{% set baseFontFamily = "Open Sans" %} /* Add the font family you wish to use. You may need to import it above. */

{% set headerFontFamily = "Open Sans" %} /* This affects only headers on the site. Add the font family you wish to use. You may need to import it above. */

{% set textColor = "#565656" %} /* This sets the universal color of dark text on the site */

{% set pageCenter = "1100px" %} /* This sets the width of the website */

{% set headerType = "fixed" %} /* To make this a fixed header, change the value to "fixed" - otherwise, set it to "static" */

{% set lightGreyColor = "#f7f7f7" %} /* This affects all grey background sections */

{% set baseFontWeight = "normal" %} /* More than likely, you will use one of these values (higher = bolder): 300, 400, 700, 900 */

{% set headerFontWeight = "normal" %} /* For Headers; More than likely, you will use one of these values (higher = bolder): 300, 400, 700, 900 */

{% set buttonRadius = '10px' %} /* "0" for square edges, "10px" for rounded edges, "40px" for pill shape; This will change all buttons */

After you have updated your stylesheet, make sure you turn this module off

Mejora la calidad de los datos de productos y lleva tu negocio a otro nivel

by Redacción PowerData on julio 10, 2016

Habida cuenta de que los datos son un activo estratégico capital para las organizaciones en la actualidad, es fácil entender que su mala calidad represente un problema importante. Precisamente por ello se requiere de distintas soluciones para remediarlos y también con el fin de prevenirlos, incluyendo la corrección de las problemáticas comunes relacionadas con los datos de los productos. 

En este post vamos a explicar por qué mejorar la calidad de los datos de productos proporciona un cambio cualitativo que nos permite llevar el negocio a otro nivel. Afortunadamente, las empresas que se dedican al manejo de una gran cantidad de productos suelen presentar problemas similares que pueden solucionarse con una adecuada gestión de datos adaptada a sus necesidades.  

 

Algunas de las problemáticas más comunes

Uno de los puntos críticos más habituales en torno a los datos de los productos se relaciona con una falta de correspondencia, en algunos campos, entre la información de ventas y la información almacenada en los catálogos.

Al denominar de distintas formas a un mismo proveedor, producto o característica del mismo (por ejemplo, tallas o colores), ocasionamos una falta de coincidencia entre categorías aparentemente diferentes, cuando en realidad se refieren a una única categoría. A consecuencia de ello, la información carece de fiabilidad. 

Errores de este tipo impiden trabajar con ella de forma correcta, tanto desde un enfoque operativo como para hacer reportes de ventas de productos. Puesto que no contamos con una información realista, entre otros inconvenientes prácticos, nos enfrentamos a un serio problema para actividades tan esenciales como realizar pedidos de productos o insumos. 

Una falta de confiabilidad que, en suma, repercute negativamente en la toma de decisiones y ocasiona problemas de distinta índole, ya sean logísticos (un exceso o falta de stock) o, pongamos por caso, no disponer de buena información para tomar decisiones al respecto. 

Igualmente, constituye un problema común una incorrecta o inexistente sincronización de la información nueva con respecto a la que ya había en los distintos sistemas. Básicamente, resulta clave saber cómo preservar la información limpia, así como si ésta deber ser replicada entre sistemas o almacenada en un repositorio de datos maestros.

 

Detectar los problemas para buscar soluciones

Las cuestiones apuntadas deben ir abordándose dentro de los distintos contextos, en función del tipo de proyecto que se esté llevando a cabo, de las necesidades de la empresa, concretamente del objetivo y objetivos que se busque cumplir con esta información. 

Una vez detectados estos problemas, llegó el momento de aplicar soluciones que mejoren la calidad y gestión de los datos para la toma de decisiones rápidas y correctas. De lo contrario, seguiremos sufriendo las consecuencias: información no confiable, pérdida de tiempo corrigiendo las discrepancias y, con ello, una merma de la eficiencia del trabajo y, por ende, de la empresa en general. 

Los problemas de calidad de datos también hacen que las empresas estén perdiendo grandes sumas de dinero, ya sea porque no pueden hacer una estrategia de ventas de sus productos o por problemas como los apuntados. Por último, la problemática repercute en otras áreas, como en los clientes, que también pueden ser una extensión de los productos, y a la inversa.

 

Objetivo: una información limpia de los productos

Es clave aplicar soluciones de mejora de calidad de datos ad hoc mediante conectores y aplicaciones. A su vez, los data stuarts tienen que ir resolviendo los problemas que vayan surgiendo, sin olvidar que estos procedimientos se deben aplicar a los datos nuevos.

Para que la información de los productos esté limpia debe abordarse el flujo completo. Tras un descubrimiento de los datos y un ánalisis léxico (separación en columnas), a continuación haremos una corrección estandarizando los registros.

Incluso podemos encontrar coincidencias en otros sistemas, en cuyo caso convendría fusionarlo en un repositorio de datos maestros, y también es posible enriquecer los datos de nuestros productos con nuevas categorías. En este último caso, por ejemplo, para inferir información del nivel socioeconómico a partir de datos sociodemográficos con el fin de hacer ventas cruzadas. 

Son operaciones que se realizan en distintos proyectos (migraciones, proyectos de calidad y gobierno de datos, calidad y enriquecimiento, proyectos MDM), cuyo denominador común es lograr una mejor calidad de los datos. 

 

Claves en la estrategia de calidad de datos

Todo lo señalado indica la importancia crucial de los datos sean de calidad para tomar decisiones de forma correcta. Pero lograrlos requiere contar con una adecuada estrategia, en la que es primordial la detección de los problemas de calidad de forma rápida y sencilla.

De otro modo, podemos pasar mucho tiempo para saber donde están los puntos críticos. De hecho, en las empresas que manejan un alto volumen de datos es clave, una vez detectados los problemas, establecer estrategias que incluyan herramientas que faciliten una limpieza mediante procesos automatizados.

Se trata de un proceso cíclico, que se realiza continuamente. Al inicio probablemente requerirá una actuación masiva para toda la base de datos, para luego ejecutar esos mismos procesos para los nuevos registros.

Es así como logramos que nuestros datos se contaminen, si bien las estrategias suelen ser más amplias e incluir soluciones integrales que, más allá de la calidad de la información, abarquen también el gobierno de datos.

En definitiva, las mejores estrategias son aquellas que tienen en cuenta que los procesos no siempre pueden solucionar los problemas, sobre todo cuando éstos son específicos. En este punto es primordial contar con las tecnologías y conocimientos necesarios para limpiar los datos utilizando herramientas que permitan tener procesos de calidad automatizados adaptados a las necesidades de la organización desde un enfoque global. 

Fuente imagen: Pong / FreeDigitalPhotos.net

 

New Call-to-action

Topics: Data Quality

¡Suscríbase!

Popular Posts

IR AL CENTRO DE   RECURSOS