Artikel 8 van 8 in Productdatastack · PLMV-KB-030 · Rev. A · Gecontroleerd op 2026-10-16
Productdatakwaliteit en governance: regels, rollen en metrics
Productdatakwaliteit is de mate waarin productinformatie volledig, juist, consistent, actueel en geschikt is voor het beoogde gebruik, van engineering tot verkoopkanalen en toezichthouders. Datagovernance is het geheel van rollen, regels en processen dat dit zo houdt. Samen bepalen ze of je PLM-, PIM- en compliancedata kunt vertrouwen.
Kernpunten
- Kwaliteit wordt gemeten aan de hand van gedefinieerde dimensies en attribuutsets, dus classificatie en datamodellen komen eerst.
- Governance wijst per attribuut en per levenscyclusfase duidelijk eigenaarschap toe, met stewards die een vrijgave kunnen blokkeren.
- Regelgeving zoals ESPR, PPWR en het Digital Product Passport maakt datafouten tot juridisch risico.
- AI-tools helpen bij het opsporen van afwijkingen en het aanvullen van hiaten, maar vragen nog steeds menselijke goedkeuring en audittrails.
Wat productdatakwaliteit in de praktijk betekent
Kwaliteit is altijd relatief aan een gebruik. Een onderdeelnummer zonder gewicht kan in een vroeg ontwerpstadium acceptabel zijn en onacceptabel zodra het een logistiek etiket of een verpakkingsverklaring voedt. Daarom definiëren volwassen organisaties kwaliteit per levenscyclusfase en per afnemer van de data, en meten ze die aan de hand van een expliciete attribuutset per productklasse. Productclassificatiestandaarden zoals ETIM, ECLASS en GS1 GPC bieden die attribuutset voor veel branches.
De internationale referentie is ISO 8000, een familie van normen over datakwaliteit en stamdata. ISO 8000-1:2022 geeft het overzicht en de terminologie. GS1 biedt sectorrichtlijnen voor product-stamdata, inclusief meetregels voor verpakkingsafmetingen en afbeeldingen.
De kernkwaliteitsdimensies
De meeste programma's volgen een kleine set dimensies. Een praktische werkset:
| Dimensie | Wat het controleert | Voorbeeldregel |
|---|---|---|
| Volledigheid | Alle verplichte attributen zijn gevuld | Nettogewicht vereist vóór vrijgave naar ERP |
| Juistheid | De waarde komt overeen met het fysieke product | Gemeten afmetingen binnen 2 mm van de opgegeven waarde |
| Consistentie | Systemen bevatten dezelfde waarde | Dezelfde GTIN en omschrijving in PLM, PIM en ERP |
| Geldigheid | De waarde volgt het gedefinieerde formaat | Eenheden uit een beheerde lijst |
| Actualiteit | De waarde is nog actueel | Leveranciersverklaringen jonger dan 12 maanden |
| Uniciteit | Elk item is één keer vastgelegd | Geen dubbele onderdelen met verschillende nummers |
Houd de lijst kort. Tien goed gehandhaafde regels op kritieke attributen leveren meer op dan honderd regels die niemand beoordeelt. Begin met de attributen die regelgevingsverklaringen, logistieke etiketten en kanaalfeeds voeden, want fouten daar kosten het meest en hebben de duidelijkste eigenaar.
Governance: wie is eigenaar van welke data
Governance beantwoordt drie vragen: wie definieert een attribuut, wie onderhoudt het en wie mag het goedkeuren voor vrijgave. Een gebruikelijk model heeft een data-eigenaar per domein (engineering, verpakking, marketing, compliance), datastewards per productfamilie en een klein centraal team dat het datamodel en de kwaliteitsdashboards onderhoudt.
Eigenaarschap volgt vaak de systeemgrens. Engineeringattributen worden in PLM beheerd, commerciële content in PIM en klant- of leveranciersrecords in MDM. Het artikel over MDM vs PIM vs PLM legt deze grenzen uit. Problemen ontstaan waar eigenaarschap onduidelijk is, bijvoorbeeld wanneer marketing verpakkingsgewichten in PIM intypt omdat het PLM-record leeg is. Leg het mastersysteem per attribuut vast in een eenvoudige datawoordenlijst en maak die zichtbaar voor elk team dat productrecords bewerkt.
Verwerk governance in workflows. Een vrijgavepoort die een product pas naar ERP of kanalen laat gaan wanneer verplichte attributen geldig zijn, werkt beter dan een maandelijks rapport.
Waarom kwaliteit nu regelgevend gewicht heeft
Europese regelgeving maakt van productdata bewijsmateriaal. De PPWR (verordening (EU) 2025/40) vereist verpakkingsinformatie die juist en verifieerbaar moet zijn, gedelegeerde handelingen onder de ESPR gaan de data per productgroep definiëren en het Digital Product Passport maakt geselecteerde data openbaar en machineleesbaar. Een onjuiste materiaalverklaring is geen cosmetische fout meer. Het kan leiden tot optreden van markttoezicht, terugroepacties of boetes.
Verderop in de keten weigeren retailers en marktplaatsen feeds die hun validatie niet doorstaan, wat notering vertraagt. Kwaliteitsproblemen in productdatasyndicatie hebben dus direct effect op de omzet.
Hoe meet en verbeter je kwaliteit?
Een werkbare verbetercyclus:
- Selecteer kritieke attributen per toepassing (regelgeving, logistiek, verkoop).
- Profileer de huidige data om een nulmeting per dimensie vast te stellen.
- Los hoofdoorzaken op in het bronproces, bijvoorbeeld ontbrekende velden in een onboardingformulier voor leveranciers.
- Automatiseer validatie bij invoer en bij vrijgavepoorten.
- Publiceer per eigenaar een dashboard en beoordeel het maandelijks.
Datamigraties zijn een gebruikelijk moment om kwaliteit opnieuw in te stellen. De gids over PLM-datamigratie behandelt het opschonen vóór de overgang.
AI-tools ondersteunen inmiddels meerdere stappen. Patroonherkenning markeert uitschieters, zoals een gewicht dat tien keer hoger is dan bij vergelijkbare onderdelen, taalmodellen halen attributen uit pdf's van leveranciers en matchingmodellen vinden waarschijnlijke dubbelen. Deze tools werken goed als suggestiemotor. Houd een menselijke goedkeuringsstap voor waarden met juridische of veiligheidsrelevantie en leg de bron van elke door AI voorgestelde waarde vast. Bronnen zoals PIM Selection beschrijven hoe de mogelijkheden voor datakwaliteit verschillen tussen PIM-platforms.
Veelgestelde vragen
Wat is een goede score voor productdatakwaliteit?
Er is geen universele benchmark. Veel organisaties streven naar bijna 100 procent volledigheid voor regelgevings- en logistieke attributen en accepteren lagere scores voor optionele marketingcontent. Stel doelen per attribuutgroep en per toepassing, meet eerst de nulmeting en volg de verbetering in de tijd. Een stijgende trend op kritieke attributen telt zwaarder dan één kopscore.
Wie moet eigenaar zijn van productdatakwaliteit?
Businessowners horen eigenaar te zijn van hun datadomeinen, ondersteund door datastewards die de waarden dagelijks bijhouden. IT of een centraal datateam beheert de tooling, het datamodel en de dashboards. Kwaliteit faalt wanneer ze als puur IT-taak wordt behandeld, omdat alleen domeinexperts kunnen beoordelen of een waarde klopt.
Welke norm definieert productdatakwaliteit?
ISO 8000 is de belangrijkste internationale normenfamilie voor datakwaliteit en stamdata, met ISO 8000-1:2022 als overzichtsdeel. GS1 publiceert sectorspecifieke richtlijnen voor product-stamdata, inclusief regels voor metingen en afbeeldingen. Brancheclassificaties zoals ETIM en ECLASS definiëren de attributen waartegen volledigheid wordt gemeten.
Bronnen
- ISO 8000-1:2022 Data quality, Part 1: Overview
- GS1: Improving data quality at the source
- Regulation (EU) 2025/40 on packaging and packaging waste (EUR-Lex)
Revisiegeschiedenis
| Rev. | Datum | Samenvatting |
|---|---|---|
| A | Initial release. |
Geschreven door Stephan Spijkers. Gecontroleerd op 16 oktober 2026 door de redactie van PLM Vendors. Regelgevingsdata en leveranciersgegevens veranderen; raadpleeg de bronnen voor de actuele stand. Correcties met bron: info@plmvendors.com.
Verder in Productdatastack