Het omslagpunt van data-kwaliteit

Ongeacht in welke markt je werkt, data is je meest waardevolle bezit. Samen met de machines en de voorraden, zijn data en inzichten de sleutel tot winst en groei. Data heeft ook de unieke mogelijkheid om iedere afdeling en iedere functie samen te brengen. Het kan problemen in processen onthullen, productiviteit van je medewerkers verbeteren en je er van verzekeren dat iedereen op één lijn zit.

Als elke andere bedrijfsasset moet je investeren in het onderhoud en het management van data. Data die geen prioriteit heeft gekregen en niet wordt verzorgd zal uiteindelijk meer problemen veroorzaken dan dat het oplost. Maar hoeveel moet je investeren om een gezonde ROI te krijgen? En is er een kans dat jouw bedrijf hier te veel aan uitgeeft? Doyle schrijft hierover voor SmartDataCollective over het omslagpunt van data-kwaliteit.

data quality tipping point

Hoeveel waarde hecht je aan data?

Nu meer dan ooit is data de drijvende kracht die jouw business vooruit helpt. Bedrijven zijn steeds meer bezig met het automatiseren van processen en het integreren van verschillende systemen om efficiënter te kunnen werken en werknemers effectiever te kunnen ondersteunen.

Marketing is een goed voorbeeld van een functie die aan het leren is hoe je data moet gebruiken. Campagnes zijn afhankelijk van tijdige data om gepersonaliseerde en tijdige berichten te kunnen verzenden; dat is de reden dat analytics de hoeksteen van iedere marketingcampagne is geworden. Terwijl marketeers meer bekend raken met data management leren ze om beter te reageren op trends van klanten. In sommige gevallen kunnen marketeers al binnen een paar uur reageren op trends, en die beslissingen kunnen gedeeltelijk geautomatiseerd worden om de werkdruk van beheerders iets af te laten nemen.

Het is duidelijk dat data niet langer slechts geoogst wordt om vervolgens ergens opgeslagen wordt. Data ligt niet meer stil. Het is het levensbloed dat door iedere afdeling in een organisatie vloeit. Het is niet alleen het resultaat van een beslissing; het is de drijvende kracht achter je volgende stap.

Oude, inaccurate en rommelige data kan geen ondersteuning bieden aan de marketingafdeling. Als de data oud is, dan kan het niet langer gebruikt worden als concrete en betrouwbare bron. En als je niet constant bezig bent met het opschonen van de nieuwe data die binnenkomt, dan kan je niet inspelen op trends, of beslissingen maken op basis van wat wel en niet werkt.

Het is dus duidelijk dat initiatieven voor het verbeteren van de kwaliteit van data parallel moet lopen aan de bedrijfsactiviteiten, in plaats van dat het slechts sporadisch wordt uitgevoerd. Er moet een constant aandachtig proces zijn om de data schoon te houden. Dat betekent dat er een doorgaande investering moet zijn in het onderhouden van van data, binnen de parameters van je budget.

Quitte spelen

Slechts weinig bedrijven hebben het budget om extravagante datamanagement processen op te zetten. Het zou fantastische zijn als je iedere ochtend de data kan bekijken, of uitgebreide en ingewikkelde verificatie en verbeteringsprogramma’s kunt implementeren.

Het spreekt voor zich dat te weinig investeren in het opschonen van data schadelijk kan zijn voor bedrijven. Beslissingen op basis van slechte data kan leiden tot een slechte ROI voor marketing, support en sales, en een overmatige hoeveelheid verspilling over de gehele organisatie heen.. We weten ook dat data natuurlijk vergaat; ongeveer 2 procent van de database per maand. Dus zonder actie te ondernemen wordt data onbruikbaar voor iedereen.

Geef uit en bespaar

De kosten van data-kwaliteit lopen uiteen,van de kosten van data-kwaliteit software tot de benodigdheden om systemen te integreren.

We raden aan dat ieder bedrijf een review schrijft, voordat je begint met het implementeren van nieuwe data-kwaliteit maatregelen. Je moet de punten uit de laatste sectie -negatieve effecten van het niet ondernemen van actie- afwegen tegen de kosten van het verspillen van budget aan slechte data.

Daarnaast moet een bedrijf kijken naar de manier waar data gebruikt wordt en uitvogelen hoe je databeheer intern kunt verbeteren. Dat kan bijvoorbeeld zijn door het aantal handmatige touch points te verminderen, waardoor er minder menselijke fouten zijn. Of je medewerkers opnieuw trainen zodat er in eerste instantie minder slechte data wordt ingevoerd.

Maar, laten we realistisch zijn. De kosten van een nieuw data-kwaliteit proces moet in het budget van het bedrijf worden opgenomen, net als elke andere productiekosten. Dat houdt in de software, de training, de benodigdheden voor het handmatig verwerken van data en eventueel het inhuren van een nieuwe databeheerder om een nieuwe koers uit te zetten.

De balans vinden

Het implementeren van geautomatiseerde data-kwaliteit tools kan een grote stap voorwaarts zijn in het drukken van de kosten. Door gebruik van geautomatiseerde processen wordt de data in je systemen constant gescant en gecorrigeerd. Hierdoor bespaar je een boel van de kosten van handmatig werk. Het automatisch verbeteren van data kan ook de waarde verbeteren van de data-assets die een bedrijf al heeft.

Om richting automatisering te gaan, moet je:

  • Handmatig papierwerk digitaliseren en binnen het bedrijf minder gaan afvinken
  • Zet je bedrijfsapplicaties in de cloud zodat ze geïntegreerd kunnen worden met andere systemen
  • Investeren in data-kwaliteit dat fouten uit de data filtert
  • Het belang van de data-kwaliteit op management niveau duidelijk maken
  • Aansturen op een cultuurverandering binnen je bedrijf zodat er aandacht is voor data

Automatisering kan kosten-effectief zijn, maar al deze aanvullende punten vormen de basis. En dat is waar de grootste investering zal liggen.

Laten we dus een redelijke set aan doelen opstellen:

  • Ons doel is niet nul fouten in onze data, omdat dat te duur zal zijn. In plaats daarvan stellen we ons voor ogen data te krijgen die geschikt is voor waar we het voor willen gebruiken.
  • Het budget voor het data-kwaliteit project staat vast, en is niet oneindig.
  • We pakken eerst de aspecten aan die de grootste stappen helpen zetten. Het corrigeren van een aantal telefoonnummers is mooi, maar het oplossen van een fout in de codering is een waardevoller gebruik van onze tijd.
  • Data moet willekeurig geverifieerd worden om ons er van te verzekeren dat we de juiste richting op gaan.
  • Data-kwaliteit software zal de hoeksteen vormen van onze transformatie- en integratie-initiatieven.
  • We investeren in een gespecialiseerde databeheerder voor een gezondere data-toekomst.

Alle bedrijven hebben een beperkt budget en data moet net als elk ander onderdeel wedijveren voor een deel van het bedrijfsbudget. Hopelijk heeft dit artikel je helpen begrijpen dat, hoewel perfectie erg duur is, verbetering een heel haalbaar doel is dat de investering waard is.