Datakwaliteit controleren: 10 checks vóór je analyse (2026)

Datakwaliteit kun je controleren met tien vaste vragen voordat je conclusies trekt. Begin bij de bron en eindig bij privacy, want een nette grafiek kan een onduidelijke definitie niet herstellen.

De 10 checks

1. Bron: wie leverde de data en wanneer is die geëxporteerd?
2. Doel: welke beslissing moet deze tabel ondersteunen?
3. Volledigheid: ontbreken perioden, groepen of verplichte velden?
4. Unieke sleutel: waarmee herken je één record?
5. Dubbele rijen: zijn ze herhaling, fout of legitieme gebeurtenis?
6. Definities: betekenen omzet, klant en status overal hetzelfde?
7. Formaat: zijn datum, valuta, tijdzone en eenheid consistent?
8. Relaties: sluiten sleutels aan wanneer je bronnen koppelt?
9. Actualiteit: past de meetperiode bij de vraag?
10. Privacy: zijn alle persoonsgegevens noodzakelijk en passend toegankelijk? Gebruik de uitleg van de Autoriteit Persoonsgegevens over verantwoordingsplicht, privacy by design en dataminimalisatie om die keuze vast te leggen.

Stappenplan

Voer de lokale CSV-scan uit voor structuur, maak daarna een controlelijst met bovenstaande punten en leg afwijkingen naast het opschoonstappenplan. Gebruik pas daarna je KPI-definities.

Controleerbaar voorbeeld

Je vergelijkt omzet per maand. De bron van januari bevat alleen facturen, die van februari ook creditnota's. De totalen zijn technisch op te tellen, maar de definitie is anders. Noteer dit als blokkade, maak de bronperiode vergelijkbaar en herbereken pas dan de trend.

CBS publiceert bij StatLine cijfers met metadata en toelichtingen; gebruik die om openbare reeksen te duiden in plaats van alleen een getal over te nemen. Zie CBS StatLine als open data.

Maak van tien checks een herhaalbare controle

Datakwaliteit is niet hetzelfde als “geen foutmelding”. Een bron kan technisch openen en toch ongeschikt zijn voor een conclusie, bijvoorbeeld omdat de registratieperiode incompleet is of omdat twee teams hetzelfde woord anders gebruiken. De tien checks worden bruikbaar wanneer je per check een eigenaar, bewijs en acceptatiegrens vastlegt. Daardoor weet je niet alleen dát een bron is nagekeken, maar ook wanneer een afwijking een publicatie blokkeert.

Gebruik per bron een klein kwaliteitslog met kolommen: check, resultaat, bewijs, afwijking, beslissing, eigenaar en datum. Bewijs kan een telresultaat, definitiepagina, bronexportdatum of geautoriseerde steekproef zijn. Vermijd het kopiëren van persoonsgegevens in dat log. Noteer liever “3 van 200 records zonder regio” dan de namen bij die records. De Autoriteit Persoonsgegevens over dataminimalisatie onderstreept waarom je alleen noodzakelijke persoonsgegevens verwerkt.

Pas de checks in de juiste volgorde toe

Begin met doel en bron. Als de beslissing niet helder is, weet je niet welke periode, nauwkeurigheid of uitsplitsing nodig is. Ga daarna naar korrel en sleutel: wat is één record, welke kolom herkent dat record, en kan die sleutel leeg of dubbel zijn? Pas vervolgens formaat, definities en relaties toe. Eindig met actualiteit en privacy. Deze volgorde voorkomt dat je uren besteedt aan het schoonmaken van velden die je voor de vraag niet nodig hebt.

Voor openbare cijfers hoort metadata bij de kwaliteitstoets. CBS StatLine als open data levert niet alleen waarden maar ook structuur en toelichting van datasets. Controleer bijvoorbeeld eenheidswijzigingen, voorlopige cijfers, revisies en de exacte populatie. Voor eigen bronnen vervullen datamodel, werkinstructie en bron-eigenaar dezelfde rol.

Synthetisch voorbeeld: een onvolledige maand

Een fictieve verkoopexport bevat 2.400 orderregels in juni en 1.100 in juli. Een grafiek lijkt een scherpe daling te tonen. De check op actualiteit ontdekt dat de export op 15 juli is gemaakt. De juiste herstelstap is niet het juli-totaal verdubbelen, maar de grafiek markeren als tussentijds of wachten op een volledige maand. Controleer ook of dezelfde orderstatus en valuta in beide maanden gelden.

Stel dat de sleutelcontrole daarna 24 dubbele orderregels vindt. Onderzoek eerst of het een fout of echte regelstructuur is. Als een order meerdere productregels heeft, is ordernummer alleen geen unieke rij-sleutel. Definieer dan bijvoorbeeld ordernummer plus regelnummer, of reken bewust op orderniveau na aggregatie. Vergelijk vóór en na altijd zowel aantal records als een relevant totaal. De lokale CSV-controle kan wijzen op identieke rijen, maar bepaalt niet welke korrel bij jouw vraag hoort.

Definities, validatie en onzekerheid

Een kwaliteitstoets is geslaagd wanneer de uitkomst herleidbaar is, niet wanneer alles perfect is. Een bron mag bekende ontbrekende waarden hebben als ze worden gemeten, verklaard en passend behandeld. Noteer bijvoorbeeld: “1,2% zonder regio, uitgesloten van regionale uitsplitsing maar opgenomen in totaal.” Een bron is ongeschikt wanneer een afwijking de beslissing kan omkeren en niemand die kan verklaren.

Maak een onafhankelijke steekproef. Kies vooraf enkele recordcodes of geaggregeerde, niet-persoonsgebonden gevallen en vergelijk die met de bron. Laat een tweede persoon de definitie van één KPI nalezen. Controleer na een join altijd weer sleutels en totalen; zie bronnen combineren zonder joinfouten. Voor herhaalbare transformaties adviseert Microsoft in Power Query best practices data vroeg te profileren en stappen op te delen. Dat verlaagt de kans dat een fout zich achter een lange keten verstopt.

Komt een check niet door de acceptatiegrens, stop dan de interpretatie maar bewaar de bevinding. Zet een herstelactie, eigenaar en deadline in het log. Herstel bij de bron als dat kan, voer de export opnieuw uit en vergelijk dezelfde tellingen nogmaals. Als herstel niet mogelijk is, verklein de vraag of rapporteer de beperking zichtbaar. Een vraag zonder betrouwbaar antwoord mag eindigen met “nog niet vast te stellen”.

Veelgemaakte fouten

• Alle checks op het einde uitvoeren. Daardoor is onduidelijk welke stap de afwijking introduceerde.
• Een lege waarde automatisch als nul lezen. Leeg, onbekend en niet van toepassing zijn verschillende betekenissen.
• Een drempel zonder besluitregel kiezen. Schrijf wat er gebeurt als de grens wordt overschreden.
• Een steekproef achteraf kiezen. Kies hem vooraf om bevestigingsbias te beperken.
• Privacy als afzonderlijke check afvinken. Beperk velden en toegang al bij doel en bronkeuze.

Gebruik deze controles samen met een analyseplan en het opschoonstappenplan. Voor een inhoudelijke beoordeling volstaan het kwaliteitslog, een geanonimiseerde structuur en een synthetisch voorbeeld.

Officiële bronnen

• Autoriteit Persoonsgegevens: verantwoordingsplicht
• Microsoft Learn: Power Query-richtlijnen
• CBS: StatLine als open data