Hvor godt kender du egentlig jeres datakvalitet?

Data er i dag dybt integreret i langt de fleste organisationers hverdag i en sådan grad, at de fleste af os slet ikke tænker på, hvor fundamentale data er for vores operationelle og strategiske processer. Data har ekstremt stor indflydelse på, om vi når vores taktiske og strategiske mål, hver eneste dag, uge, måned og år - og set med de briller på, kan det være relevant at spørge sig selv, om data og ikke mindst datakvalitet, får det fokus det burde have?

Mange kender ikke kvaliteten af deres data. En undersøgelse fra KPMG viste, at 84 % af CEOs tvivler på, at deres datakvalitet er god nok. Men de angiver også, at de ikke har tilstrækkelig viden, og det sætter en ond spiral i gang med mistillid til data, der flyder ned igennem organisationen

Hånden på hjertet: Tager I investeringer i data lige så alvorligt som investeringer i IT og ny teknologi i din organisation? Har du tænkt på, hvor mange steder data indgår i din dagligdag, hvad du bruger dem til, hvor meget du stoler på dem, og hvad konsekvensen er, hvis datakvaliteten ikke er i orden?

Kunderne forventer, at du kender dem

En ting, som er med til at drive forandringen i organisationer i dag, er at kunderne har fået mere indsigt, mere magt, og de stiller flere krav. De forventer at blive taget alvorligt, blive forstået og genkendt, de gider ikke at spilde tiden, og de forventer relevant og aktuel dialog, hvis de skal engagere sig og købe hos dig. Deres loyalitet varer præcis så længe, som du kan opfylde de behov, og de er ikke bange for at skifte til en konkurrent

Lyntest din datakvalitet - og beregn hvad det koster dig

Selvom det måske er indlysende, at datakvaliteten har en helt afgørende effekt på dine muligheder for at skabe resultater, så er det en udfordring for mange organisationer at skabe overblik og komme i gang

Jeg vil gerne dele en metode med dig. Den er ikke videnskabelig, og den tager heller ikke højde for dubletter, og om data er opdateret. Men den er enkel, den er hurtig, og den giver dig et godt indblik over, hvor jeres datamæssige udfordringer ligger. Metoden er udviklet af Thomas C. Redman fra Data Quality Solutions og Harward Business Review

Metoden består af 6 trin:

• Trin 1

  Lav en stikprøve på 100 kunde- eller medlemsrecords

  Fokusér på de 8-15 mest kritiske dataelementer for din virksomhed

• Trin 2

  Invitér et par kollegaer til et 2 timers møde

• Trin 3

  Fordel de 100 records mellem jer og gå dem så igennem

  Anvend ikke mere end 30 sekunder pr. record

  Markér de records, der indeholder fejl. Det kunne være alvorlige stavefejl, mangelfuld adresse, manglende mobilnummer, fejl i CPR-nr., fejl i e-mail-formatet etc.

• Trin 4

  Tæl antallet af records uden fejl sammen. Udregn den procentuelle andel. Dette tal er din datakvalitetsscore

  Ex: Hvis kun 66 kunde- eller medlemsrecords er fejlfri, er din kvalitetsscore (66/100)% = 66 %

  Præcis hvad der er den rette score for dig, afhænger af din forretning og dine mål, men for de fleste vil en score under 90 % blive opfattet som dårlig

• Trin 5

  Estimér nu den økonomiske konsekvens for din organisation

  Det kan være vanskeligt at sætte tal på dårlig datakvalitet; hvad koster det os? Men du kan anvende 10x-reglen. Modellen er baseret på, at det koster 10 gange så meget at udføre en aktivitet, når data er dårlige, som hvis de var perfekte. Eksempel: Dit team skal forberede en kampagne til 100 kunder, og det koster 5 kr. pr. stk. med perfekte data, men 10x så meget med dårlige data. Omkostningen kunne have været (100*5) = 500 kr., men bliver ((66*5) + (44*5*10)) = 2.530. Den 5 gange så høje omkostning, kan man sige er prisen for at have dårlig datakvalitet på denne ene aktivitet.  Måske tænker du, at det lyder højt, men så vil jeg udfordre dig på, hvad I gør hos jer, når I opdager, at de data, I anvender, er fejlagtige: Hvor meget tid bruger I fx på at tjekke og rette data? Modellen medtager i øvrigt ikke alle de omkostninger, der kommer fra tabte kunder, dårlige beslutninger, ridser i brandet etc.

• Trin 6

  Brainstorm på, hvad der skaber de ekstra omkostninger hos jer

Next step: Få en bedre datakvalitet

Testen ovenfor kan gå forud for et systematisk tjek af datakvaliteten i alle jeres data, fx med en datakvalitetsanalyse, hvor du får KPI’er, du kan anvende til måling af den kvalitetsmæssige fremgang, fx KPI’er på dubletter, adressekvalitet, telefonnummerkvalitet etc., når I iværksætter et datakvalitetsprojekt i organisationen. Det kan samtidig også skabe et beslutningsgrundlag, der kan danne grundlag for et pitch til ledelsen, for uden ledelsens opbakning, kommer datakvalitet sjældent højt på prioritetslisten – og så vil din CEO fortsat tvivle på kvaliteten af de data, han/hun baserer sine vigtigste forretningsmæssige beslutninger på

Læs videre om datakvalitet og data management

Datakvalitetsanalyse: Med en datakvalitetsanalyse fra os får du en systematisk gennemgang af din nuværende datakvalitet og hvor evt. problemer opstår. Det giver dig det perfekte indblik forud for nye data management-projekter eller -processer. Klik her

Datavask: Vi tilbyder skræddersyede datavask-løsninger, der sikrer, at dine kundedata er opdaterede og validerede. Vi bygger løsninger til vask og validering af kundedata i Danmark, Finland, Norge og Sverige. Klik her

Databerigelse: Vores nordiske data lake rummer mere end 800 tredjepartsdata som du kan berige dine kundedata med, fx i forbindelse med datavask. Gå på opdagelse i vores data lake og se, hvor meget viden du kan føje til dine interne kundedata. Klik her