dataonzekerheid

Dataonzekerheid is de onzekerheid die aanwezig is in data en die de betrouwbaarheid ervan beperkt bij analyse en besluitvorming. Het ontstaat door meetfouten, ontbrekende waarden, inconsistenties tussen datasets en onnauwkeurigheden in data-integratie. Dataonzekerheid raakt de inhoud, tijdigheid en herkomst van data en kan optreden op het niveau van individuele waarnemingen tot hele databronnen.

Oorzaken en typen: meetfouten zoals ruis en sensorafwijkingen; steekproefgebonden fouten en missing data; foutieve transformatie en inconsistenties in eenheden. Een gangbare indeling is aleatorische onzekerheid (door toeval) en epistemische onzekerheid (door beperkte kennis of modelkeuzes). Daarnaast kan data-drift optreden wanneer de werkelijkheid verandert terwijl verzamelingsprocessen hetzelfde blijven.

Representatie en kwantificatie: onzekerheid wordt vaak uitgedrukt met interval- of kansverdelingen. Methoden zijn onder meer betrouwbaarheids- en kansramingen, bootstrap, gevoeligheidsanalyse en Bayesian modellen. Voor ontbrekende waarden kan imputatie worden toegepast, vaak als meerdere imputaties. Transparante rapportage van aannames en metadata helpt bij begrip en communicatie van onzekerheid.

Impact en aanpak: onzekerheid beïnvloedt conclusies, risicobeoordeling en operationele beslissingen. Een goede data governance met kwaliteitsmetingen, documentatie van herkomst en periodieke controles is essentieel. Door onzekerheid expliciet te maken en te communiceren, kunnen organisaties robuuste besluiten nemen en passende veiligheidsmarges hanteren.

Samenvatting: dataonzekerheid beschrijft de grenzen van wat data kunnen vertellen. Met probabilistische modellering, imputatie en gevoeligheidsanalyse kan men onzekerheden kwantificeren, communiceren en beperken in de besluitvorming.