Del denne nyhed med dit netværk
Hold dit netværk opdateret på datafronten
Ikke overraskende er datakvalitet mange virksomheders og virksomhedslederes højeste prioritet. At levere komplette, korrekte og aktuelle data i en virksomhed er nøglen til langsigtet succes og sikrer, at penge ikke unødigt går til spilde.
Ifølge Gartner kan tabene løbe op i millioner. Det er derfor ikke en mulighed at ignorere data og dataenes kvalitet. Det er klart, at projekter og initiativer, der har til formål at forbedre og opretholde datakvaliteten, er komplekse og dyre, for ikke at sige skræmmende. Men omkostningerne ved ikke at gøre noget er meget højere. Ifølge Gartner Research er dårlig datakvalitet årsag til skader til en værdi af 9,7 millioner dollars i virksomheder hvert år.
Hvorfor datakvalitet er så vigtig for virksomheder?
Lad os undersøge, hvorfor datakvalitet er så afgørende for succes i erhvervslivet. Når man formår at levere de rigtige data med det rette kvalitetsniveau, åbner det op for et væld af fordele og muligheder.
God datakvalitet fører til bedre produktivitet. I stedet for at skulle validere og rette fejl har medarbejderne mere tid til deres egentlige arbejde.
Hvis man har høj datakvalitet, er det nemmere at overholde reglerne og undgå millionstore bøder.
Korrekte data gør det muligt at arbejde med præcis målretning og personlig kommunikation. Dette er noget, der bliver stadig vanskeligere, men samtidig meget vigtigt, i dagens flerkanalsmiljø.
Kriterierne for høj datakvalitet
Vi ved nu, hvorfor det er så vigtigt at have data af høj kvalitet. Lad os se på, hvad der udgør god kvalitet. De fire kriterier for datakvalitet er beskrevet nedenfor.
Data og poster kan kun betragtes som fuldstændige, hvis de afspejler alle tilgængelige oplysninger. F.eks. hvis kun to tredjedele af en kundes samlede køb registreres, afspejler denne post ikke kundens sande værdi, men en for lav værdi. Posten kan forblive på denne måde i lang tid. Med andre ord udnytter virksomheden ikke kundens reelle potentiale.
Standardiserede data er meget vigtige for brugerne. Det gør det nemmere at synkronisere data. Tag f.eks. adressedata. Adresser i Danmark ser anderledes ud end adresser i Schweiz eller USA. Klart definerede standarder er afgørende for at sikre, at nye poster automatisk importeres korrekt og for at identificere og eliminere dubletter.
Datakilder skal være pålidelige og troværdige og tjene et specifikt formål. Først når dataene opfylder disse kriterier og er pålidelige, vil brugerne benytte sig af dem, hvilket vil gøre det nemmere at træffe velbegrundede og præcise beslutninger.
De 5 trin til at opnå høj datakvalitet
1. Sæt mål
Før du begynder at rydde op i dine data, skal du have en klar idé om, hvilken business case du vil løse. Alle interessenter skal være med.
2. Identifikation af data
Dataene er for det meste gemt i forskellige siloer eller med andre ord i forskellige CRM-systemer, Excel-lister, nogle gange endda på papir.
3. Evaluering
Når datalageret er komplet, skal datakvalitet vurderes. Dette omfatter også processer og værktøjer.
4. Definition af parametre
Dette indebærer, at årsagerne til dårlig datakvalitet skal identificeres. Det kan meget vel være tilfældet, at medarbejderne konstant indtaster oplysninger forkert.
5. Overvågning
Da datakvaliteten er en evig udfordring, er permanent eller periodisk overvågning af afgørende betydning.