En un momento dado

De rol die datamanagement speelt in aanloop naar het waarheidsmoment

En un momento dado is misschien wel de meest bekende uitspraak van Johan Cruijff. Volgens taalpuristen kan de uitspraak op twee manieren uitgelegd worden. De eerste betekenis is dat de uitspraak betekent op een gegeven moment. De tweede betekenis richt zich op de vertaling het moment dat je gegeven wordt. Maar wat heeft deze uitspraak te maken met pensioenfondsen?

In het kader van de transitie naar het nieuwe pensioencontract is op een gegeven moment namelijk sprake van het waarheidsmoment bij invaren. Op dat moment zullen de individuele pensioenvermogens vastgesteld worden. Voor de datakwaliteit wordt dit het moment van de waarheid. Na invaren wordt het immers lastiger om eventuele fouten te corrigeren. Gelukkig heb je als pensioenfonds de afgelopen jaren gekregen om te zorgen dat de datakwaliteit zo optimaal mogelijk is bij invaren, en als er wat later wordt ingevaren is er nog meer tijd (het moment dat je gegeven wordt). De meeste fondsen hebben op dit moment al het Kader Datakwaliteit (toetsmoment 1) doorlopen en hebben zicht op correcties die nog vóór het invaren moeten worden opgelost. Maar hoe zorg je er als pensioenfondsbestuurder voor dat je grip houdt op het stay-clean proces, zodat de data schoon blijft en je met zo optimaal mogelijke data toetsmoment 2 in gaat? En hoe zit het met de monitoring van datakwaliteit in de nieuwe wereld onder Wtp?

Het begint met een visie op data

De omzetting van het pensioenvermogen naar individuele pensioenvermogens heeft een direct effect op de hoogte van het pensioen van de deelnemers. Het is van belang dat deelnemers krijgen waar ze recht op hebben. Vanuit bestuurlijke verantwoordelijkheid dien je daarom grip te houden op datakwaliteit. Het onderwerp datakwaliteit is nu “top-of-mind”, waarmee dit ook het moment is om het monitoren van datakwaliteit onder Wtp juist in te richten.

Maar in onze visie stopt het niet bij datakwaliteit alleen, want datakwaliteit is niet een op zichzelf staand onderwerp maar onderdeel van het bredere concept data. Daarnaast is datakwaliteit een belangrijke hygiëne factor om de kansen die data bieden te kunnen benutten, ook ten aanzien van de ontwikkelingen van Artificial Intelligence (AI). Denk bijvoorbeeld maar aan data om de dienstverlening aan deelnemers beter te maken en op maat te communiceren. Dat vraagt om een gestructureerde aanpak voor het produceren, vastleggen, onderhouden, actualiseren en beheren van data. Dat noemen wij datamanagement.

Om te komen tot een gestructureerde aanpak, werken wij binnen AethiQs met de volgende vier kwadranten:

1. Databewustzijn: de begripsvormings- en herkenningsfase
2. Datastrategie: een proportioneel stappenplan bepalen
3. Data governance: het inrichtingsvraagstuk
4. Dataprocessen: het monitoringsvraagstuk

In het kader van de stay-clean fase richting invaren bespreken wij hieronder twee van deze vier aspecten, namelijk het databewustzijn en dataprocessen. Deze twee aspecten zijn op dit moment in de tijd het meest urgent om mee aan de slag te zijn. Dat neemt niet weg dat de overige twee componenten, data governance en datastrategie, eveneens een belangrijke rol spelen, bijvoorbeeld ter voorbereiding op de inrichting van de monitoring van datakwaliteit onder Wtp.

Databewustzijn: duurzame aandacht

Door alle aandacht heeft het onderwerp datakwaliteit veel bewustzijn bij bestuurders gecreëerd. Om grip te houden op de datakwaliteit tijdens de stay-clean fase en de voortgang van het oplossen van issues (get-clean fase) is duurzame en juiste aandacht geven aan het onderwerp aan de bestuurstafel essentieel. Het onderwerp is te belangrijk in aanloop naar het waarheidsmoment om niet structureel te verankeren. In onze optiek begint dat aan de top en volgt de benadering van bestuurder, bestuur en besturing:

• Bestuurder: binnen het bestuur is, op basis van deskundigheid en geschiktheid, een bestuurder portefeuillehouder data;
• Bestuur: het bestuur neemt als geheel eigenaarschap voor het concept data en hoe data een plaats te geven in de besluitvorming (besturing);
• Besturing: het gaat hier om het proces rondom, de techniek achter en de borging van de datacyclus in de besturing van het pensioenfonds. Hoe zorg je voor voldoende bewustzijn en geef je datakwaliteit een rol in de besturingscyclus?

Heb je al duurzame aandacht aan het onderwerp datakwaliteit?

Dataprocessen: het monitoren van datakwaliteit

Data(kwaliteit) is geen statisch en eenmalig proces. Daarom vraagt het onderwerp datakwaliteit om een doorlopend proces van monitoring, beoordeling en verbetering. Want hoe weet je anders dat je over betrouwbare data beschikt voor de transitie?  

Door ook tijdens de stay-clean fase periodiek te toetsen op datakwaliteit en dit mee te nemen in de besturing, krijg je een robuust en betrouwbaar beeld van datakwaliteit en creëer je een (bestuurlijke) cyclus waarin je toetst op datakwaliteit en waarborgt dat er geen nieuwe fouten in de data sluipen. Voor deze cyclus is het aan te raden om periodiek de onderstaande drie stappen te doorlopen:

1. Sturen op datakwaliteit
2. Meten van datakwaliteit
3. Verbeteren van datakwaliteit

Voor het meten van datakwaliteit zijn in de praktijk veel verschillende methoden beschikbaar. De meest gangbare methode is het herhalen van de datakwaliteitsmetingen die in fase 3 van het Kader Datakwaliteit zijn uitgevoerd. Daarnaast kan AI een dimensie toevoegen aan de controles (gedacht vanuit datastructuren en minder vanuit aan de voorkant bedachte business rules). Onze praktijk leert dat de combinatie van de verschillende methoden en de actieve samenwerking met sleutelfunctiehouders een robuuster en betrouwbaarder beeld geeft van de datakwaliteit. Daarbij zijn twee zaken belangrijk:

• Maak het concreet: Hanteer als scope bij de metingen de kritische data elementen die bij fase 1 van het Kader Datakwaliteit zijn gedefinieerd.
• Integraliteit: Zoals aangegeven is datakwaliteit een dynamisch proces. Alleen door regelmatig te meten krijg je inzicht in de datakwaliteit. Dat betekent dat de datakwaliteit controles ook integraal en schaalbaar moeten worden ingericht om er de vruchten van te plukken. Potentieel is hier al rekening mee gehouden bij het inrichten van de controles in fase 3 van het Kader Datakwaliteit.

Samenvatting
Als pensioenfonds krijg je te maken met het ‘waarheidsmoment’, waarbij de individuele pensioenvermogens van deelnemers worden vastgesteld. Datakwaliteit is hierbij cruciaal om te zorgen dat deelnemers krijgen waar ze recht op hebben. Omdat datakwaliteit geen statisch en eenmalig proces is en niet stopt na afronding van het Kader Datakwaliteit (toetsmoment 1), vraagt het om een doorlopend proces en geheel van monitoring, beoordeling en verbetering. De vier kwadranten van datamanagement helpen hierbij. Alleen zo maak je gebruik van de komende periode om comfort bij datakwaliteit te krijgen richting het waarheidsmoment. En un momento dado.