• LinkedIn
  • Facebook

January 13, 2025

De kwaliteit van data is van cruciaal belang voor zakelijke succes, zeker nu generatieve AI (Gen AI) steeds meer de standaard wordt binnen organisaties. Toch blijkt uit ons onderzoek dat veel bedrijven nog onvoldoende aandacht besteden aan databeheer en eigenaarschap. Dit gebrek aan focus leidt niet alleen tot inefficiënte processen, maar kan ook een AI-implementatie al in een vroeg stadium doen mislukken. In deze blog bespreken we de huidige stand van zaken, de uitdagingen rondom datakwaliteit en onze aanbevelingen om deze obstakels te overwinnen.

De cruciale rol van data

Data heeft altijd centraal gestaan in zakelijke besluitvorming. De kwaliteit van data heeft daarom een enorme impact op bedrijfsresultaten. Met de snelle opkomst van generatieve AI (Gen AI) is het belang van datakwaliteit – en specifiek het eigenaarschap en beheer ervan binnen organisaties – alleen maar toegenomen. Het niet goed beheren van data zal leiden tot mislukte AI-implementaties, nog voordat deze goed en wel zijn begonnen.

De dramatische toename van Gen AI-gebaseerde systemen voedt de vraag naar hoogwaardige, onbevooroordeelde en betrouwbare data. In onze nieuwste World Quality Report, de 16e editie van het grootste onderzoek naar de huidige staat van Quality Engineering wereldwijd, ligt de focus op ‘Datakwaliteit’ en de impact ervan op Gen AI-oplossingen.

Hoewel we hadden verwacht dat organisaties meer nadruk zouden leggen op data binnen hun Gen AI-innovaties, waren de resultaten van dit jaar teleurstellend.

Andrew Fullen – New futures in focus

De huidige stand van zaken

Uit ons onderzoek blijkt dat slechts 16% van de organisaties data als kritisch beschouwt, terwijl 48% het als zeer belangrijk ziet. Daarentegen vindt 1% data totaal onbelangrijk. Hoewel 64% van de organisaties het belang van data erkent, geeft 36% er niet de prioriteit aan die het verdient.

Deze bevindingen zijn zorgwekkend, vooral gezien de ernstige gevolgen van datalekken en de fundamentele rol die data speelt in organisatorische operaties en AI-systemen. Voeg hieraan toe de strikte GDPR-wetgeving en de Europese AI-verordening, en het gebrek aan prioriteit wordt een punt van zorg voor operationele efficiëntie, besluitvorming, compliance en reputatieschade.

De waarde van databeheer

Ondanks dat een derde van de organisaties data niet als cruciaal beschouwt, is de waarde ervan voor klanttevredenheid en kostenreductie duidelijk zichtbaar:

  • Kostenreductie (45%): Effectief databeheer verlaagt operationele kosten door inefficiënties en fouten te minimaliseren.
  • Verbeterde productkwaliteit (56%): Effectief databeheer verhoogt de productkwaliteit, vermindert fouten en verbetert de efficiëntie in bedrijfsprocessen.
  • Betere klantervaringen (49%): Hoogwaardige data leidt tot meer gepersonaliseerde en effectieve klantinteracties, wat de klanttevredenheid en loyaliteit vergroot.

Het belang van nauwkeurige en onbevooroordeelde testdata

Hoewel veel organisaties het belang erkennen van het regelmatig bijwerken of vernieuwen van testdata (44%), zien we dat steeds meer organisaties overstappen op door AI gegenereerde testdata (49%). Dit is een zorgwekkende trend, omdat dit ethische, beveiligings- en compliance-uitdagingen met zich meebrengt. AI-testdata bevat namelijk vaak ingebouwde bias.

Bijna een derde van de organisaties gebruikt AI om datakwaliteit te controleren en bias te verwijderen (34%), maar deze aanpak mist vaak transparantie en context, waardoor bestaande biases onbedoeld worden versterkt. Terwijl synthetische datageneratietools aan populariteit winnen (49%), is het cruciaal om de integriteit van data te behouden en te zorgen voor compliance.

Aanbevelingen voor beter databeheer

  • Duidelijk eigenaarschap: Stel helder eigenaarschap en verantwoordelijkheid vast voor het beheer en de kwaliteit van alle relevante data binnen de organisatie. Dit omvat zowel zakelijke data als kritieke technische ondersteuningsdata.
  • Investeren in hoogwaardige data: Gebruik AI-tools om te zorgen voor biasvrije data die betere klantresultaten en goed onderbouwde besluitvorming ondersteunt.
  • Ombarmen van juridische kaders: Zorg voor naleving van wettelijke kaders zoals de GDPR om dataintegriteit te beschermen.
  • Erken de waarde van data: Door data te zien als een kritieke factor voor efficiëntie en besluitvorming, kunnen organisaties hun operaties optimaliseren.
Marco van Winsen

Marco van Winsen

Head of Quality Engineering & Testing

Ontmoet onze experts

    Marco van Winsen

    Marco van Winsen

    Head of Quality Engineering & Testing