Datakvalitet

Datakvalitet beskriver, om data er egnede til de formål, de bruges til, og det er denne begrænsning, der bestemmer værdien af ​​alt, der er bygget ovenpå. Avanceret analyse, maskinlæringsmodeller og ledelsesdashboards arver alle kvaliteten af ​​deres input, og organisationer investerer regelmæssigt kraftigt i det analytiske lag, mens de underliggende data ikke undersøges.

De konventionelle dimensioner giver en nyttig tjekliste. Nøjagtighed handler om, hvorvidt værdier korrekt beskriver virkeligheden. Fuldstændighed handler om, hvorvidt forventede værdier er til stede. Konsistens handler om, hvorvidt den samme kendsgerning er repræsenteret identisk på tværs af systemer. Aktualitet handler om, hvorvidt data er aktuelle nok til den beslutning, de understøtter. Validitet handler om overholdelse af definerede formater og regler. Unikhed handler om, hvorvidt enheder er repræsenteret én gang i stedet for duplikerede.

De fleste kvalitetsproblemer opstår ved registrering snarere end i behandlingen. Fritekstfelter, hvor kontrollerede værdier var nødvendige, formularer, der tillader usandsynlige indtastninger, valgfrie felter, der systematisk springes over, og processer, der tillader gentagne oprettelse af den samme kunde, introducerer alle fejl, som ingen efterfølgende rengøring fuldt ud reparerer. At rette op på inkasso er mere effektivt og betydeligt billigere end konstant afhjælpning, selvom det kræver ændring af systemer, som andre ejer.

Duplikerede poster er det mest vedvarende problem i kundedata og det mest betydningsfulde. Uden pålidelig identitetsopklaring optræder den samme person flere gange, hvilket forvrænger kundeantallet, opdeler købshistorikken, underminerer beregningen af ​​livstidsværdien og skaber den synlige fiasko, at én person kontaktes flere gange med forskellige beskeder. Deduplikering kræver bevidste matchningsregler og kontinuerlig anvendelse snarere end en engangsoprydning.

Måling er det, der omdanner kvalitet fra et indtryk til en administreret egenskab. Profilering af data for at kvantificere fuldstændighed, validitet og duplikeringsrater, sporing af disse målinger over tid og fastsættelse af tærskler, der udløser undersøgelse, gør forringelser synlige, før de påvirker beslutninger. Organisationer, der ikke måler kvalitet, opdager problemer gennem fejl i noget, der var afhængig af den.

Ejerskab er den organisatoriske betingelse, uden hvilken intet forbedres. Kvalitetsproblemer opstår typisk i ét system, opdages i et andet og påvirker et tredje, og i mangel af tildelt ansvar betragter hver funktion det med rimelighed som en andens problem. Udnævnelsen af ​​en ejer for hvert væsentligt datasæt, der er ansvarlig for dets kvalitet snarere end blot for dets tilgængelighed, er det, der forvandler identificerede problemer til løste.

Ældre data præsenterer en beslutning, som organisationer ofte udsætter. Historiske optegnelser indsamlet under tidligere processer, fra erhvervede systemer eller før validering fandtes, er ofte dårlige, og det kan være dyrere at afhjælpe dem end den analytiske værdi, de har. At beslutte eksplicit, hvilke historiske perioder der er troværdige, dokumentere grænsen og udelukke resten fra analysen er mere ærligt end i stilhed at blande pålidelig og upålidelig historie.

Formålsegnethed er den indikator, der sikrer, at indsatsen holdes proportional. Data, der er tilstrækkelige til at identificere en retningsbestemt tendens, kan være fuldstændig utilstrækkelige til finansiel rapportering eller til en model, der træffer automatiserede beslutninger om enkeltpersoner. At definere den krævede standard pr. anvendelse, snarere end at forfølge ensartet perfektion, styrer afhjælpning der, hvor konsekvenserne af fejl er størst, og undgår dyrt arbejde med data, hvis unøjagtighed ikke betyder noget.

Da årsagerne normalt ligger i driftssystemer og processer snarere end i analysefunktionen, kræver forbedringer samarbejde fra teams, hvis mål ikke omfatter datakvalitet. I praksis etableres måling og profilering af dataanalyse, kræver rettelserne på capture-siden ændringer, der leveres via produktudvikling, og hvor manglerne stammer fra, hvordan formularer og processer er designet, ligger løsningen ofte hos UX-revision arbejde på de grænseflader, der indsamler dataene i første omgang.