Datasetkwaliteit

Datasetkwaliteit is de mate waarin een dataset geschikt is voor het beoogde doel en betrouwbaar is voor analyse en besluitvorming. Kwaliteit wordt beoordeeld langs meerdere dimensies: nauwkeurigheid (juistheid van waarden), volledigheid (afwezigheid van ontbrekende gegevens), tijdigheid (actuele informatie), consistentie (intern coherente definities en relaties), geldigheid (conformiteit aan formaten en regels), toegankelijkheid en vindbaarheid (toegang, documentatie en metadata), provenance en traceerbaarheid (herkomst en bewerkingsgeschiedenis), representativiteit (de mate waarin de data de werkelijkheid weerspiegelt), granulariteit en privacy/veiligheid (beperking van risico’s en naleving van regelgeving).

Kwaliteitsbeoordeling gebeurt door data profiling, validatie en het volgen van kwaliteitsmetingen zoals foutpercentages, ontbrekende waarden, duplicaten en betrouwbaarheid van relaties. Kwaliteitsverbetering vereist data governance: duidelijke eigenaarschap, data stewards, metadata-standaarden en continue monitoring en rapportage. Praktische maatregelen zijn data cleaning, standaardisatie, deduplicatie en validatie.

Kaders en normen zoals ISO 8000 en ISO/IEC 25012 bieden definities voor kwaliteitsprocessen; FAIR-principes beklemtonen vindbaarheid, toegankelijkheid, interoperabiliteit en herbruikbaarheid, wat vaak relevant is voor open data en onderzoeksdata.

Een goede datasetkwaliteit vergroot betrouwbaarheid en reproduceerbaarheid van analyses en vormt een basis voor verantwoorde data-gedreven besluitvorming. Het behoud van kwaliteit is een continu proces waarbij periodieke evaluaties en aanpassingen nodig blijven.