Conversie dashboard

Conversie dashboard

De overgang naar een nieuw systeem of een nieuwe versie van een systeem brengt veel uitdagingen met zich mee. Hoe weet je nu zeker dat alle data van de oude versie overeenkomst met de data de nieuwe versie? En als er verschillen zijn ontstaan, hoe weet je dan waar deze verschillen vandaan komen? Je wilt snel kunnen constateren waar de fout vandaan komt, en direct oplossen. In het conversie dashboard worden de gegevens van de oude versie vergeleken met de nieuwe versie. In het dashboard worden de verschillen weergegeven tot op detailniveau. 

Er kan altijd iets mis gaan in de overgang van systemen en het is van cruciaal belang om tijdig inzicht te krijgen in wat er is veranderd en waarom. Voor de overgang bepaal je de kritieke velden van diverse onderwerpen bij de conversie. Denk hierbij aan bijvoorbeeld het adres en de postcode van een verhuureenheid, de huurprijzen en de saldi van de huurders. Hier wordt een foutmarge aan toegekend. Op deze kritieke velden wordt vervolgens de mate van succes van de conversie bekeken. De kritieke velden zijn je uitgangspunt voor je conversie controle: hiermee bepaal je wat je gaat controleren en hoeveel foutmarge je bij deze velden gaat hanteren. 

Stel je hebt 6.000 eenheden, daar mag de postcode van maximaal 20 eenheden afwijken na de conversie. Dit kan eventueel na de conversie eenvoudig en snel opgelost worden. 

In het conversiedashboard worden de gegevens van het oude systeem vergeleken met het nieuwe systeem. In het dashboard worden de verschillen weergegeven. Per onderwerp kun je aangeven of je de wijziging accepteert. Je ziet de verschillen tot op detailniveau. 

Zodoende kan de deelwaarneming 100% uitgevoerd worden op de kritieke velden zoals benoemd door de corporatie. Alle velden en regels kunnen worden gecontroleerd. Door het blootleggen van de verschillen op het laagste niveau, kan er op een simpele manier ingespeeld worden op de eventuele fouten bij de conversie. De verantwoordelijke kan zelfstandig met de nieuwe inzichten aan de slag om de benodigde aanpassingen te realiseren. Hierdoor wordt de datakwaliteit geoptimaliseerd. 

Niets is immers zo vervelend om op basis van foutieve data acties uit te voeren.