbeteringsproces. Data die niet aan de norm voldoet, wordt door de data steward geanalyseerd en waar nodig aangepast of verwijderd.

__________________________________________________________________________________
Onmisbare IT kennis voor financials

Ontdek hoe u als financieel verantwoordelijke betere keuzes maakt en snel kunt ingrijpen waar nodig. Na de masterclass Finance & IT haalt u optimaal rendement uit IT investeringen. U kunt zich voor één of meerdere dagen inschrijven. Meer informatie en aanmelden.
__________________________________________________________________________________

6. Voer een nauwlettende controle uit op de invoer van nieuwe gegevens om datavervuiling te voorkomen. Zorg dat de data voldoet aan de ingestelde parameters en goed is geclassificeerd.

7. Stel data stewards aan om de data governance af te stemmen op de zakelijke doelstellingen. Het verbeteren van de datakwaliteit en governance vereist een nauwe samenwerking tussen IT en de business. De data steward neemt als tussenpersoon een belangrijke rol in binnen dit proces.

Voor meer informatie over Data Governance en het downloaden van een white paper over dit onderwerp: www.informatica.com/nl/solutions/enterprise-data-integration-and-management/data-governance/


Kader
Tijdens het invoeren van klantgegevens kan er van alles misgaan: namen worden net iets anders gespeld of voorletters worden weggelaten of door elkaar gehaald. Hierdoor kan het gebeuren dat een en dezelfde klant maar liefst drie keer in het systeem voorkomt. Dit soort fouten kan worden voorkomen door bij het invoeren van klantgegevens een automatische controle uit te laten voeren, waarbij wordt gekeken of er al iemand met een soortgelijke naam in de bestanden voorkomt. Door het matchen van bijvoorbeeld een naam en factuuradres kunnen doublures worden uitgelicht. In twijfelgevallen kan de data steward besluiten om de gegevens uit het systeem te weren.


Auteur: Bert Oosterhof is Director of Technology EMEA bij Informatica