Van momentopname naar blijvende verbetering

Datakwaliteit als motor voor duurzame verandering in de pensioensector

Datakwaliteit als motor voor duurzame verandering in de pensioensector
  • Publicatie
  • 12 feb 2026

Het Kader Datakwaliteit uit de Wtp vormt een belangrijke stap richting een datagedreven pensioensector. Het zorgt voor een uniforme benadering en scherpt de regelgedreven ‘momentopname’ van data aan. Martijn van Zomeren en Timo van der Heijden, pensioenexperts bij PwC, benadrukken dat zonder structurele verankering en continue verbetering, het potentieel van de nu verbeterde datakwaliteit onbenut blijft en investeringen daardoor niet optimaal renderen naar de toekomst toe.

Waarom datakwaliteit meer is dan alleen compliance

Datakwaliteit beheren betekent meer dan vinkjes zetten voor regelgeving. Het gaat om het bouwen van vertrouwen, het vergroten van wendbaarheid en het verminderen van herstelwerk, wat besluitvorming versnelt en meer onafhankelijkheid in de uitvoering oplevert. Evenals dat het met de huidige ontwikkeling van technologie ook de betrouwbare inzet van AI in de dienstverlening aan klanten ondersteunt.

Huidige knelpunten met betrekking tot datakwaliteit binnen de pensioensector

Hoewel het Kader Datakwaliteit richting geeft, stokt de voortgang in veel organisaties na de nulmeting. Dit komt vooral door het ontbreken van een duidelijke structuur voor continue verbetering. Zonder structuur blijft datakwaliteit in de praktijk vaak beperkt tot het uitvoeren van een toets, in plaats van een geïntegreerd sturingsinstrument dat continu inzicht en verbetering mogelijk maakt.

  • Inhoud: de sector focust vooral op juistheid en volledigheid van data, terwijl andere dimensies zoals tijdigheid, bruikbaarheid, consistentie en relevantie onderbelicht blijven. KPI’s en dashboards zijn niet gestandaardiseerd, wat leidt tot interpretatieverschillen en beperkte vergelijkbaarheid.
  • Proces: het beheer van datakwaliteit is vaak niet structureel ingericht. Na de nulmeting ontbreekt het aan opvolging. Monitoring vindt meestal pas aan het eind van de keten plaats, terwijl fouten vaak eerder in het proces ontstaan. Een cyclisch kwaliteitsproces, gebaseerd op Plan Do Check Act, ontbreekt, waardoor structureel bijsturen lastig is.
  • Organisatie: rollen als data owner, steward en custodian, oftewel het technisch beheer, zijn niet duidelijk belegd of geëffectueerd, waardoor verantwoordelijkheden onduidelijk blijven. De samenwerking tussen business en IT is beperkt en er ontbreken duidelijke escalatieprocedures en afspraken voor het opvolgen van data-issues.
  • Ondersteuning: digitaliseringsmogelijkheden worden onvoldoende benut. Toegang tot tooling voor datalineage en opvolging van data-issues is beperkt. Digitale workflows ontbreken, waardoor kwaliteitsborging afhankelijk blijft van individuele handelingen zonder structurele opvolging.

Geleerde lessen uit de bancaire sector

Binnen de bankensector heeft het Basel Committee on Banking Supervision met de BCBS 239-regelgeving gezorgd voor een structurele verankering van datakwaliteit in de sturing, risicobeheersing en rapportage. Het verschil met het Kader Datakwaliteit is dat BCBS 239 principle based is, en focust op het behalen van consistentie, betrouwbaarheid en continue verbetering. De volgende lessen zijn hieruit te trekken:

  • Bestuurlijke betrokkenheid: actieve deelname van het bestuur is cruciaal. Dit zorgt voor het nemen van verantwoordelijkheid, continue monitoring en structurele verankering van datakwaliteit in de organisatiecultuur.
  • Geïntegreerde data-aggregatie en rapportage: betrouwbare data is essentieel voor goede analyses en strategische besluitvorming.
  • IT-infrastructuur als fundament: een robuuste IT-structuur is noodzakelijk voor duurzaam kwaliteitsbeheer. Automatisering van controles, datalineage en issue-tracking draagt bij aan een hogere datakwaliteit.
  • Three Lines of Defense (3LoD): BCBS 239 laat zien dat datakwaliteit alleen duurzaam verbetert wanneer de eerste lijn volledig eigenaarschap neemt van data, de tweede lijn onafhankelijk een inhoudelijke ‘effective challenge’ uitvoert op datadefinities, datalijnen en KPI’s, en de derde lijn toetst of de organisatie dit consequent borgt. Voor pensioenfondsen betekent dit dat datakwaliteit niet langer een IT of complianceonderwerp is, maar integraal onderdeel van sturing in alle drie de lijnen.

Zes ontwerpprincipes voor het realiseren van duurzame datakwaliteitsverbetering

Duurzame verbetering van datakwaliteit vereist integratie tussen bestuur, proces en technologie. Vanuit onze praktijkervaring hebben we zes ontwerpprincipes geïdentificeerd die organisaties helpen richting te geven aan structurele borging en continu leren.  

  • Heldere rollen en mandaten voor data owner, steward, custodian en vooral ook voor de business owner.
  • Eigenaarschap, beheer en besluitvorming inzichtelijk per Kritisch Data Element (KDE) via RACI-schema’s (Responsible, Accountable, Consulted, Informed) en tooling.
  • Mandaten, escalatiepaden en overlegstructuren vastgelegd in beleid én dwing af via tooling dat afwijkingen in datakwaliteit transparant zijn en worden besproken in juiste gremia.
  • Naast juistheid en volledigheid ook tijdigheid, bruikbaarheid, consistentie en begrijpelijkheid vastleggen.
  • Voor elke KDE bepalen of data op tijd beschikbaar is, logisch samenhangt en begrijpelijk is voor haar gebruikers.
  • Kwaliteit meten en rapporteren, zowel technisch als functioneel, door periodiek feedback verzamelen en zichtbaar actie ondernemen tot verbetering.
  • Verbeteracties koppelen aan de reguliere plannings- en controlcyclus.
  • Resultaten en afwijkingen bespreken in kwartaalreviews met business, IT en controle.
  • Profiling, datakwaliteits-validaties en KPI-berekeningen periodiek herhalen.
  • Datakwaliteit als terugkerend onderdeel van de bedrijfsvoering, niet als eenmalig project.
  • Gebruik van metadatamanagement tooling (bijvoorbeeld Collibra of Data360) voor lineage- en issuemanagement.
  • Integratie van datakwaliteitsmodules in bestaande workflowtools (zoals Jira of Power BI) zodat analyses, goedkeuring en opvolging herleidbaar zijn.
  • Ontwerp dashboards die niet alleen geaggregeerde informatie tonen, maar die specifiek aansluiten op processen of doelgroepen (zoals administratie, actuariaat of communicatie).
  • Koppel elk dashboard aan concrete KPI’s en eigenaarschap, en voeg herstelacties en voortgangsmonitoring toe om signalering direct te verbinden met sturing.
  • Assuranceverklaring (zoals COS 4400) is waardevol omdat deze bevestigt dat processen en controles zijn uitgevoerd zoals afgesproken. Tegelijkertijd geeft de verklaring géén oordeel over de daadwerkelijke datakwaliteit. Dit maakt assurance vooral een startpunt: organisaties moeten de bevindingen vertalen naar cyclische verbetering van hun kwaliteitsproces.
  • Dashboards (principe 5) gebruiken voor audit trailanalyses.
  • Periodieke reviews en gezamenlijke reflectie vertalen inzichten uit Assurance direct naar procesverbeteringen.

Randvoorwaarden voor succesvolle implementatie

In de pensioensector is datakwaliteit direct verbonden met vertrouwen - van deelnemers, toezichthouders en uitvoerders. Een mooi ontwerp is niet genoeg. De juiste randvoorwaarden moeten aanwezig zijn voor duurzame verbetering.

  1. Eigenaarschap
    Heldere rollen en mandaten zorgen dat verantwoordelijkheid wordt gepakt en beslissingen daadwerkelijk worden opgevolgd. Bijvoorbeeld door de data-owner van deelnemergegevens direct te kunnen laten besluiten over uit te voeren herstelacties, in plaats van dit over te laten aan IT.
  2. Draagvlak
    Duurzame datakwaliteit vraagt om betrokkenheid op alle niveaus. Neem datakwaliteit standaard op in kwartaalgesprekken tussen bestuur en uitvoerder, naast rendement en kosten.
  3. Wendbaarheid
    Beleid en processen moeten flexibel zijn om snel in te spelen op veranderende wet- en regelgeving. Zo kunnen uitvoerders nieuwe wetgeving efficiënt implementeren.
  4. Lerend vermogen
    Organisaties die fouten kunnen en durven analyseren, bouwen sneller aan structurele verbetering en vertrouwen. Bijvoorbeeld door in kwartaalreviews incidenten uit data-audits gezamenlijk te bespreken en te vertalen naar aanpassingen in processen of definities.
  5. Change Management
    Nieuwe werkwijzen slagen alleen als gedrag, cultuur en communicatie actief worden meegenomen. Train data-owners en beheerders om kwaliteitsverbetering als vast onderdeel van hun werk te zien en eventuele onvolkomendheden te benoemen.
  6. Technologische basis
    Een robuuste IT-structuur is essentieel. Leg validaties, datalineage en issue-tracking vast in systemen en koppel deze aan dashboards voor continue kwaliteitsborging.

Conclusie

Datakwaliteit is een essentiële bouwsteen voor een toekomstbestendige pensioensector. Door te investeren in het implementeren van een helder bestuur, te sturen op continue verbetering ondersteund met een sterke technologische basis, wordt datakwaliteit een krachtig stuurinstrument voor duurzame transformatie van de pensioenwaardeketen en excellente dienstverlening.

Nieuwsbrief

Meld je aan voor de PwC Update

Contact us

Martijn van Zomeren

Martijn van Zomeren

Partner, PwC Netherlands

Tel: +31 (0)61 349 08 17

Volg ons