sokat beszéltünk az adatminőségről a múltban – beleértve a rossz adatok költségeit is. De az adatminőség alapvető megértése ellenére sokan még mindig nem értik meg, mit is jelent pontosan a “minőség”.

például, van-e mód ennek a minőségnek a mérésére, és ha igen, hogyan csinálod? Ebben a cikkben ezekre a kérdésekre és még sok másra fogunk válaszolni. De először …

az adatminőségi mítoszok eloszlatása

decision-makers
az adatminőség biztosításának alapja az alapvető követelmények megteremtésével kezdődik

az adatminőséggel kapcsolatos egyik legnagyobb mítosz az, hogy teljesen hibamentesnek kell lennie. Mivel a webhelyek és más kampányok annyi adatot gyűjtenek, a nulla hiba elérése szinte lehetetlen. Ehelyett az adatoknak csak meg kell felelniük a rá vonatkozó szabványoknak. Annak meghatározásához, hogy mi a” minőség”, először három dolgot kell tudnunk:

  1. ki hozza létre a követelményeket
  2. hogyan jönnek létre a követelmények, és
  3. milyen szélességi fokunk van a követelmények teljesítése szempontjából

sok vállalkozásnak van egy egyedülálló “adatkezelője”, aki megérti és meghatározza ezeket a követelményeket, valamint az a személy, aki meghatározza a hibák tűrésszintjét. Ha nincs adatkezelő, gyakran szerepet játszik abban, hogy az adatokért felelős személyek megértsék az esetleges hiányosságokat.

jó, gyors vagy olcsó lehet-Válasszon kettőt

mcdonalds-junk-food

az adatok gyűjtésétől kezdve a vállalat igényeinek megfelelővé tételéig minden megnyitja az esetleges hibákat. A 100% – ban teljes és 100% – ban pontos adatok nem csak megfizethetetlenül drágák, de időigényesek és alig bökik a ROI tűt.

annyi adat érkezik, hogy a döntéseket gyorsan meg kell hozni. Ezért az adatminőség nagyon kényes egyensúlyozó cselekedet – zsonglőrködés és a pontosság és a teljesség megítélése. Ha úgy hangzik, mint egy magas megrendelés, akkor örömmel fogja tudni, hogy van egy módszer az őrületre, és az első lépés az adatok profilozása.

mi az adatprofil?

data-quality

az Adatprofilozás magában foglalja az adatbázisban található összes információ megtekintését annak meghatározása érdekében, hogy azok pontosak és/vagy teljesek-e, és mit kell tenni a nem bejegyzésekkel. Meglehetősen egyszerű például importálni egy olyan termékadatbázist, amelyet a vállalat gyárt, és győződjön meg róla, hogy minden információ pontos, de ez egy másik történet, amikor a versenytársak termékeiről vagy más kapcsolódó részletekről importál.

az adatok profilozásával azt is megnézheti, hogy az adatok mennyire pontosak. Ha már indított 7/1/16, nem a rendszer rögzíti, hogy a 1916 vagy 2016? Lehetséges, hogy még a duplikátumokat és egyéb problémákat is felfedheti a megszerzett információk fésülésében. Az adatok ilyen módon történő profilozása kiindulópontot ad nekünk – egy ugródeszka, ahonnan ugorhatunk, hogy megbizonyosodjunk arról, hogy az általunk használt információk a lehető legjobb minőségűek-e.

az adatminőség meghatározása

tehát most, hogy van egy kiindulási pontunk annak megállapításához, hogy az információink teljesek és pontosak – e, a következő kérdés válik-Mit tegyünk, ha hibát vagy problémát találunk? Általában négy dolog egyikét teheti meg:

  • fogadja el a hibát – ha az elfogadható szabványba esik (pl. Main Street helyett Main St) eldöntheti, hogy elfogadja-e, és továbbléphet a következő bejegyzésre.
  • utasítsa el a hibát – néha, különösen az adatok importálásakor, az információ annyira súlyosan sérült vagy helytelen, hogy jobb lenne egyszerűen törölni a bejegyzést, mint megpróbálni kijavítani.
  • javítsa ki a hibát – az ügyfélnevek helyesírási hibái gyakori hibák, amelyek könnyen kijavíthatók. Ha egy névnek vannak variációi, akkor beállíthat egyet “mester” – ként, és az adatokat konszolidálhatja és kijavíthatja az összes adatbázisban.
  • hozzon létre egy alapértelmezett értéket – ha nem ismeri az értéket, jobb lehet, ha van ott valami (ismeretlen vagy n/A), mint egyáltalán semmi.

az adatok integrálása

ha ugyanazok az adatok vannak különböző adatbázisokban, akkor megérett a lehetőség a hibákra és a duplikációkra. Az első lépés a sikeres integráció felé az, hogy megnézzük, hol vannak az adatok, majd az adatokat konzisztens módon egyesítjük. Itt rendkívül érdemes befektetni a bevált adatminőségi és pontossági eszközökbe, amelyek segítenek az információk koordinálásában és szinkronizálásában az adatbázisok között.

az Ön adatminőségi ellenőrzőlistája

clean-data

végül, mivel olyan sok adattal foglalkozik oly sok különböző területen, hasznos, ha van egy ellenőrzőlista annak megállapítására, hogy a lehető legjobb minőségű adatokkal dolgozik. A Dama UK kiváló útmutatót készített az” adatméretekről”, amelyek segítségével jobban meg lehet kapni a teljes képet az adatminőségről.

adatminőségi dimenzióik a következők:

teljesség – az adatok egy vagy több értéket tartalmazó százaléka. Fontos, hogy a kritikus adatok (például ügyfélnevek, telefonszámok, e-mail címek stb.) először kell kitölteni, mivel a teljesség nem befolyásolja annyira a nem kritikus adatokat.

egyediség – más adatkészletekkel összehasonlítva csak egy ilyen bejegyzés létezik.

időszerűség – mennyire befolyásolja a dátum és az idő az adatokat? Ez lehet korábbi értékesítés, termékbemutatók vagy bármilyen olyan információ, amelyre egy bizonyos idő alatt támaszkodnak, hogy pontosak legyenek.

érvényesség-az adatok megfelelnek a vonatkozó szabványoknak?

pontosság-mennyire tükrözik az adatok az általuk azonosított valós személyt vagy dolgot?

konzisztencia – mennyire igazodnak az adatok egy előre kialakított mintához? A születési dátumok közös következetességi problémát jelentenek, mivel az Egyesült Államokban a szabvány HH/NN/ÉÉÉÉ, míg Európában és más területeken a nn/hh/éééé szabvány.

The Big Picture On Data Quality

mint látható, nincs” egy kaptafára ” megközelítés fenntartása pontosság és teljesség minden típusú adatok minden üzleti. És mivel a big data információ iránti étvágya napról napra növekszik, minden eddiginél fontosabbá válik az adatminőségi problémák frontális kezelése. Bár elsöprőnek tűnhet, érdemes adathigiénés eszközöket bevonni, hogy a számítógépek azt tegyék, amit a legjobban csinálnak – összeroppant számok.

a legfontosabb lépés, amit megtehetsz, egyszerűen az első lépések. Az adatok mindig növekedni fognak, ahogy egyre több kilátás nyílik a fedélzetre, és új piacokat fedeznek fel, így soha nem lesz a “legjobb idő” az adatminőségi problémák kezelésére. Ha most időt szánunk arra, hogy feltérképezzük, mit jelent az adatminőség a vállalat vagy szervezet számára, akkor a jobb ügyfélszolgálat, a jobb ügyfélélmény, a magasabb konverziós arány és a hosszabb ügyfélmegtartás hullámzó hatását hozhatjuk létre-és ezek azok a befektetési megtérülések, amelyeket minden vállalkozás teljes szívvel magáévá tesz!

A szerzőről: Sherice Jacob segít a cégtulajdonosoknak javítani a weboldal tervezését és növelni a konverziós arányokat a lenyűgöző copywriting, a felhasználóbarát tervezés és az intelligens analitikai elemzés révén. Tudjon meg többet az iElectrify oldalon.com és töltse le az ingyenes webes másolat tune-up és konverziós ellenőrzőlista ma!

növelje forgalmát

Vélemény, hozzászólás?

Az e-mail-címet nem tesszük közzé.

lg