Metadata toevoegen terwijl je scant: waarom volgorde alles bepaalt

·

Je hebt een stapel papier. Je scant hem. De bestanden staan op de server. Maar drie weken later weet niemand meer wat erin zit, wie het heeft aangemaakt of bij welk dossier het hoort. Dat is geen scanprobleem. Dat is een metadataprobleem. En het ontstaat bijna altijd doordat je de volgorde omdraait: eerst scannen, dan nadenken.

Wat metadata in dit verband betekent

Metadata is de informatie over een document, niet de inhoud ervan. Denk aan:

  • de datum van het document (niet de scandatum)
  • het documenttype, zoals factuur, overeenkomst of rapport
  • de naam van de relatie of het project
  • de afdeling of verantwoordelijke
  • de bewaartermijn of vernietigingsdatum

Die gegevens bepalen later of je iets terugvindt. Een bestandsnaam als scan0047.pdf bevat geen van deze gegevens. Een bestandsnaam als 2021_factuur_leverancier_bouwmaterialen_Q3.pdf bevat er al vier. Het verschil kost je bij het scannen misschien tien seconden per document. Het scheelt je later uren zoekwerk.

Begin bij het document, niet bij de scanner

De meest voorkomende fout in scanwerkstromen is dat mensen het document pas bekijken nadat het gescand is. Ze leggen de stapel op de invoer, drukken op start en gaan iets anders doen. Daarna zitten ze met een map vol anonieme PDF-bestanden.

Werk in omgekeerde volgorde:

  1. Pak het document op.
  2. Bepaal het type en de relevante kenmerken.
  3. Leg het document neer met een scheidingsvel of notitie als dat nodig is.
  4. Scan het document.
  5. Voeg direct na het scannen de metadata toe, terwijl de context nog vers is.

Stap vijf is cruciaal. Hoe langer je wacht, hoe meer context je verliest. Bij een accountantskantoor waar ik een archief digitaliseerde, waren batches van honderd pagina’s al na één dag niet meer te reconstrueren. Niemand wist meer welk document bij welk jaar hoorde.

Maak een metadataschema voordat je begint

Een metadataschema is een lijst van velden die je voor elk documenttype invult. Je stelt dit op voordat de eerste scan gemaakt wordt. Niet erna.

Stel per documenttype vast:

  • Welke velden verplicht zijn
  • Welke velden optioneel zijn
  • Welke waarden toegestaan zijn per veld (vrije tekst of een vaste lijst)

Vrije tekst in velden leidt tot inconsistentie. De ene medewerker schrijft btw-aangifte, de andere BTW aangifte en een derde belastingdienst_aangifte_btw. Drie varianten, één documenttype, nul vindbaarheid. Gebruik daarom gesloten lijsten voor velden als documenttype, afdeling en status. Vrije tekst reserveer je voor opmerkingen of uitzonderingen.

Een uitzondering is de omschrijving. Dat veld laat je vrij, maar je stelt wel een minimum in: minimaal één zin die het document omschrijft voor iemand die het nog nooit heeft gezien.

Hoe je de scandatum scheidt van de documentdatum

Dit is een veelgemaakte fout die later voor verwarring zorgt. De scandatum is de dag waarop je het document hebt gescand. De documentdatum is de datum op het document zelf. Die twee zijn zelden gelijk.

Als je een factuur uit drie jaar geleden digitaliseert, is de scandatum van vandaag. Maar voor bewaring, terugvindbaarheid en bewaartermijnen telt de documentdatum. Je archiveert op de datum van het document, niet op de datum van de scan.

Maak dus twee aparte velden aan:

  • documentdatum — de datum die op het document staat
  • scandatum — de datum waarop je het hebt gescand

Sommige systemen vullen de scandatum automatisch in. Dat is handig, maar zorg dat het geen verwarring wekt met de documentdatum. Label de velden duidelijk en train iedereen die ermee werkt.

Uitzonderingen die je van tevoren moet bespreken

Elk archief heeft documenten die niet netjes in een categorie passen. Denk aan:

  • Documenten zonder datum, zoals interne notities of ontwerptekeningen
  • Documenten die bij meerdere dossiers horen, zoals een raamovereenkomst voor meerdere projecten
  • Documenten waarvan het type onduidelijk is, zoals een brief die ook een offerte bevat

Bespreek deze uitzonderingen voordat je begint. Stel een beslisregel op voor elk type uitzondering. Schrijf die regels op en deel ze met iedereen die scant of metadata invoert. Zonder beslisregels lost elke medewerker het op zijn eigen manier op. Dan heb je na een jaar een archief met tien verschillende conventies door elkaar.

Voor documenten zonder datum gebruik je een afgesproken plaatshouder, zoals onbekend of 0000-00-00, en noteer je in het opmerkingenveld wat je weet over de herkomst. Voor documenten die bij meerdere dossiers horen, kies je één primair dossier en leg je in de omschrijving de relatie met de andere dossiers vast.

Controleer de metadata na het scannen, niet alleen de scan zelf

De meeste mensen controleren na het scannen of de afbeelding scherp is en of alle pagina’s erin zitten. Dat is goed. Maar ze controleren niet of de metadata correct en volledig is. Dat is een probleem.

Bouw een controleronde in:

  1. Controleer of alle verplichte velden zijn ingevuld.
  2. Controleer of de documentdatum overeenkomt met wat op het document staat.
  3. Controleer of het documenttype klopt met de inhoud.
  4. Controleer of de naamgeving consistent is met de rest van het archief.

Dit hoeft geen aparte sessie te zijn. Je kunt het combineren met de beeldcontrole. Het kost per document een paar extra seconden. Maar het voorkomt dat je later een zoekopdracht uitvoert en twintig irrelevante resultaten krijgt omdat iemand het documenttype verkeerd heeft ingevuld.

Een archief is zo goed als zijn slechtste metadata-invoer. Dat klinkt streng, maar het is de praktijk. Eén slecht gelabeld document vind je misschien nog. Honderd slecht gelabelde documenten in een archief van tienduizend bestanden zijn effectief verdwenen. Niet omdat ze er niet zijn, maar omdat niemand ze meer kan vinden.

Meer om te lezen