Kualitas Data

Kualitas data menggambarkan apakah data tersebut sesuai dengan tujuan penggunaannya, dan merupakan batasan yang menentukan nilai dari segala sesuatu yang dibangun di atasnya. Analisis yang canggih, model pembelajaran mesin, dan dasbor eksekutif semuanya mewarisi kualitas inputnya, dan organisasi secara teratur berinvestasi besar-besaran pada lapisan analitik sambil membiarkan data yang mendasarinya tidak diperiksa.

Dimensi konvensional memberikan daftar periksa yang berguna. Akurasi berkaitan dengan apakah nilai-nilai tersebut secara akurat menggambarkan realitas. Kelengkapan berkaitan dengan apakah nilai-nilai yang diharapkan ada. Konsistensi berkaitan dengan apakah fakta yang sama direpresentasikan secara identik di seluruh sistem. Ketepatan waktu berkaitan dengan apakah data cukup mutakhir untuk keputusan yang didukungnya. Validitas berkaitan dengan kesesuaian dengan format dan aturan yang telah ditentukan. Keunikan berkaitan dengan apakah entitas direpresentasikan sekali dan bukan diduplikasi.

Sebagian besar masalah kualitas berasal dari tahap pengumpulan data, bukan dari proses pengolahan. Kolom teks bebas yang seharusnya diisi dengan nilai terkontrol, formulir yang mengizinkan entri yang tidak masuk akal, kolom opsional yang secara sistematis dilewati, dan proses yang memungkinkan pelanggan yang sama dibuat berulang kali, semuanya menimbulkan cacat yang tidak dapat diperbaiki sepenuhnya oleh pembersihan di tahap selanjutnya. Memperbaiki pengumpulan data lebih efektif dan jauh lebih murah daripada perbaikan terus-menerus, meskipun hal itu memerlukan perubahan sistem yang dimiliki orang lain.

Data duplikat adalah masalah yang paling sering terjadi dalam data pelanggan dan yang paling berdampak. Tanpa resolusi identitas yang andal, orang yang sama muncul beberapa kali, yang mendistorsi jumlah pelanggan, memecah riwayat pembelian, merusak perhitungan nilai seumur hidup pelanggan, dan menghasilkan kegagalan yang terlihat berupa menghubungi satu orang beberapa kali dengan pesan yang berbeda. Penghapusan duplikasi membutuhkan aturan pencocokan yang disengaja dan penerapan berkelanjutan, bukan pembersihan sekali saja.

Pengukuran adalah hal yang mengubah kualitas dari kesan menjadi aset yang terkelola. Pemprofilan data untuk mengukur kelengkapan, validitas, dan tingkat duplikasi, melacak ukuran tersebut dari waktu ke waktu, dan menetapkan ambang batas yang memicu investigasi membuat penurunan kualitas terlihat sebelum memengaruhi keputusan. Organisasi yang tidak mengukur kualitas akan menemukan masalah melalui kegagalan sesuatu yang bergantung padanya.

Kepemilikan adalah kondisi organisasi yang tanpanya tidak ada yang bisa diperbaiki. Masalah kualitas biasanya berasal dari satu sistem, kemudian diketahui di sistem lain, dan memengaruhi sistem ketiga, dan tanpa adanya tanggung jawab yang ditetapkan, setiap fungsi secara wajar menganggapnya sebagai masalah orang lain. Menunjuk pemilik untuk setiap kumpulan data penting, yang bertanggung jawab atas kualitasnya dan bukan hanya ketersediaannya, adalah hal yang mengubah masalah yang teridentifikasi menjadi masalah yang teratasi.

Data lama menghadirkan keputusan yang sering ditunda oleh organisasi. Catatan historis yang dikumpulkan di bawah proses sebelumnya, dari sistem yang diakuisisi, atau sebelum validasi ada, seringkali buruk, dan memperbaikinya bisa lebih mahal daripada nilai analitis yang dimilikinya. Memutuskan secara eksplisit periode historis mana yang dapat dipercaya, mendokumentasikan batasannya, dan mengecualikan sisanya dari analisis lebih jujur ​​daripada diam-diam mencampuradukkan sejarah yang dapat diandalkan dan tidak dapat diandalkan.

Kesesuaian dengan tujuan adalah kualifikasi yang menjaga agar upaya tetap proporsional. Data yang memadai untuk mengidentifikasi tren arah mungkin sama sekali tidak memadai untuk pelaporan keuangan atau untuk model yang membuat keputusan otomatis tentang individu. Mendefinisikan standar yang dibutuhkan per penggunaan, daripada mengejar kesempurnaan yang seragam, mengarahkan perbaikan di mana konsekuensi kesalahan paling besar dan menghindari pekerjaan mahal pada data yang ketidakakuratannya tidak penting.

Karena penyebabnya biasanya terletak pada sistem dan proses operasional, bukan pada fungsi analitik, perbaikan memerlukan kerja sama dari tim yang tujuannya tidak termasuk kualitas data. Dalam praktiknya, pengukuran dan pembuatan profil ditetapkan oleh analisis dataPerbaikan di sisi pengambilan data memerlukan perubahan yang disampaikan melalui pengembangan produk, dan jika cacat tersebut berasal dari cara bentuk dan proses dirancang, solusinya seringkali terletak pada Audit UX Kerjakan antarmuka yang mengumpulkan data sejak awal.