Metadata bij gescande documenten: waarom een goede bestandsnaam niet genoeg is

·

Metadata bij gescande documenten: waarom een goede bestandsnaam niet genoeg is

Je hebt de stapels gescand, de kasten geleegd en de bestanden staan netjes in mappen op de server. Toch lukt het niemand om een specifiek contract terug te vinden zonder tien minuten te zoeken. Het probleem zit zelden in de scan zelf. Het zit in de metadata — of het ontbreken daarvan.

Wat metadata is en waarom een mapstructuur het niet oplost

Metadata is informatie over een document. Niet de inhoud van het document zelf, maar de gegevens die beschrijven wat het is, van wie het komt, wanneer het is gemaakt en hoe lang je het moet bewaren.

Een bestandsnaam is een vorm van metadata. Een mapnaam ook. Maar beide zijn breekbaar. Ze zijn afhankelijk van menselijke consistentie, en die is er zelden. Iemand maakt een map “Contracten 2021”, iemand anders maakt “Overeenkomsten_definitief”, een derde slaat hetzelfde type document op in een klantmap. Na twee jaar weet niemand meer waar iets staat.

De fout die de meeste kantoren maken, is denken dat structuur hetzelfde is als vindbaarheid. Dat is het niet. Structuur bepaalt waar iets staat. Metadata bepaalt of je het terugvindt — ook als je niet weet waar het staat.

Wat goede metadata bevat

Voor zakelijke documenten werk je minimaal met de volgende velden:

  • Documenttype — wat is het? Een factuur, een contract, een arbeidsovereenkomst, een vergunning?
  • Datum van het document — niet de scandatum, maar de datum op het document zelf
  • Auteur of afzender — wie heeft het opgesteld of verstuurd?
  • Relatie of entiteit — aan welke klant, leverancier of dossier is het gekoppeld?
  • Bewaartermijn of categorie — hoe lang moet dit bewaard blijven?
  • Status — is het een concept, een definitief exemplaar, een ondertekend origineel?

Dit zijn zes velden. Niet meer dan dat. Begin je met twintig velden, dan vult niemand ze in. Begin je met zes, dan heb je een werkbaar systeem.

De scandatum is niet de documentdatum

Dit klinkt voor de hand liggend, maar in de praktijk gaat het hier vaak mis. Wanneer je een stapel documenten uit 2018 inscant in het huidige jaar, krijgt elk bestand automatisch de datum van vandaag als aanmaakmomenten. Dat is de scandatum. Die zegt niets over de juridische of inhoudelijke ouderdom van het document.

Sla de documentdatum altijd apart op als metadataveld. Dit is essentieel voor bewaartermijnen. Een factuur uit 2018 heeft een andere verloopmoment dan een factuur van vorig jaar. Als je alleen op scandatum sorteert, verlies je dat onderscheid volledig.

Hoe je metadata vastlegt tijdens het scanproces

Metadata is geen nawerk. Als je het achteraf probeert toe te voegen aan duizend bestanden, lukt dat niet. Het moet onderdeel zijn van de scanworkflow zelf.

Dit betekent dat je vóór de scan bepaalt welke velden verplicht zijn, en dat je het proces zo inricht dat die velden worden ingevuld op het moment dat het document wordt verwerkt. Niet later. Niet door een andere medewerker. Op het moment van scannen.

Stap voor stap: metadata in de scanworkflow

  1. Sorteer fysiek voor je scant. Groepeer documenten op type en relatie. Scan geen gemengde stapels als je ze daarna toch per stuk moet benoemen. Dat kost meer tijd dan vooraf sorteren.
  2. Bepaal per batch welke velden van toepassing zijn. Als je een stapel facturen van één leverancier inscant, zijn relatie en documenttype al bekend. Vul die velden in op batchniveau. Alleen de documentdatum varieert per document.
  3. Gebruik een scanformulier of coversheet voor uitzonderingen. Heb je documenten waarbij de relatie onduidelijk is, of waarbij de datum ontbreekt? Markeer die fysiek met een vlaggetje of een kleurcode. Scan ze apart. Beslis daarna hoe je ze behandelt.
  4. Laat de scanner OCR uitvoeren. Optische tekstherkenning maakt de inhoud van het document doorzoekbaar. Dat is geen vervanging voor metadata, maar het vult de gaten. Als je de documentdatum vergeet in te voeren, kun je er later nog op zoeken als de tekst leesbaar is.
  5. Controleer steekproefsgewijs. Na elke batch: open vijf willekeurige bestanden en controleer of de metadata klopt. Dit kost drie minuten en voorkomt dat je honderd bestanden met verkeerde velden opslaat.

Wat je doet met documenten zonder leesbare datum

Sommige documenten hebben geen duidelijke datum. Denk aan handgeschreven notities, interne memo’s zonder datum, of ingescande brieven waarvan de datum is afgekneden bij het kopiëren.

Maak een afspraak over hoe je hiermee omgaat. Twee opties werken goed:

  • Je gebruikt de scandatum als plaatshouder, maar markeert het veld als “geschat” of “onbekend”
  • Je laat het veld leeg en markeert het document voor nacontrole

Kies één aanpak en leg die vast. Inconsistentie is erger dan een lege waarde. Een leeg veld is zichtbaar. Een verkeerde datum is onzichtbaar en leidt tot fouten bij bewaartermijnbeheer.

Bewaartermijnen koppelen aan metadata

Bewaartermijnen zijn een van de meest praktische redenen om metadata serieus te nemen. Als je niet weet wat een document is en wanneer het is gemaakt, weet je ook niet wanneer je het mag vernietigen. Dan bewaar je alles, voor altijd, en dat is geen archief — dat is een digitale rommelkamer.

Het koppelen van bewaartermijnen aan metadata doe je via een categorielijst. Die lijst bevat documenttypen en de bijbehorende bewaarduur. Je maakt die lijst zelf, op basis van de documentsoorten die jouw kantoor verwerkt.

Een simpele categorielijst opzetten

Werk met drie kolommen:

  • Documenttype — zo specifiek als nodig, zo breed als mogelijk
  • Bewaartermijn — in jaren
  • Actie na verloop — vernietigen, overdragen, of ter beoordeling voorleggen

Een voorbeeld van hoe zo’n lijst eruitziet:

Inkoopfactuur: 7 jaar, Vernietigen. Arbeidsovereenkomst: 7 jaar na einde dienstverband, Ter beoordeling. Vergunning: Geldigheid + 5 jaar, Ter beoordeling. Correspondentie klant: 5 jaar, Vernietigen. Definitief contract: 10 jaar na afloop, Ter beoordeling.

Houd de lijst kort. Twintig regels zijn beter dan honderd. Als je te veel uitzonderingen maakt, gebruikt niemand de lijst meer.

Bewaartermijn als metadataveld

Voeg de bewaartermijncategorie toe als metadataveld bij elk document. Niet de einddatum zelf — die verandert als je de documentdatum corrigeert — maar de categorie. Combineer die categorie met de documentdatum, en je kunt op elk moment berekenen wanneer een document vernietigd mag worden.

Dit werkt alleen als de documentdatum correct is ingevoerd. Zie je waarom die datum zo belangrijk is? Het hele systeem staat of valt ermee.

Wat je doet bij twijfel over de categorie

Soms weet je niet in welke categorie een document thuishoort. Dat is normaal. Maak dan een categorie “Onbepaald” en koppel daar een reviewmoment aan. Eén keer per jaar ga je door die categorie heen en beslis je per document.

Laat documenten nooit onbepaald staan zonder reviewmoment. Dan stapelen ze zich op, en over vijf jaar heeft niemand meer de context om te beslissen wat ermee moet.

Vindbaarheid na archivering: zoeken op meer dan naam

Als de metadata goed is ingevoerd, verandert de manier waarop je zoekt. Je zoekt niet meer op bestandsnaam. Je filtert op combinaties van velden.

Zoek je een specifiek contract? Filter op documenttype “contract”, relatie “leveranciernaam”, jaar 2019. Je krijgt een handvol resultaten. Dat is beheersbaar.

Zoek je alles wat dit jaar vernietigd mag worden? Filter op bewaartermijncategorie “inkoopfactuur” en documentdatum vóór zeven jaar geleden. Je krijgt een lijst. Die lijst verwerk je.

Dit is het verschil tussen een archief en een stapel bestanden. De structuur is hetzelfde. De metadata maakt het verschil.

Wanneer OCR de metadata aanvult

Soms ontbreekt een metadataveld, maar is de informatie wel aanwezig in de tekst van het document. Als OCR correct is uitgevoerd, kun je op die tekst zoeken. Dat is een vangnet, geen systeem.

Vertrouw niet op zoeken in documenttekst als primaire methode. Het werkt niet voor handgeschreven documenten, slecht gescande pagina’s of documenten in een vreemde taal. Metadata is het primaire systeem. OCR is het vangnet.

Consistentie in naamgeving van veldwaarden

Als je in het veld “documenttype” soms “factuur” invult, soms “Factuur”, soms “inkoopfactuur” en soms “rekening”, werkt filteren niet. Je vindt alleen de documenten die zijn getagd met de zoekterm die je toevallig gebruikt.

Maak een vaste lijst van toegestane waarden per veld. In de meeste systemen kun je dit afdwingen via een dropdown. Gebruik die mogelijkheid. Een open tekstveld leidt altijd tot inconsistentie, hoe goed de instructies ook zijn.

Metadata is geen optionele toevoeging aan een digitaal archief. Het is de infrastructuur. Zonder metadata heb je bestanden. Met metadata heb je een archief dat werkt — ook als de persoon die alles heeft ingescand allang weg is.

Meer om te lezen