Gegevensonzekerheid

Gegevensonzekerheid is de onzekerheid die ontstaat over de waarden en eigenschappen van gegevens en over de conclusies die op basis daarvan worden getrokken. Ze ontstaat door beperkingen in meting, verzameling, verwerking en tijdigheid van data, maar ook door ontbrekende waarden, foutieve koppelingen of verouderde informatie. In de literatuur wordt vaak onderscheid gemaakt tussen aleatorische (inherent toeval) onzekerheid en epistemische onzekerheid (gebrek aan kennis of informatie).

Oorzaken van gegevensonzekerheid zijn onder meer meetfouten en instrumentafwijkingen, bemonsteringsbias en samplingvariatie, ontbrekende of ontbrekende kwalitatieve waarden, foutieve invoer, inconsistencies tussen databronnen en tijdsveranderingen in de werkelijkheid. Door deze oorzaken kan er onzekerheid bestaan over de exacte waarden van variabelen, over de representativiteit van registros en over de geldigheid van gebruikte modellen.

Om gegevensonzekerheid te beheersen en zichtbaar te maken worden verschillende benaderingen toegepast. Een centrale activiteit is onzekerheidskwantificatie, bijvoorbeeld via foutpropagatie, Bayesian inferentie, bootstrapping of Monte Carlo-simulaties. Ook imputatie en multiple-imputation bij ontbrekende waarden dragen bij aan handelingsperspectieven. Daarnaast speelt data governance een belangrijke rol: kwaliteitscontrole, metadata en provenance, calibratie en validatie van gegevensbronnen verminderen onzekerheid en verbeteren interpretatie. Bij rapportage is het essentieel om onzekerheidsmaten te vermelden, zoals betrouwbaarheidsintervallen of posterior-distributies, zodat besluitvorming rekening houdt met de gevonden onzekerheid.

Gegevensonzekerheid heeft invloed op statistische conclusies, beleidsvorming en operationele beslissingen. Daarom is transparante communicatie en systematische aanpak cruciaal.