Dimensies van datakwaliteit zijn de meetbare eigenschappen waarmee je bepaalt of data goed genoeg is voor het doel waarvoor je ze gebruikt. De zes bekendste zijn juistheid, volledigheid, consistentie, actualiteit, geldigheid en uniciteit. Dat rijtje komt van DAMA UK, staat in het Data Quality Framework van de Britse overheid en is het startpunt van de meeste datateams.
In een productcatalogus wordt elke dimensie een concrete controle op echte velden. Volledigheid: zijn kleur en maat gevuld? Geldigheid: klopt het controlegetal van de EAN? Consistentie: is de prijs in je Google-feed gelijk aan de prijs op de productpagina? In dit artikel lopen we alle zes door met één voorbeeldproduct, laten we zien hoe je ze meet, koppelen we de bekendste datakwaliteitsproblemen aan de dimensie die ze raken en sluiten we af met een gewogen scorekaart die je kunt overnemen.
Waarom dit telt: in consumentenonderzoek van Salsify uit 2024 zei 42% van de shoppers dat slechte producttitels en -beschrijvingen genoeg reden zijn om een winkelwagen te verlaten. Volgens Syndigo (2025) brak 44% een aankoop af door onvoldoende productinformatie. Beide bedrijven verkopen software voor productcontent, dus lees het als leveranciersonderzoek. De richting klopt met wat je als catalogusbeheerder terugziet in retouren en klantvragen.
Waar de zes dimensies vandaan komen
Er bestaat geen officiële lijst. Volgens IBM is het begrip in 1996 uitgewerkt door Richard Wang en Diane Strong, die vanuit het perspectief van datagebruikers 15 dimensies vonden. Een werkgroep van DAMA UK bracht dat in 2013 terug tot zes kerndimensies, en de Britse overheid nam die zes in 2020 over.
De internationale norm ISO/IEC 25012 gaat breder: 15 kenmerken, verdeeld in inherente kenmerken (zoals juistheid, volledigheid en consistentie) en systeemafhankelijke kenmerken. Dat detailniveau past bij een datawarehouseteam. Voor een catalogus van 500 tot 50.000 SKU's dekken de zes kerndimensies bijna alles wat een listing kapotmaakt, en ze zijn makkelijk uit te leggen aan een leverancier of een accountmanager bij bol.
Het voorbeeld: een 3-pack sokken
Alle dimensies hieronder gebruiken hetzelfde record, zoals je dat uit een gemiddelde leveranciersimport krijgt. Het gaat om een 3-pack merino sokken, maat 43 tot 46, verkocht in je eigen webshop en via een feed in Google Merchant Center:
- sku: MER-CREW-3P-4346
- titel: Merino Sokken 3-Pack Navy 43-46
- merk: leeg
- ean: 13 cijfers, maar het laatste cijfer klopt niet met het controlegetal
- kleur: "donkerblauw" in de webshop, "Navy" in de feed
- maat: 43-46
- aantal_per_verpakking: 1
- materiaal: "n.v.t."
- beschrijving: 18 woorden, gekopieerd uit de pdf van de leverancier
- prijs: 24,95 op de productpagina, 22,95 in de feed
- beschikbaarheid: in_stock, terwijl de voorraad al vier dagen op 0 staat
- dubbel: dezelfde sokken staan er ook onder leveranciers-SKU 55102 uit een oudere import
Niets aan dit record is bijzonder. Elk probleem erin valt onder precies één dimensie, en daar zit de waarde: de dimensie vertelt je waar de oplossing hoort.
1. Volledigheid: zijn de verplichte velden gevuld?
Volledigheid is de mate waarin de waarden die je nodig hebt aanwezig zijn. Het sleutelwoord is nodig. Een veld is alleen verplicht als een kanaal, een filter of een koopbeslissing ervan afhangt. Leg verplichte velden dus vast per categorie en per kanaal, niet voor de hele catalogus.
Voor kleding vraagt Google in de productdataspecificatie om color en size voor kleding en schoenen die op onder meer Duitsland, het VK en de VS gericht zijn. Een materiaalfilter in je webshop heeft materiaal nodig. Zonder aantal per verpakking kan een shopper de prijs per paar niet vergelijken.
Zo meet je het: gevulde verplichte velden gedeeld door het aantal verplichte velden, per product, gemiddeld per categorie. Ons sokkenrecord heeft zeven verplichte velden (titel, merk, ean, kleur, maat, materiaal, aantal per verpakking). Merk is leeg en materiaal bevat "n.v.t.", dus de score is 5 van 7, oftewel 71%. En dan heb je nog niet gekeken of de gevulde waarden kloppen.
In onze gids over volledigheid lees je hoe je per categorie bepaalt welke velden verplicht zijn.
2. Geldigheid: volgt elke waarde de regels?
Geldigheid is de mate waarin data het verwachte formaat en bereik heeft. Deze dimensie automatiseer je het makkelijkst, omdat de regels al ergens staan: in de specificatie van een kanaal, in je eigen datamodel of in een standaard.
Voorbeelden uit de Google-specificatie: availability moet in_stock, out_of_stock, preorder of backorder zijn. price heeft een getal en een ISO 4217-valutacode nodig, zoals 15.00 EUR. Buiten de VS en Canada hoort de btw in de prijs, voor Nederland dus inclusief 21%. Een EAN moet de GS1-controle op het controlegetal doorstaan.
Zo meet je het: producten die alle geldigheidsregels doorstaan gedeeld door het aantal gecontroleerde producten. Ons sokkenrecord faalt op de EAN. Het slaagt voor prijsformaat en beschikbaarheidswaarde, en dat laat de grens van geldigheid zien: "in_stock" is een geldige waarde die toevallig niet waar is.
De gids over datavalidatie bespreekt de regeltypen die de meeste catalogusfouten vangen voordat ze een kanaal bereiken.
3. Juistheid: klopt de data met het echte product?
Juistheid (ook wel nauwkeurigheid) is de mate waarin data overeenkomt met de werkelijkheid. Als deze dimensie faalt doet het het meeste pijn (retouren, klachten, terugboekingen), en ze is het lastigst te automatiseren, omdat software het fysieke product niet ziet. Je hebt een referentie nodig: het specificatieblad van de fabrikant, een fysiek exemplaar of een betrouwbare bron zoals de feed van het merk zelf.
Ons record zegt aantal_per_verpakking: 1. De titel, de foto en de verpakking zeggen drie. Het veld is gevuld, dus volledigheid is tevreden. 1 is een geldig getal, dus geldigheid ook. Alleen een controle op juistheid vangt dit.
Zo meet je het: met een steekproef. Kies elk kwartaal 50 willekeurige SKU's per categorie, vergelijk vijf tot tien kernvelden met de referentie en noteer welk deel klopt. Laat bestsellers en categorieën met veel retouren zwaarder meetellen in de steekproef.
4. Consistentie: is hetzelfde feit overal gelijk?
Consistentie is de mate waarin waarden die hetzelfde beschrijven elkaar niet tegenspreken. In een catalogus gaat dat over twee situaties: velden binnen één record die botsen, en hetzelfde veld dat verschilt tussen systemen of kanalen.
Ons record faalt op allebei. Binnen het record zegt de titel 3-Pack en het veld aantal per verpakking 1. Tussen kanalen staat de kleur als "donkerblauw" in de webshop en "Navy" in de feed, en is de prijs 24,95 op de pagina en 22,95 in de feed. Google vraagt een prijs die overeenkomt met je landingspagina, dus dat laatste is geen detail: het is een reden voor afkeuring.
Consistentie gaat ook over woordkeuze. Als 40 producten "Navy" zeggen, 12 "donkerblauw" en 9 "Dark Blue", toont je kleurfilter drie opties voor één kleur. Dat los je op met standaardisatie van attributen.
Zo meet je het: voor kanalen het aandeel producten waarbij prijs, beschikbaarheid en titel gelijk zijn tussen je bron en elke kanaalexport. Voor woordkeuze het aantal verschillende waarden per attribuut, vergeleken met het aantal dat je zou verwachten.
5. Actualiteit: is de data recent genoeg?
Actualiteit (tijdigheid) is de mate waarin data de periode weerspiegelt die ze beschrijft. Sommige productvelden verouderen nauwelijks (materiaal, afmetingen, EAN). Andere zijn binnen uren achterhaald: prijs, voorraad en beschikbaarheid.
Ons record toont in_stock vier dagen nadat de voorraad op was. Elke klik op die advertentie is betaald verkeer naar een product dat niemand kan kopen, en elke bestelling wordt een annulering. Als bol-partner tellen annuleringen ook mee in je prestatienormen.
Zo meet je het: leg per groep velden een maximale leeftijd vast en meet welk deel van de producten daarbinnen valt. Bijvoorbeeld: voorraad en prijs maximaal een uur oud in elk kanaal, marketingteksten minstens één keer per jaar herzien. Het nuttigste getal is de vertraging tussen een wijziging in het bronsysteem en het moment dat het kanaal die toont.
6. Uniciteit: bestaat elk product maar één keer?
Uniciteit is de mate waarin er geen dubbele records zijn. In catalogi komen dubbelingen meestal via imports binnen: hetzelfde product van twee leveranciers, een herimport met nieuwe SKU's na een migratie, of een variant die als los product is aangemaakt.
Onze sokken bestaan twee keer, als MER-CREW-3P-4346 en als leveranciers-SKU 55102. Dubbele producten verdelen reviews en verkoophistorie over twee pagina's, beconcurreren elkaar in Google. Op marktplaatsen die alle aanbiedingen per EAN op één productpagina bundelen, kan een tweede record met een foute of hergebruikte EAN je aanbod bovendien op de verkeerde pagina zetten.
Zo meet je het: groepeer producten op EAN, daarna op een genormaliseerde sleutel van merk plus titel plus maat, en tel de groepen met meer dan één lid. De gids over ontdubbelen behandelt de matchregels uitgebreid.
Twee extra dimensies die voor productdata tellen
Langere lijsten voegen dimensies toe zoals integriteit (relaties tussen records zijn intact), relevantie, toegankelijkheid, betrouwbaarheid en herkomst (je kunt nagaan waar een waarde vandaan komt). Voor productdata verdienen twee daarvan een plek:
- Integriteit: elke variant verwijst naar een hoofdproduct dat bestaat, elk product naar een categorie die bestaat en elke afbeeldings-URL werkt.
- Herkomst: je weet of een waarde van de leverancier, van een collega of uit AI-verrijking komt, en wanneer. Dat telt zodra je een foute waarde moet uitleggen aan een klant of een marktplaats.
Terugkerende catalogusfouten, ingedeeld per dimensie
De meeste catalogusproblemen zijn een van een tiental terugkerende fouten. Als je de dimensie benoemt, weet je of de oplossing een regel, een steekproef, een synchronisatie of een opschoning is:
Twaalf catalogusfouten en de dimensie die ze breken
| Lege verplichte attributen | Materiaal, verpakkingsaantal, compatibiliteit | Volledigheid |
|---|---|---|
| Placeholders | "n.v.t." of "0" | Volledigheid, vermomd als gevuld veld |
| Fout EAN-controlegetal | Of letters in een numeriek veld | Geldigheid |
| HTML-resten of kapotte tekens | "é" in plaats van "é" in beschrijvingen | Geldigheid |
| Leveranciersspecificaties die niet kloppen | Verkeerd gewicht, verkeerd aantal | Juistheid |
| Product in de verkeerde categorie | Verdwijnt uit het juiste filter | Juistheid |
| Gemengde eenheden | cm bij het ene product, mm bij het volgende | Consistentie |
| Vrije tekst voor kleur en maat | "XL", "Extra Large", "x-large" | Consistentie |
| Feedprijs wijkt af van paginaprijs | 24,95 op de pagina, 22,95 in de feed | Consistentie en actualiteit |
| Voorraad nog zichtbaar nadat die op is | in_stock vier dagen nadat het magazijn op 0 stond | Actualiteit |
| Hetzelfde product twee keer geïmporteerd | MER-CREW-3P-4346 en leveranciers-SKU 55102 | Uniciteit |
| Varianten die naar een verwijderd hoofdproduct wijzen | Hoofdproduct weg, varianten blijven achter | Integriteit |
Let op: de duurste problemen (verkeerd aantal, verkeerde categorie, verouderde voorraad) zie je niet terug in een volledigheidspercentage. Een dashboard dat alleen vulgraden toont, geeft je een vals gevoel van veiligheid.
De zes dimensies wegen tot één score per categorie
Zes losse percentages zijn lastig om op te sturen. Combineer ze per categorie tot één score, met gewichten die weerspiegelen wat je geld kost. Een startpunt voor een webshop die ook via Google Shopping verkoopt:
Startgewichten voor een webshop die ook via Google Shopping verkoopt
| Volledigheid | 30% | Aandeel verplichte velden gevuld, placeholders tellen als leeg | 71% | 21,3 |
|---|---|---|---|---|
| Geldigheid | 20% | Aandeel producten dat alle formaatregels doorstaat | 88% | 17,6 |
| Juistheid | 20% | Aandeel velden in de steekproef dat met de referentie klopt | 92% | 18,4 |
| Consistentie | 15% | Aandeel producten met gelijke prijs, beschikbaarheid en titel in alle kanalen | 83% | 12,45 |
| Actualiteit | 10% | Aandeel producten met prijs en voorraad binnen de maximale leeftijd | 95% | 9,5 |
| Uniciteit | 5% | Aandeel producten dat niet in een dubbele groep zit | 97% | 4,85 |
De voorbeeldkolom is een fictieve kledingcategorie van 2.000 SKU's. De gewogen score is 0,30 x 71 + 0,20 x 88 + 0,20 x 92 + 0,15 x 83 + 0,10 x 95 + 0,05 x 97, oftewel 84,1 van de 100.
Het ene getal gebruik je voor trends en om categorieën te vergelijken. De actielijst komt van de laagste dimensie, in dit voorbeeld volledigheid. Pas de gewichten aan op je eigen situatie. Een bol-verkoper met strenge annuleringsnormen geeft actualiteit meer gewicht, een winkel met veel retouren juistheid. In het woordenboek lees je meer over hoe een datakwaliteitsscore werkt.
In vier weken van eerste export naar automatische controles
Uitrol in vier weken voor één kanaal en één categorie
- 1
Week 1
Afbakenen
Kies één kanaal en één categorie die omzet draait. Schrijf de verplichte velden voor die combinatie op en de regels per veld (formaat, toegestane waarden, eenheden).
- 2
Week 2
Nulmeting
Exporteer de categorie en bereken volledigheid, geldigheid en uniciteit met formules of een script. Trek 50 willekeurige SKU's voor een juistheidssteekproef. Vergelijk prijs en beschikbaarheid tussen je bron en de kanaalexport voor consistentie en actualiteit.
- 3
Week 3
In bulk repareren
Standaardiseer eerst de woordkeuze (kleuren, maten, eenheden), vul dan ontbrekende attributen aan en voeg daarna dubbele producten samen of verwijder ze. Bulkcorrecties op attribuutniveau verhogen de score sneller dan product voor product bewerken.
- 4
Week 4
Voorkomen
Maak van de regels controles die bij elke import en elke wijziging draaien, en houd producten die falen tegen voordat ze het kanaal bereiken. Meet opnieuw en breid uit naar de volgende categorie.
Bij week 4 lopen de meeste teams vast, omdat controleren na publicatie alleen laat zien wat al misging. Quality Guard in WISEPIM draait regels bij elke import, bulkbewerking, AI-run en handmatige wijziging, geeft elk product een score van 0 tot 100 en houdt producten die een Block-regel breken tegen bij de export naar dat kanaal. AI-verrijking vult daarna ontbrekende attributen en beschrijvingen aan, waarbij dezelfde regels de uitkomst controleren.
Meet de dimensies die je geld kosten
Je hebt geen 15 ISO-kenmerken of een compleet data governance-programma nodig om vooruitgang te boeken. Begin met de zes dimensies, meet ze op één categorie en laat de zwakste bepalen wat je eerst oppakt. Wil je weten waar je eigen catalogus staat? Probeer de calculator voor productdatakwaliteit of lees de gids over datakwaliteit voor alle werkwijzen op een rij.
