Verzekeraars zijn verdeeld over de aanpak van data Verzekeraars zijn verdeeld over de aanpak van data Verzekeraars zijn verdeeld over de aanpak van data

Data is een belangrijke randvoorwaarde voor de kwaliteit van de financiële functie in de organisatie en het proces van genereren van die data kost veel energie. KPMG hield op verzoek van de NBA werkgroep een enquête onder ruim 60 verzekeraars tijdens een seminar over Lean datakwaliteit: de kwaliteit van data en hoe dit effectief ingericht kan worden.

Verzekeraars staan voor grote uitdagingen, vertelt Paul Rothwell partner bij KPMG. Allerlei grote thema's op gebied van data  als Solvency II, IFRS komen op verzekeraars af en dit betekent dat men daar iedere keer een separate rapportages voor moet ontwikkelen die ook eigen kwaliteitseisen vragen. Eigenlijk zou men een goede opzet moeten ontwikkelen in plaats van iedere keer een aparte rapportage. DNB stelt ook eisen en geeft ook instructie om verzekeraars hierin goed te richten.

Op de vraag of al deze ontwikkelingen disruptive zijn te noemen, antwoorden 62% van de verzekeraars positief. Met name data analytics maakt veel mogelijk en er wordt veel in geïnvesteerd. Daarentegen kun je de dataontwikkelingen ook als gewone ontwikkelingen van het werk ervaren.

88% van de verzekeraars is het erover eens dat datakwaliteit niet het probleem is, maar het symptoom. Om de datakwaliteit te verbeteren en dit ook effectief tot stand te laten komen, zullen dus knelpunten aangepakt moeten worden.

In welke mate spelen governance en cultuur dan een rol? In alle organisaties groeit het bewustzijn dat het op orde te houden en het verbeteren van data kwaliteit geen gemeengoed is en tijd en energie kost en ook discipline vraagt. De verzekeraars waren verdeeld of zij datakwaliteit als een cultuur probleem zien. Als belangrijke oorzaak werd benoemd dat vaak het belang van de datakwaliteit niet of onvoldoende wordt gezien in de gehele keten. De business heeft vaak geen idee waar de data voor gebruikt wordt. Daar waar de data ingevoerd en bewerkt wordt, zouden goed moeten beseffen waarvoor de data gebruikt wordt. Als je wilt gaan verbeteren, dan begint het bij de invoer en bewerking van de data.

Een belangrijke randvoorwaarde is de beschikbaarheid en de mate waarin de data gestructureerd is. Een spaghetti IT architectuur geeft ontoegankelijke databases, maar is geen reden om niet te beginnen.

1. Beleg de verantwoordelijkheid voor data in de business
   Data is geen IT-probleem en moet ook niet vanuit IT-perspectief aangepakt worden. Het is belangrijk om de vanuit de business de waarde concreet te maken en de kwaliteit van data bestuurbaar te maken. Dit begint met het inzichtelijk maken van de kwaliteit van data en het effect van verbeteracties zichtbaar te maken. De verantwoordelijkheid voor datakwaliteit moet echt in de business belegd worden op een manier dat de data ook als belangrijk asset wordt gezien.  
   
   
2. Data is belangrijk en vraagt persoonlijke aandacht van directieleden
   97% van de verzekeraars vindt dat de persoonlijke aandacht van directieleden noodzakelijk is om de kwaliteit van data te verbeteren. Het is niet alleen een onderwerp op de directietafel, maar het moet ook de persoonlijke aandacht krijgen zodat het doorgrond wordt.
   
   
3. Jidoka: Kwaliteit bij de bron
   Een weeffoutje is zo gemaakt, en dat is ook zo bij data invoer en verwerking. Het vraagt om data-analyse om te bepalen hoeveel van de invoer en verwerking adequaat geschiet.  
   
   
4. Pak het Lean aan!
   Qua implementatie is men verdeeld of het een topdown of bottum aanpak verdiend. Het is eerder een samenspel waarin de gehele organisatie focus heeft om de data te verbeteren.

Neem voor meer informatie contact op met Paul Rothwell of Olaf van Arkel.