Welke rol speelt een datawarehouse of datalake binnen de informatievoorziening?
Zodra datakwaliteit op de agenda komt, verschuift het gesprek vaak snel naar architectuur. Er wordt gesproken over een datawarehouse, een datalake, leveranciers en dashboards. Allemaal relevante onderwerpen. Alleen kunnen ze de aandacht afleiden van een fundamentelere vraag: klopt de informatie die je straks in die omgeving stopt?
De aantrekkingskracht van techniek is begrijpelijk. Een platform is concreet, af te bakenen en zichtbaar. Het onderliggende dataprobleem is veel rommeliger. Dat zit verspreid over processen, afdelingen, definities en dagelijkse werkwijzen.
Wat is het verschil tussen een datawarehouse en een datalake?
Een datawarehouse en een datalake hebben ieder hun functie. Een warehouse is geschikt voor gestructureerde rapportages en vaste definities. Een datalake kan juist verschillende soorten ruwe data bij elkaar brengen, zoals documenten, beelden of sensordata. In de praktijk kunnen die vormen prima naast elkaar bestaan.
Waarom wordt slechte brondata niet beter in een nieuw platform?
Een nieuw datawarehouse of datalake maakt slechte brondata niet goed. Een technisch sterke omgeving kan het probleem zelfs minder zichtbaar maken. Ik zag bij een corporatie een geavanceerde omgeving waarin gegevens via meerdere geautomatiseerde bewerkingen in dashboards terechtkwamen. Toen een uitkomst naast een andere analyse werd gelegd, bleken de cijfers niet overeen te komen. Waar het verschil ontstond, was moeilijk te achterhalen.
Het risico is dat een professioneel dashboard vertrouwen wekt, ook wanneer de herkomst van een getal niet meer goed te reconstrueren is. Onzekerheid ziet er dan vooral overtuigender uit.
“Een professioneel dashboard maakt een onzeker getal niet betrouwbaarder.”
Waar moet je dan wel beginnen?
Beginnen doe je bij de brondata, niet bij het platform. Bepaal eerst welke gegevens voor de organisatie leidend zijn, waar ze ontstaan en wie ze beheert. Daarbij spelen ook eenduidige definities en afspraken over gegevensuitwisseling een rol. VERA biedt woningcorporaties hiervoor gestandaardiseerde afspraken over gegevens en hun uitwisseling. Daarmee ontstaat een gemeenschappelijke basis waarop verschillende systemen informatie op dezelfde manier kunnen interpreteren. Bronhouderschap blijft daarbij essentieel: ook met gestandaardiseerde gegevens moet duidelijk zijn welk systeem leidend is en wie verantwoordelijk is voor de actualiteit.
Wil je weten hoe woningcorporaties afspraken maken over gegevensdefinities en gegevensuitwisseling? Lees meer over VERA en CORA en hun rol binnen het applicatielandschap van woningcorporaties.
Zorg vervolgens dat wijzigingen bij mutaties, werkorders en inspecties daadwerkelijk worden verwerkt op de plek waar de betreffende gegevens worden beheerd. Pas wanneer duidelijk is wat gegevens betekenen, waar ze vandaan komen en hoe betrouwbaar ze zijn, kun je gericht bepalen hoe je ze opslaat en toegankelijk maakt.
Het helpt om te beginnen bij de besluiten die je wilt ondersteunen. De verduurzamingsvolgorde, investeringsruimte en onderhoudsbegroting vragen ieder om betrouwbare informatie. Als duidelijk is welke gegevens daarvoor nodig zijn en hoe actueel ze zijn, wordt de technische keuze een stuk minder spannend.
Wanneer wordt de platformkeuze relevant?
De platformkeuze wordt relevant zodra de brondata op orde is. Een platform is dan een middel om betrouwbare informatie beschikbaar te maken. Het hoeft niet achteraf orde te scheppen in gegevens waarvan de betekenis en herkomst al onzeker zijn.
De 3 stappen om vandaag mee te beginnen
We leggen het hieronder uit:
1. Bepaal waarvoor je de data nodig hebt
Niet beginnen met velden, systemen of “we moeten onze data opschonen”. Eerst kijken naar de informatiebehoefte in de organisatie.
Welke informatie hebben bijvoorbeeld verhuur, onderhoud, assetmanagement en bedrijfsvoering nodig om hun werk te doen? Het Bryder-e-book begint vanuit precies die verschillende informatiebehoeften. Ook Virna do Brito Lopes zegt in het verhaal van Rijswijk Wonen dat je eerst moet bepalen wat je nodig hebt.
Dus: praat met gebruikers → inventariseer processen → bepaal welke data daarin écht nodig is.
2. Breng in kaart wat je al hebt
Pas daarna ga je kijken: waar staat die informatie nu en wat is de kwaliteit ervan?
Dat kunnen gegevens zijn in het ERP, expertapplicaties, Excel, documenten, tekeningen of kennis die bij medewerkers zit. Ons Magazine De Nieuwe Vastgoedregie beschrijft juist die versnippering als een belangrijk probleem. De Bryder-site adviseert eveneens om te beginnen met wat er al is en vervolgens te bepalen welke data beschikbaar en betrouwbaar is.
Je krijgt dan bijvoorbeeld:
- Dit hebben we en vertrouwen we.
- Dit hebben we, maar moet worden gecontroleerd.
- Dit staat op meerdere plekken.
- Dit missen we.
Dus: eerst inzicht krijgen in je huidige datasituatie, niet meteen alles gaan veranderen.
3. Kies een behapbaar startpunt
En dán ga je daadwerkelijk verbeteren. Niet alle vastgoeddata tegelijk, maar één afgebakend onderwerp waarvan de waarde zichtbaar is. Dat sluit heel mooi aan op Rijswijk Wonen: zij keken naar direct bruikbare data en laaghangend fruit. Virna do Brito Lopes benadrukt bovendien dat niet duizenden velden compleet hoeven te zijn om al waarde uit data te halen.
Dat kan bijvoorbeeld een afgebakende dataset zijn rondom NEN 2580, WWS, plattegronden of een specifiek proces.
Dus: prioriteer → kies één concrete dataset/usecase → maak die als eerste betrouwbaar en bruikbaar.
