Datakwaliteit
BAG/BGT
Het belang van datakwaliteit is te illustreren met de 1:10:100-regel. Het kost 1 minuut om data correct in te voeren (preventiekosten), 10 minuten om incorrecte data op te sporen en te repareren (correctiekosten) en 100 minuten als je werkt met slechte data zonder iets te doen (faalkosten).
01
Services
Combineer een actueel satellietbeeld met de BAG Pandstatus en ontdek of het geregistreerde BAG-gegeven overeenkomt met de actuele werkelijkheid.
Gebruik de Atlasfunctie binnen Qgis en ontdek zelf , als BAG beheerder, hoe efficiënt en effectief het gegeven bijgehouden kan worden.
Is uw BGT-dataset compleet en volledig? Staat alles erin dat erin moet staan? Misschien is er een mutatie niet doorgegeven?
Met een HVC krijg je op basis van een steekproef inzicht in dergelijke omissies.
Met een Vergismatrixanalyse heeft u snel inzicht in de kwaliteit van de geregistreerde objecten in uw BGT-dataset. Is een tegelverharding in werkelijkheid ook tegelverharding of misschien toch gras- en kruidachtigen of asfalt?
Gain Digital Advantage
Innovative strategies
“Met een nieuwsgierige blik zoek ik de balans tussen theorie & praktijk. Haal voordeel door het saaie werk te automatiseren en de computer het werk te laten doen. Zo heb je zelf tijd over voor de leuke dingen!”
Results-Oriented Solutions
Strategic insights
Of het nu een Hexagonvolledigheidscheck, Vergismatrixanalyse of objectdetectie door AI is: de oplossingen zijn altijd georiënteerd rondom resultaten van strategisch belang. Op basis van de concrete data-output in de registratie wordt een analyse gemaakt naar de oorzaak hóe de vergissing in de eerste plaats in de registratie terecht kon komen. Daarna volgt de aanbevelingen om deze te voorkomen. Deze techniek is afgekeken van “reverse engineering“.
From Art to Science
Personalized tactics
Elk probleem vraagt om een andere aanpak. De kunst is om de juiste snaar te raken. Soms begint de reis bij de hexagonvolledigheidscheck. “Hoe compleet is onze dataset eigenlijk”? Of: “We weten dat er achterstanden zijn. Maar hoe groot is het probleem eigenlijk?” Die vragen worden beantwoord met een HVC.
Misschien is er al een onderbuikgevoel: “er klopt iets niet bij die asfaltverhardingen. Zijn bij de data-migratie de ‘gesloten verharding type Asfalt’ wel juist overgekomen?” Is het verschil tussen “betonstraatstenen” en “gebakken klinkers” altijd wel duidelijk geweest en correct geregistreerd? Een antwoord op die vragen vind je met een Vergismatrix-analyse.
Ligt de interesse meer in een concrete toepassing van Kunstmatige Intelligentie in plaats van blijven steken in adviesrapporten? Begin dan met een boomkruindetectie-algoritme.
Vergismatrix.nl is ontstaan uit een lang sluimerend onderbuikgevoel. Alle kwaliteitsdashboard, foto-foto vergelijkingen ten spijt. Hoe zit het nou écht met die datakwaliteit?
Vergismatrix.nl is the decisive factor behind your data-quality
Sinds 2009 ben ik betrokken bij de opbouw van de Basisregistratie Adressen en Gebouwen. Ik ken mezelf en maak wel eens een typefoutje. Een foutje in het jaartal van de woning, blijkt 13 jaar later, rond 2022 met het energielabel (verstrekkende) gevolgen te hebben. Indertijd had ik geen oog voor datakwaliteit. Het is altijd in mijn onderbuikgevoel blijven hangen hoe ik dát beter had kunnen doen. Als ik beter wist…
Een jaar of vijf later van hetzelfde. Met de opbouw van de Basisregistratie Grootschalige Topografie mooie keuzelijstjes om vlakken van een verhardingstype te voorzien. Is dat wegdeel werkelijk ‘asfalt’? Of misschien een misclick en had het Betonstraatstenen moeten zijn? Foto-foto vergelijkingen ten spijt, daarin veranderd niets. De vergissing in de classificatie is er tijdens de opbouw erin geslopen. Gelukkig zijn er nu datakwaliteitsmethodes zoals een HexagonVolledigheidscheck, Vergismatrix of AI Objectdetectie om zulke vergissingen te identificeren en te fixen!
