Datakwaliteit controleren

Een dashboard kan er strak uitzien terwijl de brondata rommelig is. Een AI-samenvatting kan logisch klinken terwijl belangrijke waarden ontbreken. Een rapportage kan overtuigend zijn terwijl datums verkeerd zijn gelezen. Daarom begin ik analyse graag met datakwaliteit. Niet omdat het spannend klinkt, maar omdat het voorkomt dat je beslissingen neemt op basis van ruis.

Datakwaliteit controleren betekent niet dat data perfect moet zijn. Het betekent dat je weet waar de zwakke plekken zitten. Misschien mist vijf procent van de datums, misschien zijn sommige klantnamen dubbel, misschien staan bedragen als tekst. Als je dat weet, kun je voorzichtig en eerlijk analyseren. Als je het niet weet, lijkt elke grafiek zekerder dan hij is.

Lege waarden zijn niet altijd fout. Een leeg veld voor tweede adresregel kan normaal zijn. Een lege omzet, datum of campagnekolom kan juist een probleem zijn. Ik kijk daarom niet alleen hoeveel waarden leeg zijn, maar ook in welke kolommen ze voorkomen en of die kolommen belangrijk zijn voor de analyse.

Bij Excel data analyseren is dit een van de eerste checks. Als een datumkolom deels leeg is, wordt trendanalyse zwakker. Als een categoriekolom vaak leeg is, worden groepen onduidelijk. Als omzetwaarden ontbreken, kunnen totalen lager lijken dan ze zijn. Lege waarden moeten dus per context worden beoordeeld.

Dubbele regels kunnen analyses snel vertekenen. Een dubbele order telt omzet twee keer. Een dubbele advertentieregel kan kosten opblazen. Toch is niet elke herhaling fout. Soms bestaat een regel meerdere keren omdat hij per land, dag, product of campagnevariant is uitgesplitst.

Daarom zoek ik naar dubbele regels op basis van logische combinaties. Bij orders kan dat ordernummer en datum zijn. Bij campagnes kan dat datum, campagne en kanaal zijn. Bij AdMob-data kan segmentatie per app, land en dag dubbele totaalregels laten lijken. Een goede duplicate check kijkt dus niet alleen naar identieke rijen, maar naar de betekenis van de kolommen.

Onjuiste datatypen zijn stille fouten. Een bedrag dat als tekst binnenkomt, kan niet goed worden opgeteld. Een datum als tekst kan trends blokkeren. Een percentage met een procentteken kan anders gelezen worden dan een decimaal getal. Daarom controleer ik numerieke velden, datums, tekstvelden en categorieën vóór ik KPI’s vertrouw.

Kolomnamen zijn net zo belangrijk. Inconsistente namen als campaign, campagne, campagne_naam en CampaignName kunnen dezelfde betekenis hebben, maar worden door software anders gezien. Duidelijke kolomnamen maken datasetprofiling, dashboards en AI-data-analyse betrouwbaarder omdat het systeem minder hoeft te raden.

Datumformaten veroorzaken vaak verwarring. Een datum als 03-04-2026 kan maart of april betekenen, afhankelijk van notatie. Een export uit een internationaal systeem gebruikt soms andere volgordes of tijdzones. Wanneer datums verkeerd worden gelezen, verschuift de hele trendanalyse.

Afwijkende waarden vragen ook aandacht. Een extreem hoge orderwaarde, negatieve kosten of eCPM van nul kan echt zijn, maar kan ook door import of invoer komen. Ik wil zulke waarden niet automatisch verwijderen. Ik wil ze zichtbaar maken, beoordelen en pas daarna beslissen of cleaning nodig is.

Datasetprofiling geeft een eerste profiel van kolommen en waarden. Denk aan aantallen, lege waarden, unieke waarden, numerieke spreiding en mogelijke datatypen. Dat profiel helpt om snel te zien waar data bruikbaar is en waar je voorzichtig moet zijn.

Cleaning is de stap daarna. Dat kan betekenen dat je kolomnamen normaliseert, lege waarden markeert, datums omzet, dubbele regels onderzoekt of categorieën gelijk trekt. In IBIN Insights bestaan cleaning workflows en datakwaliteitsfuncties die deze aanpak ondersteunen. Ik zou cleaning altijd uitlegbaar houden, zodat later duidelijk is wat er met de dataset is gebeurd.

Quality reports helpen om datakwaliteitschecks te bundelen. In plaats van losse opmerkingen krijg je een overzicht van problemen en aandachtspunten. Dat is nuttig vóór een dashboard of rapportage, omdat je dan kunt melden welke beperkingen de data heeft.

Schema-informatie helpt om te begrijpen welke velden bestaan en welke types ze hebben. Lineage-informatie is waardevol wanneer je wilt zien waar data vandaan komt of welke stap eraan voorafging. In IBIN Insights zijn schema reports en lineage-functies aanwezig, en die passen vooral bij teams die verder gaan dan een losse upload.

Ik wil geen dashboard bouwen voordat ik weet of de belangrijkste velden kloppen. Een omzetdashboard zonder betrouwbare datums is zwak. Een marketingdashboard zonder consistente campagnekolommen wordt rommelig. Een AI-analyse op incomplete brondata kan overtuigend klinken, maar verkeerde accenten leggen.

De volgorde is daarom helder: eerst uploaden, dan profileren, daarna datakwaliteit controleren, vervolgens KPI’s kiezen en pas daarna dashboards, AI-inzichten of rapportages maken. Via rapportage software kun je de uitkomst delen, maar de betrouwbaarheid begint bij de bron.

Mijn stappenplan is simpel. Controleer eerst of het bestand compleet is en de juiste periode bevat. Kijk daarna naar kolomnamen en datatypen. Controleer lege waarden in belangrijke velden. Zoek dubbele regels met logische sleutels. Bekijk datumformaten. Markeer afwijkende waarden. Maak vervolgens een kort quality report voordat je dashboards of AI-vragen gebruikt.

Veelgemaakte fouten zijn: lege waarden negeren, dubbele regels blind verwijderen, datums niet controleren, alle afwijkingen als fout behandelen en conclusies trekken zonder de beperkingen te noemen. Datakwaliteit is geen extra administratie; het is de basis voor rustiger beslissen. Als dit artikel iemand helpt om data kritischer te controleren, deel het dan gerust met diegene.