Databas Blog

    Garbage in, garbage out

    [fa icon="clock-o"] 2 februari 2015 [fa icon="user"] Bas Elbers [fa icon="folder-open'] Project organisaties: profit

    garbage-in-garbage-out

    Wist je dat 88% van alle spreadsheets serieuze risico’s bevat? En dat inmiddels meer dan 60% van de werknemers in Europa ze gebruikt voor hun dagelijkse werk? De opmars van spreadsheets is een stille revolutie, maar niet eentje zonder gevaren.

    Spreadsheets worden nog te vaak gebruikt als database, maar gebruikers realiseren zich vaak niet dat ze daarvoor niet geschikt zijn. Spreadsheets hebben namelijk de neiging om steeds verder uit te dijen waardoor de complexiteit en kans op fouten toeneemt. En het is een lastige en tijdrovende klus om deze fouten op te sporen.
    Het probleem zit ‘m voornamelijk in de menselijke factor. Iedereen met toegang tot de spreadsheet kan deze namelijk veranderen. Wie de veranderingen doet en waarom wordt niet geregistreerd. Hierdoor boet de informatie aan integriteit in. Maar er zijn nog meer nadelen op te sommen.

    Geen database

     

    Spreadsheets hebben een rij-en-kolom-format dat vergelijkbaar is met een tabel in een database. Wellicht dat ze daarom vaak als database worden gebruikt. Maar spreadsheets zijn niet bedoeld om grote hoeveelheden informatie op te slaan zoals bij een echte database dat wel het geval is. Eerlijkheidshalve werkt het prima zolang de data entry zich beperkt tot een paar honderd. Worden het er duizenden, dan wordt het tricky. Het voordeel van een echte database is dat je hierin een bijna oneindig aantal gegevens kunt opslaan, maar tegelijkertijd ook een dataset kan toekennen aan één persoon. Je kunt dus altijd achterhalen wie, wanneer, wat heeft veranderd.

    Geen audit trail

     

    Audit trails, oftewel controlesporen, zijn belangrijk om de integriteit van data te bewaren en te bewaken.  Een spreadsheet kent geen audit trail. Het maakt eenvoudigweg een nieuwe update aan de hand van nieuwe informatie. Bovendien kunnen meerdere mensen hebben bijgedragen aan de spreadsheet, maar de mutaties zijn niet naar personen te herleiden. Je ziet dus alleen maar de datum waarop de wijziging heeft plaatsgevonden. Het geeft je geen historie.

    GIGO

     

    Garbage in, garbage out (met als afkorting GIGO, als een woordspeling op de term FIFO First In, First Out) is een uitdrukking die wordt gebruikt om er op te wijzen dat software- en regelsystemen alleen maar zinnige informatie kunnen leveren wanneer zij met juiste informatie worden gevoed. Een computersysteem kan nog zo intelligent zijn, wanneer hierin onjuiste gegevens (garbage in) worden gevoerd, zal het uiteindelijk een onzinnig resultaat (garbage out) geven. Ditzelfde geldt voor spreadsheets. Ook deze worden door mensen ingevuld. Even niet goed opletten en de kolom is verschoven of een verkeerde formule ingevoerd. Soms met ernstige gevolgen van dien.

    Steile leercurve

     

    En hoe gebruiksvriendelijk een spreadsheet ook is, het wordt lastiger als je formules en macro’s moet gaan ontwikkelen. Onder het laagje vernis zit een diepere laag met allerlei complexe regels die menigeen angst inboezemt. En als je niet thuis bent in deze programmeringstaal dan staat je een steile leercurve te wachten.

    Oplossing: geïntegreerde business software

     

    Hoewel spreadsheets op zich nuttige tools zijn, komt er binnen elke organisatie een moment waarop hierna kritisch moet worden gekeken. We zien dat met de groei van een onderneming vaak een wirwar aan systemen en spreadsheets ontstaan die onvoldoende zijn mee-ontwikkeld met de organisatie en de bedrijfsprocessen. De oplossingen communiceren niet met elkaar en zijn niet gebruikersvriendelijk genoeg. Doordat gegevens niet breed toegankelijk zijn, maar zich in losse systemen of spreadsheets bevinden, laten informatie en taken zich ook niet gemakkelijk overdragen binnen de organisatie. Bovendien is de kans groot dat de data (de output) is vervuild waardoor er niet meer één waarheid is. Dan wordt het lastig om de juiste en betrouwbare beslissingen te nemen. Door de verschillende dataflowprocessen zoveel mogelijk te automatiseren en standaardiseren, blijft de betrouwbaarheid van de data zo veel mogelijk gewaarborgd. Zo weet je zeker dat de informatie die je gebruikt juist en volledig is.

    Wil je meer weten over dit onderwerp. Download dan hier ons gratis e-book: Optimaal rendement voor projectorganisaties.

     Download

    Geschreven door: Bas Elbers