El valor de la gestión de datos

Estrategias para afrontar costos de mala calidad de datos

Publicado el 15/06/16 21:00

¿Estás en el sector del retail?. Ese tipo de negocios que venden productos o servicios al por menor o al detalle, también conocidos como comercios minoristas. Pues si estás ahí casi seguro que estás siendo afectado por los costos de mala calidad de los datos.

costos de mala calidad.jpg

 

Los datos de mala calidad en los comercios minoristas no sólo son costosos sino también peligrosos. Una mayoría de comercios minoristas tienen la seguridad de que sus ventas se ven afectadas todos los meses debido a datos de contacto inexactos o incompletos que impiden que la venta final se produzca. Y eso supone un porcentaje nada despreciable de ingresos que finalmente no se concretan.

Pero los costos de mala calidad de los datos no se quedan sólo ahí. No sólo afectan a esas ventas que no se producen por datos inexactos. Estos costos van mucho más allá. También afectan a la calidad de los análisis de datos posteriores y a la toma de decisiones basada en esos análisis. Es por tanto como decimos un problema grave y peligroso que hay que saber atajar.

 

¿Cómo se producen esos datos de mala calidad?

Los avances en tecnología han propiciado un gran aumento en la cantidad de datos que las empresas minoristas deben manejar. Y con el aumento en la cantidad y diversidad de los datos llegaron las inconsistencias.

Los datos de mala calidad llegan sobre todo desde 4 fuentes diferentes:

  • Datos de entrada. Es la principal y está provocada sobre todo por errores humanos y ruido en la comunicación.
  • Datos externos. Incorporados de bases de datos externas que no se revisan.
  • Sistemas transaccionales. Errores que se generan algo sale mal al utilizar TPV’s en una venta o cuando se realizan altas o bajas de cualquiera de los elementos que intervienen en los procesos de compra.
  • Migraciones. Producidos cuando se cambia de sistema y se incorporan los datos del sistema antiguo al nuevo.

Cualquiera de estas posibilidades hace aumentar los costos de mala calidad de los datos debido a que se produce información obsoleta, inexacta o faltante que evita que los datos sean utilizados como se pretendía.

¿Cómo pueden entonces estos comercios minoristas conseguir que sus costos de mala calidad en los datos disminuyan?

 

Estrategias que se pueden poner en marcha para mitigar los costos de mala calidad

 

1. Validación de datos en origen

Cuanto más se mueven los datos incorrectos por nuestros sistemas, más daño van a hacer. Así que la principal estrategia que debemos poner en marcha es la de validar la exactitud e integridad de los datos en la fuente. Cuando hablamos de evitar o mejorar los errores humanos en la introducción de datos, esto puede hacerse sin necesidad de tener que cambiar tus sistemas de gestión de ventas. Puedes implementar unas API que en tiempo real validen esos datos y los corrijan o pidan su corrección. Justo en el punto donde se están produciendo.

 

2. Divide y vencerás

No puedes hacer frente a todos los problemas de costos de mala calidad de datos en todas partes al mismo tiempo. Como hemos visto, esos errores pueden llegar a nuestros sistemas por varias partes. Hacer frente a todos a la vez solo puede empeorar las cosas y diluir la potencia de tus iniciativas de mejora de calidad de datos. Empieza por definir los problemas más importantes y trata de atacarlos por partes.

 

3. Mira el sistema completo

Aprovecha esta iniciativa de mejora en la calidad de los datos para analizar y reestructurar los flujos de datos de tu empresa. Es muy posible que los datos de mala calidad puedas encontrarlos no solo en tu departamento de ventas sino en todos los demás departamentos. Y es posible que cada departamento tenga definiciones, clasificaciones y maneras de comunicarlos totalmente diferentes. Así que debes definir y describir los procesos asegurándote de que los pasos están claramente definidos y que tienen en cuenta todas esas diferentes formas de manejar y comunicar la información.

 

New Call-to-action

Temas: Data Quality