Riprendiamo la nostra serie “L’insostenibile leggerezza dei dati” dedicata alla vita dei dati in azienda. Ti presentiamo quindi la seconda puntata, in cui parleremo dell’importanza della qualità dei dati e ti proporremo alcune “chiavi di lettura” per analizzare e testare le informazioni che ritieni più importanti e valutare i dati raccolti in azienda.

Se ti sei perso il primo episodio “Qual è il valore dei dati in azienda” clicca qui!

Viene abbastanza banale pensare che se le materie prime di un prodotto sono di qualità, sarà di qualità anche il prodotto stesso. Ugualmente succede per le informazioni: se i dati sono di qualità, le informazioni che se ne ricaveranno saranno altrettanto di qualità.

I dati di qualità sono un asset aziendale

Iniziamo col dire che i dati di scarsa qualità NON sono un asset aziendale, anzi, possono addirittura essere dannosi all’azienda. Come detto prima, un dato di scarsa qualità è come un prodotto di scarsa qualità: non lo vuole nessuno!

È un reale problema che incide negativamente sul business, sull’efficienza dell’azienda e sull’efficacia delle decisioni che si basano sui dati. Non solo nelle grandi aziende, ma anche nelle medie e piccole, occorre avere una strategia di verifica e miglioramento della qualità del dato.

Un dato di qualità è un dato affidabile.

Per una azienda è fondamentale ottenere un alto livello di qualità dei dati per raggiungere una corretta base informativa per orientare le scelte strategiche.

• Da dati errati o distorti, si ottengono analisi errate o distorte, con la conseguenza di prendere decisioni strategiche errate o distorte.
• Per ottenere dati di alta qualità occorre introdurre una politica di Gestione dei Dati (Data Management) in ogni processo aziendale.
• La corretta e attiva gestione dei dati aziendali crea una protezione che previene la generazione di dati non affidabili (bad data).
• Il completo governo attivo dei dati consente ai decisori di avere una rappresentazione accurata, completa e reale dell’impresa e dei suoi processi

Come facciamo ad ottenere dei dati di qualità?

Per ottenere dati di alta qualità potremmo usare il buonsenso, ma è meglio farci aiutare dalle tecniche e dalle best practices che, se applicate sistematicamente, ci aiuteranno ad ottenere ottimi dati e informazioni. La qualità dei dati non è definibile in termini assoluti: dipende dal fatto che siano più o meno appropriati allo scopo designato.

Per esempio, applicando alcune regole piuttosto semplici è possibile iniziare a dare la giusta considerazione al dato.
Partiamo dalle sei dimensioni da analizzare per controllare la qualità del dato:

• accuratezza
• validità
• tempestività
• completezza
• unicità
• consistenza

Queste caratteristiche sono brevemente spiegate nella seguente tabella (6 Key Data Quality Dimensions) con esempi che le rendono facilmente comprensibili.

Prova ad applicarle alle informazioni che ritieni più importanti per la tua azieda (dati anagrafici del cliente, ordini inevasi, data di consegna prevista, data di consegna effettiva, etc.) e inizia a valutare i tuoi dati.

Clicca qui per scaricare la tabella

_ _ _

SCOPRI IL NOSTRO SERVIZIO DI BUSINESS INTELLIGENCE >

_ _ _

Naturalmente l’analisi dei dati e della loro qualità non si esaurisce nel controllo di queste sei caratteristiche, ma questo può essere un buon punto di partenza.

Data Maturity Model: calcolare la qualità e la maturità di dati e informazioni

È importante sottolineare come l’ottenimento di una buona qualità del dato non è unicamente un compito da affidare al dipartimento IT, ma è una cultura aziendale che deve prendere forma nelle persone, nei processi, nelle procedure e negli strumenti.

Nel Data Maturity Model proposto da DAMA, insieme ad altre aree, anche la Data Quality trova un posto di rilievo per determinare il grado di maturità nella gestione del dato e delle informazioni in azienda.

Inoltre, emerge anche come, al crescere del livello di qualità delle informazioni, aumenta il valore dell’asset “informazione” e ne diminuisce il rischio nell’utilizzo.

Quali sono i driver che guidano il percorso della Data Quality Management?

Occorre sottolineare che realizzare un sistema di Data Quality Management in azienda non è sicuramente un’operazione semplice ma, se si comprende il valore che questo può generare, diviene automatico almeno iniziare a pensarci e a progettare un “percorso di avvicinamento” individuando le risorse e i driver più importanti.

Due esempi di Driver Data Quality Management.

Ci sono in sostanza due driver che dovrebbero spingere l’azienda nella ricerca della qualità del dato: il driver di business e il driver di compliance normativa.

Drive di Business

Il driver di business ci spinge all’implementazione della Data Quality per esempio nell’area del marketing, nel processo di raccolta dei dati dei lead dei clienti all’interno del CRM, cercando di ottenere informazioni corrette e univoche per ogni cliente ed eliminando indirizzi e recapiti telefonici doppi, evitando di tralasciare informazioni necessarie come il settore merceologico, etc.

_ _ _

GUARDA IL VIDEO E CONSULTA LE SLIDE DELLA SMAU MILANO 2019! >

_ _ _

Drive di Compliance Normativa

Il driver di compliance normativa ci spinge ad utilizzare i criteri di Data Quality per aderire, sia formalmente sia in maniera sostanziale, alle richieste di regolamenti quali GDPR e altri che si basano su una corretta e proattiva gestione dei dati, individuando subito le criticità e le anomalie che possono generare errori e violazioni dannose alle persone e al business

Il processo di Data Quality riduce costi e rischi

In conclusione, l’implementazione in azienda di un processo di Data Quality può ridurre costi e rischi in modo da consentire ai dati di divenire un vero e proprio asset sui cui l’azienda può fondare il proprio vantaggio competitivo.