2 problemáticas típicas alrededor de la calidad de datos

Los problemas con la calidad de datos son costosos para una empresa. Provocan la pérdida de oportunidades, toma de decisiones basada en información falsa o incompleta, sanciones y baja satisfacción del cliente. Se estima que las empresas podrían aumentar las ventas en casi un tercio con datos de clientes de buena calidad.

Comprender las causas fundamentales detrás de los problemas comunes de calidad de datos es un primer paso esencial en una iniciativa eficaz de calidad de datos. Al evaluar los problemas de datos, las organizaciones pueden comenzar a desactivar el flujo continuo de datos incorrectos.

Las empresas que buscan mejorar la calidad de los datos deben ser conscientes de las posibles "señales de alerta" para evitar inconvenientes y mejorar los conocimientos analíticos y los procesos de soporte de decisiones en toda la empresa.

Actualmente, alrededor de la calidad de datos existen distintos tipos de problemáticas. Vamos a analizarlas:

Problemática Organizacional

Un enfoque de colaboración organizativa dentro de la compañía es fundamental para lograr resultados significativos y superar los problemas de calidad de datos. Y ello es así a medida que cada vez más organizaciones recurren a iniciativas de Data Quality, a veces impulsadas por TI o a veces por el propio negocio, con el objetivo de aumentar el crecimiento de los ingresos, de la productividad o la satisfacción del cliente.

Lamentablemente, muchas organizaciones carecen de la experiencia y los conocimientos necesarios para manejar la calidad de sus datos.

Lo cierto es que, según Gartner: “La pobre calidad de los datos es la norma y no la excepción, pero la mayoría de organizaciones se encuentran en un estado de negación acerca de este tema".

De  hecho, en una reciente encuesta realizada por PriceWaterhouseCoopers, el 75% de 600 empresas encuestadas reportaron problemas significativos como resultado de datos defectuosos. De éstos, un tercio ha dejado de facturar o cobrar un crédito como resultado.

Por otro lado, el coste asociado a la generación y validación de informes erróneos (perdida de confianza por múltiples dominios de dato, informes con misma unidad pero distinto valor, retrasos en la consigna de informes, etc) y el retraso en el “Time to Market” de nuevos productos, apenas son evaluados por los Board of Directors.

 

 

Tipos de datos no Tradicionales

Los nuevos tipos de datos están llegando desde muchas direcciones y todos necesitan una estrategia de calidad de datos. Vamos a analizarlo:

• Necesidad de enriquecer con datos de terceros. De hecho, en la actualidad las técnicas, proyectos y herramientas de DQ tendrán que adquirir y enriquecer los datos a partir de fuentes de terceros (consumidores, negocios de producto o de servicio y geográfica).
• DQ a través de Web-Service. Muchas organizaciones aún carecen de una estrategia de DQ para datos de la Web u On-Line, a pesar de tener un sitio Web / App de entrada manual on-line durante años que sirve como un punto de contacto del cliente.
• Desarrollar nuevas estrategias de DQ para los datos de las nuevas plataformas. Incluye los tipos de datos inusuales provenientes de los sensores, robots, y dispositivos móviles. Al igual que con otros dominios de datos, éstos deben ser normalizados, estandarizados e incluso validados.
• Datos tipo texto. Actualmente, la mayoría de los nuevos tipos de datos incluyen datos de texto, aumentando de este modo la problemática actual alrededor de la calidad de datos.

Globalización

Adicionalmente, en un entorno como el actual, donde existen múltiples sistemas conviviendo en paralelo, donde las adquisiciones y fusiones están a la orden del día y los sistemas históricos no acaban de ser jubilados, y donde cada vez más información es recogida por cualquier canal y las compañías se vuelven internacionales, se hace evidente que el problema de la calidad de datos está agravándose y a la orden del día.

Los negocios globales necesitan datos operacionales que estén listos para el mercado global. La internacionalización de los datos, y por ende de su calidad, se ha convertido rápidamente en una prioridad porque es un factor clave de éxito para el crecimiento de las empresas en nuevos mercados. Por lo tanto, hay que seleccionar herramientas de proveedores que soporten la internacionalización de funciones relacionadas con DQ , tales como:

• Las normas postales para la correcta entrega de paquetes y documentos.

• Las estándares de los números de teléfono

• Identificadores únicos (por ejemplo, DNI con dígito de control, Número de Seguridad Social).

• Fonética.

• Códigos del juego de caracteres.

 

 

 

Aprovechar los datos como un activo estratégico es un sello distintivo de una empresa exitosa. Cuando se confía en los datos corporativos y se respaldan los análisis e informes de negocios, la empresa puede centrarse en alcanzar sus objetivos comerciales estratégicos.

Una iniciativa completa de calidad de datos con actividades de mejora de la calidad de datos ayudará a proporcionar una fuente única de datos confiables. Cuando la calidad de los datos es una parte integral de cada proceso de negocio, la organización optimiza el rendimiento y puede avanzar rápidamente en nuevas oportunidades.

Post relacionados:

• La calidad de datos: El último peldaño en un proyecto tecnológico
  

• La apuesta por la calidad de datos es sinónimo mejora de los resultados empresariales

• Beneficios de contar un partner tecnológico y técnicas multiplataforma