Steeds meer toezichthouders willen datagedreven werken. Maar zonder goed ingericht data management blijft die ambitie een lege belofte. In dit artikel beschrijven we de drie kenmerken van datagedreven toezicht, waarom data management de onmisbare randvoorwaarde is en hoe toezichthouders hier praktisch mee aan de slag kunnen.
Waarom datagedreven toezicht?
De wereld om ons heen verandert. Data speelt een steeds grotere rol in alle gebieden van het leven — en daarmee ook in het werk van toezichthouders. Of het nu gaat om de financiële sector, de kansspelmarkt, de zorg of de energietransitie: toezichtorganisaties zijn in toenemende mate afhankelijk van data om hun taken goed uit te voeren.
Dat is niet verrassend. Toezicht houden is in de kern het verzamelen van data en het verwerken daarvan tot informatie op basis waarvan besluiten worden genomen. In tal van primaire toezichtactiviteiten vindt verwerking van data plaats: bij het verlenen van vergunningen, het afhandelen van meldingen en signalen, en het nemen van handhavingsmaatregelen.
Toch is “iets doen met data” niet hetzelfde als datagedreven toezicht. Wat maakt het verschil?
De drie kenmerken van datagedreven toezicht
Op basis van onze jarenlange ervaring bij meerdere Nederlandse toezichthouders onderscheiden wij drie kenmerken die samen bepalen of een organisatie werkelijk datagedreven toezicht houdt.
Geobjectiveerde besluitvorming
Een datagedreven toezichthouder neemt toezichtbesluiten niet uitsluitend op basis van professional judgement, maar onderbouwt deze met betrouwbare, op data gebaseerde inzichten. Dat geldt voor besluiten over onderzoeken, interventies en handhaving. Geobjectiveerde besluitvorming heeft betrouwbare data nodig — data waarvan de kwaliteit bekend en geborgd is. En daar begint het belang van data management.
In de toezichtprocessen moet bovendien expliciet de keuze worden gemaakt welke data-analyses structureel worden ingezet en waar incidentele analyse voor de hand ligt. Die keuze is onderdeel van een datastrategie, maar kan alleen worden waargemaakt als het onderliggende data management op orde is.
Risicogestuurd toezicht
Toezichtcapaciteit is per definitie schaars. Data-analyse helpt om die capaciteit gericht in te zetten, daar waar de risico’s het grootst zijn. Door op basis van data inzicht te krijgen in marktsegmenten, door individuele onder toezicht gestelde partijen te beoordelen en door trends over de jaren heen te vergelijken, kan een toezichthouder haar middelen effectiever besteden.
Maar als de onderliggende data niet op orde is — onvolledig, inconsistent of niet gestructureerd — leidt risicogestuurd toezicht tot schijnzekerheid in plaats van beter toezicht. Het risico van verkeerde data is dat de schaarse toezichtcapaciteit op de verkeerde plekken wordt ingezet.
Effectmeting en verantwoording
Het derde kenmerk is dat een toezichthouder data inzet voor effectmeting en verantwoording. Toezichtorganisaties moeten hun bestaan rechtvaardigen en het succes van hun toezicht aantonen. Dat vraagt om meetbare indicatoren (KPI’s), nul- en éénmetingen, en de data om die metingen structureel uit te voeren.
Zonder structureel bijgehouden data van goede kwaliteit is verantwoording over toezichtresultaten niet of nauwelijks mogelijk. Soms moet data zelfs specifiek bijgehouden en verzameld worden om later verandering bij marktpartijen of in de sector te kunnen meten.
De 9 disciplines van data management
Binnen data management onderscheiden we bij Deltiq negen samenhangende disciplines. Elk discipline richt zich op een specifiek aspect van het beheren van data als bedrijfsmiddel. Samen vormen ze het Deltiq Data Management Framework, gebaseerd op gerenommeerde standaarden zoals DAMA DMBOK2 en het Data Management Maturity Model (DMM) van het CMMI Institute, maar specifiek aangepast aan de Nederlandse praktijk en voorzien van concrete, uitvoerbare invullingen.
Data Governance
Data Governance is de sturende discipline binnen data management. Het omvat de inrichting van verantwoordelijkheden, besluitvorming, beleid, spelregels en control. Zo wordt geborgd dat alle andere disciplines samenhangend en systematisch worden uitgevoerd en aangestuurd.
Data Architecture
Architectuur geeft richting aan de manier waarop data wordt georganiseerd, beheerd en uitgewisseld. Het beschrijft de samenhang tussen datadomeinen, de systemen die data beheren en de logistiek van gegevensstromen. Zo ontstaat een fundament waarop andere disciplines, zoals modellering en kwaliteit, kunnen bouwen.
Metadata
Dit gaat over de betekenis van data. Door begrippenwoordenboeken, datadefinities en lineage te beheren, wordt inzichtelijk wat data inhoudt en hoe deze door de organisatie stroomt. Dit vergroot het vertrouwen in data en maakt samenwerking en hergebruik eenvoudiger.
Data Quality
Deze discipline richt zich op het meten, verbeteren en borgen van de kwaliteit van gegevens. Met technieken als data profiling en oorzaakanalyse wordt datakwaliteit transparant gemaakt, zodat organisaties weloverwogen verbeteracties kunnen uitvoeren
Data Security, Ethics, Privacy & Compliance
Een steeds belangrijker wordende discipline die borgt dat verwerking van data voldoet aan wet- en regelgeving en ethische normen. Aspecten als beveiliging, privacy by design, compliance en dataclassificatie zorgen voor bescherming van gegevens en verantwoord gebruik.
Data Technology
Dit omvat de basisvoorzieningen die nodig zijn om data te verwerken, zoals opslag, integratie, analyse en visualisatie. Naast aanschaf gaat het ook om beheer, versiecontrole en afstemming met infrastructuur.
Data Modeling
Modellering zorgt voor structuur en betekenis van gegevens. Conceptuele, logische en fysieke modellen leggen de basis voor consistent gebruik en helpen bij het verbinden van business en IT. Dit bevordert de bruikbaarheid van data en voorkomt misverstanden.
Data Development
Deze discipline omvat het daadwerkelijk realiseren van gegevensverwerkingen, zoals integratie, migratie of ontsluiting. Daarbij horen ook ontwikkelstandaarden, testen en afspraken over gegevensleveringen.
Data Operations
Operations gaat over het operationeel beheer van data. Denk aan gebruikersondersteuning, incidentmanagement, serviceafspraken, archivering en het bijhouden van definities en masterdata. Dit zorgt dat data betrouwbaar en bruikbaar blijft in de dagelijkse praktijk.
Waarom data management de cruciale randvoorwaarde is
Alle drie de kenmerken van datagedreven toezicht hebben dezelfde noodzakelijke randvoorwaarde: data management.
Data management is het geheel aan activiteiten, processen en afspraken waarmee een organisatie haar data beheert, beschikbaar maakt en de kwaliteit ervan borgt. Het omvat onder meer data governance, datakwaliteitsmanagement, metadata management, data-architectuur en gegevensbeveiliging.
De kwaliteit van toezichtbesluiten staat of valt met de kwaliteit van de data waarop die besluiten zijn gebaseerd. In de praktijk zien we bij toezichthouders telkens dezelfde uitdagingen terugkomen: datakwaliteit is onvoldoende bekend of geborgd, definities van begrippen verschillen per afdeling, data is verspreid over meerdere systemen zonder duidelijke samenhang, verantwoordelijkheden voor data zijn niet helder belegd en veel handelingen om data bruikbaar te maken zijn handmatig en ad hoc.
Dit zijn geen technische problemen. Het zijn organisatorische vraagstukken die vragen om een structurele aanpak.
Data management als bedrijfsfunctie
Wij adviseren toezichthouders — en overigens alle organisaties die serieus met data willen werken — om data management in te richten als een volwaardige bedrijfsfunctie. Dit is vergelijkbaar met hoe organisaties omgaan met Human Resources of Finance: de activiteiten die nodig zijn om deze onderwerpen goed te managen zijn permanent en organisatiebreed. Niemand zou accepteren dat elke afdeling haar eigen financieel beleid voert. Toch is dat met data in veel organisaties precies de situatie.
Door data management als bedrijfsfunctie te positioneren ontstaat eenduidige verantwoordelijkheid voor de zorg voor data. Dat betekent niet dat alles centraal moet. Integendeel — de uitvoering vindt grotendeels in de lijn plaats, bij de mensen die dagelijks met de data werken. Maar de kaders, de spelregels en de sturing worden organisatiebreed ingericht en belegd.
Voor toezichthouders is dit extra relevant, zij liggen onder een vergrootglas. Het vertrouwen van consumenten, bedrijven en de politiek staat of valt met de mate waarin een toezichthouder efficiënt en transparant opereert.
Om met gezag bij anderen toe te zien op wet- en regelgeving, moet de toezichthouder zelf ook compliant zijn. Practice what you preach.
Uit de praktijk: Kansspelautoriteit
De Kansspelautoriteit (Ksa) is als toezichthouder op de kansspelmarkt sterk afhankelijk van data — voor het opsporen van illegale aanbieders, het controleren van vergunninghouders en het volgen van marktontwikkelingen. Deltiq ontwikkelde samen met de Ksa een datastrategie en een masterplan data management, inclusief roadmap. Vervolgens begeleidden we ruim een jaar de implementatie: van het inrichten van datarollen en het leiden van use cases tot een masterclass datagedreven werken voor bestuur en management. De Ksa beschikt nu over een stevig fundament voor datagedreven toezicht
"Jullie hebben datagedreven werken echt tot verdere ontwikkeling gebracht. We hebben nu niet alleen een heldere datastrategie, maar zien ook in de praktijk hoe we stappen vooruitzetten"
Lees de volledige klantcase over de Kansspelautoriteit →
Hoe begin je? Een use-case gedreven aanpak
Organisaties hanteren bekende referentiekaders zoals de DAMA Data Management Body of Knowledge (DMBOK) of het Data Management Maturity Model (DMM) en proberen die vervolgens als blauwdruk te implementeren. Nuttige raamwerken, zeker — maar niet bedoeld als veranderaanpak. Onze ervaring leert dat een use-case gedreven aanpak veel effectiever is. Kies een of twee concrete toezichtvraagstukken waarin data een cruciale rol speelt en richt data management in op wat nodig is om die vraagstukken succesvol te adresseren, zoals we deden bij de Kansspelautoriteit. Denk bijvoorbeeld aan het samenbrengen van toezichtinformatie in een dashboard per onder toezicht gestelde partij of het structureel monitoren van de datakwaliteit bij wettelijke aanleveringen.
Door voor concrete use cases data management te verbeteren, wordt direct waarde gecreëerd. Bovendien levert deze manier van werken concrete ervaring op waarvan de organisatie leert. Van daaruit kan de inrichting verder worden verbeterd en opgeschaald naar andere delen van de organisatie.
Data management is geen IT-project
Een laatste en misschien wel de belangrijkste boodschap: datagedreven toezicht is geen IT-project. Het is een verandering in hoe de organisatie werkt, besluiten neemt en verantwoording aflegt. Dat vraagt om betrokkenheid van het management — niet als sponsor op afstand, maar als actieve drager van de verandering.
De meest succesvolle toezichthouders hebben gemeen dat het management begrijpt wat data management inhoudt, waarom het belangrijk is en welke rol zij zelf daarin vervullen. Dat begint met het erkennen dat data een strategisch bedrijfsmiddel is dat professioneel beheer verdient.
Het goede nieuws is dat de meeste toezichtorganisaties al meer aan data management doen dan ze denken. Datakwaliteitscontroles, begripsdefinities, DPIA’s, gegevensuitwisseling met externe partijen — het gebeurt op tal van plekken. Alleen zijn deze activiteiten vaak weinig gestandaardiseerd, onvoldoende geformaliseerd en niet op elkaar afgestemd. Het aanbrengen van samenhang en structuur is dan al een eerste grote stap vooruit.
Tot slot
De beweging naar datagedreven toezicht is onomkeerbaar. Data biedt toezichthouders ongekende mogelijkheden om effectiever, efficiënter en transparanter te werken. Maar die mogelijkheden worden pas werkelijkheid als de basis op orde is.
Data management is die basis. Niet als doel op zich, maar als de randvoorwaarde die bepaalt of een toezichthouder werkelijk waarde uit haar data kan halen. Wie investeert in een data-platform en algoritmen zonder eerst data management op orde te brengen, bouwt op drijfzand.
De vraag is niet óf toezichthouders data management nodig hebben. De vraag is hoe snel zij bereid zijn de stap te zetten van data als bijproduct naar data als bedrijfsmiddel. Die stap begint vandaag.
Veelgestelde vragen
Datagedreven toezicht betekent dat een toezichthouder op basis van data geobjectiveerd besluiten neemt, risicogestuurd haar capaciteit inzet en met data de effectiviteit van haar toezicht meet en verantwoordt. Het gaat dus niet alleen om data-analyse, maar om een fundamenteel andere manier van werken waarbij data structureel is ingebed in het toezichtproces.
Zonder data management is de kwaliteit, beschikbaarheid en betrouwbaarheid van data niet geborgd. Toezichtbesluiten die op onvolledige of inconsistente data zijn gebaseerd, leiden tot verkeerde conclusies — met maatschappelijke en juridische consequenties. Data management zorgt ervoor dat data voldoet aan de eisen die het toezichtproces eraan stelt.
Data management als bedrijfsfunctie betekent dat de zorg voor data permanent en organisatiebreed is georganiseerd, vergelijkbaar met Finance of HR. De uitvoering vindt plaats in de lijn, maar kaders, spelregels en sturing zijn centraal belegd. Zo ontstaat eenduidige verantwoordelijkheid en samenhang.
In plaats van een raamwerk als DAMA DMBOK als blauwdruk te implementeren, kies je een of twee concrete toezichtvraagstukken en richt je data management in op wat daarvoor nodig is. Dat levert direct waarde op, creëert ervaring en biedt een basis om van daaruit op te schalen.
Datagedreven toezicht is geen IT-project maar een organisatieverandering. Het management moet begrijpen wat data management inhoudt, data erkennen als strategisch bedrijfsmiddel en actief sturen op verantwoordelijkheden, capaciteit en prioriteiten. Zonder betrokkenheid van het management blijft datagedreven werken een ambitie op papier.
Zelf aan de slag met data management?
Veel bestuurders en managers herkennen de noodzaak van goed data management, maar missen nog het overzicht om er gericht op te sturen. De urgentie is er wel – de vertaalslag ontbreekt.
De door de Deltiq Academie ontwikkelde eendaagse incompany cursus Introductie Data Management is speciaal ontwikkeld voor bestuurders, directieleden en senior managers die data management willen begrijpen als bedrijfsfunctie. Geen technische diepgang, maar de focus op strategisch bewustzijn en praktisch handelingsperspectief.
We stemmen de sessie vooraf af op jouw organisatie, zodat voorbeelden en casussen direct herkenbaar zijn. Na afloop weet je wat data management inhoudt, waar je organisatie staat en welke vervolgstappen het meeste opleveren.
Klaar om grip te krijgen op je data?
Ontdek waar jouw organisatie nu staat en welke stap het meeste oplevert. Met onze Masterplan-aanpak helpen we organisaties om datastrategie, governance en kwaliteit concreet te vertalen naar resultaat.
Plan een vrijblijvend gesprek en krijg binnen twee weken een helder startpunt en routekaart voor het structureel inrichten van data management.
