Qualità dei dati: proteggere il tallone d'Achille della digitalizzazione

Il tallone d'Achille di una digitalizzazione efficiente non è la tecnologia. Il punto debole decisivo sono i dati. Se uno zero di troppo si insinua nel processo digitalizzato o mancano dati importanti, il buon senso non ha più la possibilità di intervenire. Questa debolezza può essere eliminata solo con un rigoroso programma di fitness per i dati. Ecco le dieci domande più importanti sulla qualità dei dati e come garantirla:

1) Si può misurare e valutare ragionevolmente la qualità dei dati?

Gli esperti descrivono fino a 15 dimensioni teoriche della qualità dei dati. La pratica è più semplice: le fasi del processo automatizzato devono soprattutto lavorare con dati completi, attuali e, soprattutto, unici. Perché i duplicati nel master delle parti o nei dati dei clienti indeboliscono l'efficienza. Se, per esempio, esistono due record di dati per un cliente, questo può portare a trattare il cliente come un cliente C, anche se in realtà appartiene ai clienti B.

Non tutte le informazioni sono ugualmente importanti. Diverse ortografie di un indirizzo non hanno lo stesso effetto sull'idoneità del processo come una lista mancante di condizioni per un fornitore. Pertanto, la misurazione della qualità dei dati include sempre una valutazione degli errori riscontrati. I casi particolarmente critici richiedono anche un flusso di lavoro di escalation per eliminare prontamente gli errori.

2) Ne vale la pena? Non è tutto di nuovo caotico dopo poco tempo come prima della pulizia?

Chiunque abbia già tentato di mettere mano alla qualità dei dati con diversi progetti si sentirà come Sisifo nel mito greco. Non appena hai raggiunto la cima, la pietra rotola di nuovo giù per la collina e lo sforzo ricomincia da capo. In effetti, l'esperienza mostra che l'effetto di una pulizia progetto per progetto si esaurisce dopo un po'. Come per l'allenamento della corsa, bisogna continuare a farlo e implementare un programma di qualità dei dati.

3) Dov'è il posto migliore per iniziare?

Idealmente, un'azienda inizia dove i dati migliori offrono il valore aggiunto più veloce. Questo può essere negli acquisti, perché gli indirizzi dei fornitori, le condizioni e i tempi di rifornimento accelerano notevolmente gli acquisti operativi. Un inizio nella produzione e nella logistica può anche aiutare a mantenere puliti i master delle parti. Le parti sono quindi completamente assegnate ai loro gruppi e tutte le informazioni di peso necessarie sono disponibili per la spedizione. A seconda del settore e dell'azienda, anche le vendite e il servizio possono trarre particolare vantaggio se i dati degli indirizzi e dei contratti sono aggiornati.

4) Si può stabilire un programma di qualità dei dati senza guru dell'analisi o specialisti di Excel?

Oggi, i moderni programmi di analisi non richiedono alcuna programmazione. Definire le regole non è una stregoneria per un utente che ha una certa familiarità con il sistema. Una volta definite le regole, gli impiegati del reparto specializzato ricevono un messaggio che indica quali dati devono essere corretti. Idealmente, possono cliccare direttamente sul record di dati interessato. Questo fa risparmiare tempo. Le correzioni a breve termine assicurano anche un rapido effetto di apprendimento. La frequenza degli errori diminuisce così in modo abbastanza naturale.

5) Quanto velocemente si possono adattare questi regolamenti alle nuove esigenze?

Oggi, i cambiamenti possono essere fatti con un preavviso molto breve. Questo perché i moderni strumenti di analisi non richiedono né la programmazione di un produttore di software né un esperto informatico. Tuttavia, le aziende devono assicurarsi che i cambiamenti delle regole non si contraddicano a vicenda o portino a problemi altrove. Senza una governance dei dati, questo non è possibile.

6) Tutti i dati devono essere in un sistema per il controllo e la pulizia continua dei dati?

Chiunque postuli questo sta pensando fuori dagli schemi. Perché la stragrande maggioranza delle aziende oggi lavora con più di un sistema. Oggi, i software di test, i cosiddetti data quality manager, integrano senza sforzo i dati da diverse fonti e li testano insieme.

7) Come si fa a prendere in mano la questione a livello internazionale?

Non c'è modo di aggirare la gestione dei dati master. Le responsabilità chiare sono l'essenziale: chi è responsabile di quali dati, chi può e chi deve cambiare quali dati - e dove, in quale sistema. La gestione dei dati master regola quali dati vengono mantenuti a livello centrale e quali a livello locale, e assicura la sincronizzazione necessaria.

8) Come si possono misurare e documentare in modo affidabile i progressi?

La segnalazione di analisi regolari non deve limitarsi all'identificazione di singoli errori. Deve anche permettere il controllo nel senso di uno "stato dei dati". Questo rapporto sullo stato di avanzamento mostra al reparto specializzato e alla direzione che la pulizia dei dati è utile e che gli sforzi stanno dando i loro frutti - e in modo duraturo. Una sana competizione può persino svilupparsi tra i dipartimenti.

9) Come funziona un programma di qualità continua dei dati?

Il software Data Quality Manager controlla i master dei pezzi estratti in precedenza, i file dei clienti o altri dati rispetto a una serie di regole. Per esempio, i codici postali in Gran Bretagna sono alfanumerici, mentre in Germania o in Austria sono composti solo da cifre. È anche possibile controllare con database esterni che, per esempio, controllano i codici postali e le strade per la plausibilità. Oltre al puro rilevamento degli errori, il software categorizza se gli errori sono gravi o hanno un impatto minore. Gli errori trovati sono poi trasferiti al sistema di destinazione insieme a una valutazione. Nella maggior parte dei casi si tratta di un sistema ERP. Lì, gli impiegati possono poi pulire direttamente i dati. Se viene rilevata un'eccezione, questa viene annotata nelle regole. Tutto questo può essere fatto oggi senza che un impiegato o un consulente debba programmare una linea di codice.

10) Con quale frequenza devono essere controllati i set di dati?

Non ci sono linee guida fisse per questo. La frequenza dipende molto dalla singola azienda, dai suoi processi e dai suoi dati. Come ogni programma di fitness, è adattato agli obiettivi individuali e ai parametri di prestazione. La chiave è controllare e misurare continuamente e regolarmente i progressi.

La maggior parte delle aziende sono ora consapevoli del loro tallone d'Achille e sono disposte a fare attivamente qualcosa per la qualità dei dati. Quelli che hanno già iniziato riportano un doppio effetto di formazione: da un lato, la gestione della qualità dei dati assicura una maggiore affidabilità della produzione e dei processi all'interno - e quindi per decisioni ben fondate. Inoltre, dichiarazioni affidabili sulle date di consegna e sulla disponibilità aumentano la soddisfazione di clienti e fornitori e accelerano la cooperazione.

Fonte: proALPHA