Datakwaliteit gaat niet vanzelf

In 2014 begon Ronald van de Langenberg bij OHRA om mee te helpen met de nieuwe Solvency II QRTs. Dit project werd al snel overgenomen door Delta Lloyd, dat vervolgens in 2017 weer werd overgenomen door Nationale Nederlanden. Zo is InAudit in de persoon van Ronald alweer enkele jaren betrokken bij de verbetering van de datakwaliteit van het centrale datawarehouse. Dat DWH neemt een belangrijke rol in bij diverse rapportage-processen en meer specifiek de ‘business QRTs’. Ben Hellendoorn is als manager FR & BC verantwoordelijk voor de financiële rapportages en mocht zich daarom ook in die hoedanigheid ontfermen over de datakwaliteit. Wij vroegen Ben naar zijn ervaring.

Wat kan je vertellen over je achtergrond en hoe je bij Nationale Nederlanden bent beland ?

Ik werk ruim 15 jaar bij Nationale Nederlanden. Mijn afstudeerrichting was ooit bedrijfskunde waarna ik in de retail aan de slag ben gegaan. Mijn interesse lag altijd al bij de financiële beheersing van complexe organisaties. Ik ben daarom verder gaan studeren en heb de opleiding tot register- controller voltooid. In 2005 begon ik bij Nationale Nederlanden, eerst in diverse rollen bij het onderdeel Schade en Inkomen om daarna aan de slag te gaan bij Pensioenen en vervolgens weer terug te keren bij Schade en Inkomen waar ik inmiddels een flink aantal jaren de financial reporting & business controllers aanstuur. ‘Datakwaliteit’ is voor velen een ongrijpbaar en abstract begrip. Hoe vertaal jij de breedte van het onderwerp naar een praktische aanpak ?

Ik gebruik graag de volgende metafoor als we over datakwaliteit spreken: het is net als schoon water uit de kraan. Je vindt het als gebruiker vanzelf- sprekend, maar er zit een heel proces achter. Dat proces begint bij de bron (bijvoorbeeld de duinen bij Katwijk) en het eindigt via een stelsel van filters en leidingen bij een ieder als fris helder water uit de kraan. Zo gaat het ook met data. Je moet beginnen met een goede en schone bron. Als het water aan de bron al te veel vervuild is, dan is het water ongeschikt voor gebruik. 

Vervolgens moet het water via een stelsel van pompen, reservoirs, filters en veel controles geschikt worden gemaakt. Dat proces van filteren en monitoring is eigenlijk goed vergelijkbaar met het proces waarin brondata tot informatie wordt verwerkt. Ook in dat proces moet je de kwaliteit voortdurend monitoren en bewaken.

Het verbeteren van datakwaliteit is ook een continu meet- en verbeterproces

Dat klopt. Het is ook niet alleen een technisch proces. Je moet ook heel goed naar de inhoud blijven kijken en je realiseren dat de eisen aan datakwaliteit steeds meer zullen toenemen. Ik verwijs je graag naar een mooi voorbeeld (https://econ.st/2OY9cZu) van een Pools water- bedrijf. Bij dat bedrijf wordt de waterkwaliteit uiteraard ook bewaakt, maar daarnaast laten ze het ook nog langs oesters lopen. Deze oesters zijn namelijk veel gevoeliger en slaan onmiddellijk dicht indien er in het water kleine resten verontreiniging zitten. De metafoor is dat ook wij steeds vindingrijker moeten zijn om de juiste signalen op te pikken als het gaat om data- kwaliteit. 

Met de dq-monitoring die we samen met InAudit hebben gerealiseerd hebben we de grootste bottlenecks qua datakwaliteit in beeld gebracht en in samenwerking met de business opgelost. Daarna gaan we naar de volgende bottleneck en zo gaan we steeds verder.

Enerzijds heb je een proces, maar veel energie zit vaak ook in andere zaken …

Natuurlijk gaat het in dat proces ook om andere zaken, zoals het beleggen van taken en verantwoordelijkheden en het opzetten van goede data- en procesflow. Binnen Nationale Nederlanden besteden we veel aandacht aan de DQ (data quality) Governance. Daarbij gaat het bijvoorbeeld om het opzetten van een DQ Steering Committee en het aanstellen van een DQ Officer, maar ook om zaken als het definiëren van Key Data Elements, een data directory, data delivery agreements en rapportages omtrent datakwaliteit. Wat we hebben gemerkt is dat het bewaken van de datakwaliteit ook een gedegen organisatie vereist. Het gaat niet vanzelf.

Wat houd je  vooral bezig op het gebied van datakwaliteit ?

Door overnames en systeemrationalisatie is de data-architectuur van NN Schade & Inkomen de afgelopen jaren enorm in ontwikkeling geweest. Dat is niet altijd één rechte lijn naar verbetering. Zo’n proces is soms ook een beetje vallen en opstaan. Ik vergelijk het wel eens met het innnemen van een vies medicijn. In het begin word je er niet goed van en voel je je misschien nog beroerder dan zonder ingrijpen, maar na het einde van de kuur merk je dat je je nog nooit zo goed en in control hebt gevoeld. 

Een bijzondere uitdaging vormen data die van externe partijen afkomstig zijn. Als het gaat om intern vast- gelegde data kun je vaak snel schakelen om samen te werken aan betere en snellere data. Nu is het zaak om ook externe partijen die in de keten samenwerken met verzekeraars mee te nemen met de eisen qua snelheid en betrouwbaarheid die wij stellen.

Hoe kan InAudit NN verder helpen ?

Als we kijken naar het afgelopen jaar, dan kunnen we de verbetering meten aan de hand van de zogenaamde dq-vlaggen. Die zijn met maar liefst 85% afgenomen op zowel de stroom van claimdata als op de stroom van polis- en premiedata. Alle dq-issues die je oplost in de dataflow hebben ook een positieve invloed op andere processen. De trend is dat toezichthouders en andere rapportage-processen om steeds meer granulaire data vragen dus de monitors die InAudit met ons heeft ontwikkeld zijn daarbij buitengewoon waardevol.

Wat ook belangrijk is, is dat InAudit deze monitors samen met onze mensen ontwikkelt en bespreekt, zodat we straks na deze ontwikkel- en implementatiefase ook op eigen benen kunnen staan. Het zijn onze tools geworden. Je moet namelijk voorkomen dat je op een zeker moment afhankelijk wordt van derden: de organisatie moet het zelf kunnen en daarbij worden we enorm geholpen door InAudit.

Hartelijk dank voor je tijd, Ben. Van onze zijde wordt de samenwerking enorm gewaardeerd. Wij zien hoe we elk jaar stevige stappen voorwaarts zetten en het is fascinerend en leuk om daarbij betrokken te zijn. Ik geef je graag de ruimte voor het laatste woord of een wijze boodschap: 

Oei, misschien moet ik hier eerst nog even goed over nadenken. Het eerste dat me te binnen schiet en dat ik toch wel graag wil delen is dat het enthousiasme, gecombineerd met oprechte betrokkenheid en vakmanschap opvallend zijn. Het onderwerp business qrts (daarbij moet je met name denken aan de specificatie van claims naar schadejaren en omvang en premies naar omvang) is niet iets waar mensen die bij deze rapportages betrokken zijn (of zouden moeten zijn) meteen warm van worden. Maar als iemand ze meeneemt met zijn enthousiasme en laat zien wat je hiermee kunt bereiken, dan merk je dat er een omslag op gang komt en mensen graag mee gaan werken omdat ze zelf enthousiast worden door nieuwe inzichten en de aantoonbare verbeteringen.