Centrada
Centrada is een woningcorporatie in Lelystad die sociale huurwoningen beheert en verhuurt. Ze bieden betaalbare en kwalitatieve huisvesting voor diverse doelgroepen en richten zich op het ontwikkelen en onderhouden van vastgoed. Centrada werkt samen met lokale partners om leefbare en duurzame wijken te creëren, met als doel de kwaliteit van leven voor hun huurders te verbeteren.
De uitdaging
Centrada beheert een uitgebreid netwerk van woningen en is afhankelijk van kwalitatief goede data voor hun operationele, tactische en strategische beslissingen. De datakwaliteit heeft hier een grote invloed op en is daardoor heel belangrijk. Ze waren op zoek naar een hulpmiddel die hen kon helpen met het inzichtelijk maken en verbeteren van de datakwaliteit.
De kwaliteit van de data was niet altijd consistent, wat leidde tot inefficiënties in het beheer en problemen bij de besluitvorming. Centrada zocht naar een oplossing die zowel duurzaam als efficiënt was. Zo kwamen ze uit bij de Phinion Data Quality Studio (DQS).
De Phinion aanpak in combinatie met DQS
Samen met Centrada hebben wij hun data vraagstuk doorlopen. In het proces van data optimalisatie is ook onze software (DQS) ingezet. Nauwkeurige data is cruciaal voor woningcorporaties zoals Centrada. Het vermogen om snel inzicht te krijgen in afwijkingen in de (financiële) data en (huurders)administratie bespaart tijd en geld. Met de continue ondersteuning van DQS blijft de data-integriteit behouden.
Hierna volgt een beknopte opsomming van de genomen stappen.
- Inventarisatie van databronnen
Waar zit de data van de belangrijkste bedrijfsprocessen? In overleg met Centrada hebben we de basis waar de financiële administratie op draait als startpunt genomen.
- Wekelijkse data-analyse
Elke week onderzocht DQS geautomatiseerd nauwkeurig de data van Centrada. Hierbij werd gecontroleerd of alle essentiële velden correct waren ingevuld en of de data logisch op elkaar aansloten. Voor woningen in het sociale segment werd bijvoorbeeld geverifieerd of de huurprijzen binnen de vastgestelde limieten vielen.
- Patroonherkenning
DQS dook in de patronen binnen de wekelijks verstrekte data, die varieerden van eigendomsinformatie tot klant- en huishoudgegevens. Door gebruik te maken van machine learning, kon Q-Companion patronen in de data identificeren. Deze patronen zijn vervolgens vertaald in nieuwe kwaliteitsregels.
- Datacleaning
Ondertussen worden de fouten in de data bijgewerkt. Dit heeft Centrada zelf uitgevoerd. Als extra service kunnen de consultants van Phinion jouw organisatie hierbij helpen.
- Tweewekelijkse besprekingen
Om de nauwkeurigheid van de patroonherkenning van Q-Companion te evalueren en de controleprocessen indien nodig aan te passen, vonden er tweewekelijks gesprekken plaats tussen de consultant van Phinion en Centrada. Deze sessies zorgden ervoor dat de data-analyse up-to-date bleef en nauwkeurig werd uitgevoerd.
Resultaten
De implementatie van DQS leidde tot een grote verbetering in het bewaken van de datakwaliteit bij Centrada. De belangrijkste resultaten zijn.
- Effectieve periodiek controlemechanisme
DQS controleert wekelijks de data van Centrada, waardoor ze helder inzicht hebben in de juistheid van de data en gebieden voor verbetering.
- Intuïtief dashboard
De resultaten van de data-analyse waren toegankelijk via een intuïtief dashboard, wat de besluitvormingsprocessen vereenvoudigde en verbeterde.
- Tijds- en kostenefficiëntie met behulp van machine learning
Door de automatische detectie van datakwaliteitsproblemen bespaard Centrada aanzienlijk veel tijd en middelen die anders aan handmatige analyses besteed zouden worden.
Wat kan Phinion voor woningcorporaties betekenen
Samen met jouw organisatie gaan we aan de slag met het verbeteren van de data. Onze consultants gaan met de DQS software hierbij ondersteuning bieden.
- Automatisering van controle activiteiten
Q-Companion automatiseert datacontroles, waardoor minder tijd hoeft te worden besteed aan handmatige analyse en foutdetectie.
- Flexibiliteit in datacontroles
Q-Companion analyseert wekelijks verschillende soorten data, wat een breed scala aan controlemechanismen biedt.
- Regelmatige updates en feedback
Periodieke vergaderingen zorgen voor een proactieve benadering van datakwaliteitsbeheer.
- Kostenefficiëntie en tijdsbesparing
Snelle identificatie en correctie van fouten resulteren in minder tijd en middelen besteed aan langdurige data-verificatieprocessen.
- Integratie van machine learning
Door gebruik te maken van machine learning, identificeert Q-Companion patronen en anomalieën in data, wat leidt tot diepgaandere inzichten voor geïnformeerde besluitvorming en operationele efficiëntie.
- Ondersteuning op maat
Onze consultants bepalen samen met jou welke databronnen op de nominatie staan om te worden gecontroleerd. Denk hierbij aan data van huurders die wij met de Basisregistratie Personen kunnen vergelijken. In deze vervolgstappen helpen wij jouw organisatie verder.
Neem dan contact met ons op en ontdek de mogelijkheden.