Zakelijke data op specificatie Selecteren · verrijken · combineren · periodiek leveren
Datakwaliteit

Hoe controleert u de kwaliteit van B2B-data?

Datakwaliteit is geen enkel percentage. Een dataset kan volledig zijn maar verouderd, actueel maar slecht gematcht, of technisch geldig maar inhoudelijk niet passend bij de doelgroep.

Meet kwaliteit per veld en gebruiksdoel

Scheid ontbrekende waarden van foutieve waarden

Controleer duplicaten op een expliciete sleutel

Maak uitzonderingen zichtbaar in plaats van ze te verbergen

01

Definieer eerst wat “goed” betekent

Een telefoonnummer kan technisch geldig zijn maar niet relevant voor uw proces. Een organisatie kan correct bestaan maar buiten uw doelgroep vallen. Kwaliteitsregels moeten daarom aan het gebruiksdoel gekoppeld zijn.

02

Gebruik meerdere kwaliteitsdimensies

Praktische controles zijn onder meer volledigheid, datatype, patroon, unieke sleutel, referentiewaarden, bronleeftijd en consistentie tussen velden.

  • Volledigheid
  • Validiteit
  • Uniciteit
  • Actualiteit
  • Consistentie
  • Herleidbaarheid
03

Rapporteer uitzonderingen apart

Een dataset wordt betrouwbaarder wanneer twijfelgevallen niet stilzwijgend worden gecorrigeerd. Een reviewbestand kan laten zien welke records een onzekere match, conflict of ontbrekende bronwaarde hebben.

Duidelijk vooraf

Vragen over B2B data kwaliteit controleren

Kan datakwaliteit in één score worden uitgedrukt?

Dat kan als samenvatting, maar de onderliggende dimensies moeten zichtbaar blijven omdat een totaalscore verschillende problemen kan verbergen.

Is een leeg veld altijd een fout?

Nee. Een lege waarde kan betekenen dat de bron het gegeven niet bevat. Dat is iets anders dan een foutieve of niet-valide waarde.

Hoe controleer je actualiteit?

Met een bron- of verwerkingsdatum en, waar mogelijk, een herhaalbare controle tegen de primaire of afgesproken bron.