Data Quality
Wat is de kwaliteit van de data binnen uw organisatie? Wat kost slechte data binnen en buiten uw organisatie? Heeft u wel eens stil gestaan bij de impact van slechte data? Wie heeft hier nu eigenlijk last van.
Wat is de kwaliteit van de data binnen uw organisatie? Wat kost slechte data binnen en buiten uw organisatie? Heeft u wel eens stil gestaan bij de impact van slechte data? Wie heeft hier nu eigenlijk last van.
Data kwaliteit is iets wat doorgaans moeilijk te meten is want wat is nu goede data. Een veel gebruikt statement is rommel in = rommel uit. Wat wel te meten is, is de impact van slechte data. Denkt u maar eens aan imago schado door 
klanten verkeerd te benaderen, verkeerde marketing campagnes, contact gegevens die niet juist zijn maar waar wel de factuur naar toe gaat, verkeerde of inconsistente informatie over uw producten. Als je dit omdraait krijg je een aardig beeld wat goede data (en dus een hoge kwaliteit van data) kan betekenen voor de organisatie. Data kwaliteit gaat niet alleen over hele records en de samenhang maar ook top op attibuut/element niveau (bijv. naam, postcode, omschrijving,etc).
Ook in de communicatie tussen systemen en afdelingen gaat het vaak mis. De ene afdeling is beter in het onderhouden van hun data dan de andere. Natuurlijk heeft niet iedere afdeling of systeem dezelfde behoefte maar iedereen wil graag controle. Dit bepaald ook waar je aandacht aan moet besteden, waar kan je snel de kwaliteit verhogen die een grote impact heeft voor de organisatie. Het verbeteren van de data kwaliteit gaat in stappen en kan al heel klein beginnen maar een grote impact hebben.
Meten is weten! Zorg dat je op een gedegen manier de kwaliteit kan meten en zorg dat je dit verankert. Hierdoor kan je ook de verbetering in de data kwaliteit meten over tijd en dit afzetten tegen de impact (positief danwel negatief). Geef een aantal randvoorwaarden waarop je gaat meten (bijv. compleetheid, uniek, betrouwbaar, vulgraad). Er hoeft niet altijd een probleem te zijn om een controle hierop in te richten. Is alles al goed maar wil je voorkomen dat er in de toekomst wat fout gaat dan kan je deze natuurlijk preventief opnemen (voorkomen is beter dan genezen). Echter zit hier dan geen direct voordeel aan.
Natuurlijk zult u denken dat het lastig is om hier een waarde aan te hangen en dat klopt ook. Maar u weet ook wat dit betekend voor uw bedrijf/process/mensen en wat de impact hiervan is. Wat als we nu een getal per foutief datapunt kunnen geven in verschillende ranges? Dan heeft u ineens een overzicht wat slechte data u kost en wat u dus feitelijk kunt besparen!
Meer weten? of eens sparren hoe u uw data kwaliteit kunt verhogen? Neem dan contact met ons op!
