Máte dáta, ale nedôverujete im? Sprievodca kvalitou dát pre firmy

Poznáte to. Obchod tvrdí, že spravil tržby za 1,2 milióna. Financie hovoria o 1,1 milióna. Obe strany majú „svoj report” a obe si stoja za svojím. Výsledok? Namiesto rozhodovania sa hodinu hádate, ktoré číslo vlastne platí.

Problém pritom takmer nikdy nie je v ľuďoch. Je v kvalite dát. A dobrá správa je, že sa dá dostať pod kontrolu.

Čo je kvalita dát

Kvalita dát nie je „máme dáta / nemáme dáta”. Je to miera, do akej sa dá na dáta spoľahnúť pri rozhodovaní. Meria sa vo viacerých rozmeroch:

Presnosť - zodpovedajú dáta realite? (Je adresa zákazníka skutočná?)
Úplnosť - nechýbajú kľúčové hodnoty? (Má každá faktúra IČO?)
Konzistencia - hovoria rôzne systémy to isté? (Je „Novák s.r.o.” a „Novak, s. r. o.” jeden alebo dvaja zákazníci?)
Aktuálnosť - sú dáta dosť čerstvé na rozhodnutie? (Vidím dnešný stav, alebo minulý týždeň?)
Jedinečnosť - nie sú záznamy zdvojené? (Neplatíme jednému dodávateľovi dvakrát?)
Platnosť - sedia dáta do očakávaného formátu? (Je dátum naozaj dátum, nie text?)

Stačí, aby zlyhal jeden rozmer, a celý report stráca dôveru.

Koľko vás zlé dáta reálne stoja

Zlé dáta nie sú „technický detail”. Sú to skutočné náklady, len ich nevidno na jednej faktúre:

Prejav	Čo to firmu stojí
Ručné opravy a zosúlaďovanie reportov	Desiatky hodín práce mesačne
Rozhodnutia podľa nesprávnych čísel	Zle nastavené ceny, zásoby, kampane
Duplicitní zákazníci / dodávatelia	Dvojité platby, skreslené analýzy
Nedôvera vo výstupy	Ľudia si robia „vlastné” tabuľky, chaos rastie
Reklamácie a pokuty	Chybné faktúry, nesprávne výkazy

Podľa rôznych priemyselných odhadov stoja nekvalitné dáta firmy jednotky až desiatky percent obratu - najviac skryto, v strate času a zlých rozhodnutiach.

Odkiaľ sa zlé dáta berú

Zvyčajne nie z jedného veľkého zlyhania, ale z množstva malých:

Ručné prepisovanie medzi systémami (preklepy, vynechané polia).
Rôzne systémy, rôzne definície - čo je „aktívny zákazník” v CRM nemusí byť to isté v účtovníctve.
Žiadna kontrola pri vstupe - formulár, ktorý pustí prázdne alebo nezmyselné hodnoty.
Historické dáta natiahnuté zo starých systémov bez vyčistenia.
Nikto to nevlastní - keď za kvalitu dát nezodpovedá konkrétny človek, nezlepšuje sa.

Ako dostať kvalitu dát pod kontrolu

Dobrá správa: kvalita dát sa nerieši tým, že „budete opatrnejší”. Rieši sa systémom.

1. Jedna verzia pravdy

Namiesto toho, aby každé oddelenie ťahalo čísla po svojom, dáta sa zbiehajú do jedného miesta - dátového skladu - kde sa zjednotia definície. „Tržba” znamená to isté pre obchod aj financie. O tom, kedy naň dozrel čas, píšeme v článku Dátový sklad alebo Excel?.

2. Automatizované testovanie dát

Toto je kľúč. Dáta sa dajú automaticky kontrolovať pri každom spracovaní - či nechýbajú hodnoty, či nie sú duplicity, či čísla sedia. Nástroje ako dbt vedia tieto testy spustiť pri každej aktualizácii a upozorniť skôr, než sa chyba dostane do reportu. Rozoberáme to v článku dbt: ako zo surových dát spraviť dôveryhodné informácie.

3. Kontrola pri vstupe

Najlacnejšie sa chyba opraví tam, kde vzniká. Povinné polia, validácia formátov, výber zo zoznamu namiesto voľného textu - malé veci, veľký rozdiel.

4. Vlastníctvo a governance

Kvalita dát potrebuje majiteľa - človeka alebo tím, ktorý zodpovedá za to, že definície platia a chyby sa riešia. Nemusí to byť veľká byrokracia; stačí jasné pravidlo „kto rozhoduje o tom, čo znamená ktorá metrika”.

Prvé kroky

Nemusíte robiť všetko naraz. Začnite tam, kde to najviac bolí:

Vyberte jeden report, ktorému neveríte, a zistite, prečo sa čísla rozchádzajú.
Zadefinujte kľúčové metriky - čo presne znamená tržba, zákazník, marža.
Nasaďte pár automatických testov na najdôležitejšie dáta.
Určite vlastníka kvality dát.

Cieľ nie je „dokonalé dáta”. Cieľ je dáta, ktorým dôverujete natoľko, že podľa nich rozhodujete bez váhania.

Trápia vás čísla, ktorým sa nedá veriť? Pozrite si naše služby pre dátový sklad a dátovú analytiku, alebo si dohodnite nezáväznú konzultáciu - pozrieme sa, kde vaše dáta strácajú dôveryhodnosť.