6 pasos para solucionar problemas de datos incorrectos que le cuestan dinero

Share on facebook
Share on twitter
Share on linkedin
Share on telegram
Share on whatsapp

Contenidos

La gestión de datos inadecuada puede costar mucho dinero. Desde multas administrativas hasta gastos extraordinarios para obtener información precisa para tomar decisiones comerciales críticas, y Incluso puede ser necesario incurrir en gastos para limpiar una mala imagen debido a un error de datos.

La mayoría de las organizaciones tienden a manejar calidad de los datos de una manera muy táctica. O el departamento de TI resuelve cualquier problema o las diferentes unidades de negocio deben crear procesos de negocio para solucionarlo.

problemas20de20bad20data-8760490

Cuando TI tiene que ocuparse, el problema se pone en cola y, a menudo, se le asigna una prioridad baja. Por tanto, las unidades de negocio, que se enfrentan al problema en el día a día, deben intervenir.

Luego, ¿Por qué los problemas de calidad de los datos no se tratan a nivel organizacional?

En este artículo, describiremos seis pasos simples pero muy efectivos para prevenir y corregir los datos erróneos.

Cómo solucionar problemas de datos incorrectos

1. Comprende el problema

La organización debe llegar a un consenso sobre dónde están los datos incorrectos y qué impacto tienen en el negocio.

La mejor manera de lograrlo es mediante la elaboración de perfiles de datos. La elaboración de perfiles de datos es una actividad de aprendizaje, centrada en descubrir qué tiene y qué tan malo es. Se pueden descubrir diferentes tipos de disparidades durante este proceso de elaboración de perfiles.

Los datos pueden estar incompletos. Por ejemplo, los registros de clientes en un sistema de gestión de relaciones con el cliente (CRM) pueden carecer de códigos postales o direcciones de correo electrónico, o es posible que los números de pieza no aparezcan en las entradas de una base de datos de gestión de materiales. . O, una aplicación de RR.HH. puede no tener registros de empleados. En este segundo caso, debe determinar la definición completa de empleado para realizar su evaluación (es decir, si por ejemplo se deben incluir contratistas y / o subcontratistas)

También puede descubrir inexactitudes o inconsistencias dentro de los datos.. ¿Son correctos los valores contenidos en los campos de la base de datos? Algunos problemas comunes pueden incluir entradas de códigos postales que contienen letras o direcciones de correo electrónico de clientes sin el símbolo «@».

Por último, es probable que se produzcan duplicaciones y despidos. Por ejemplo, los productos pueden haber ingresado a una base de datos de inventario más de una vez, o puede haber múltiples registros para un solo cliente en un sistema CRM.

2. Crea la figura del responsable del tratamiento

El responsable de datos puede ser la persona más importante en su iniciativa de calidad de datos.. Será el responsable de crear las reglas para la generación, gestión, mantenimiento y distribución de datos, así como de delinear los procesos que ayudarán a asegurar la calidad en toda la organización.

El responsable del tratamiento también Asegurar el cumplimiento de estas pautas, monitoreando y midiendo continuamente la integridad de la información y modificando las prácticas de calidad a medida que cambian las necesidades., fuentes de datos y otros factores.

3. Acepte el impacto de los datos incorrectos

Debes conseguir uno visión completa del impacto de Bad Data. A través del perfil de datos realizado en el primer paso, se llega a comprender qué es lo que está mal. En este paso, determinará por qué está mal y cómo está afectando su negocio.

Quizás la mejor manera de comenzar este paso es crear un gráfico del ciclo de vida de los datos que se observaron durante el paso de generación de perfiles. ¿De dónde provienen los datos? ¿Cuáles son las aplicaciones posteriores que utilizan estos datos? ¿Cuál es el impacto en las siguientes aplicaciones si los datos no son correctos?

Identifique los puntos de contacto durante el ciclo de vida donde se pueden manipular los datos y resalte los lugares donde se producen los datos, para que pueda ver claramente lo que sucede cuando la calidad se ve comprometida.. En cada paso, asocia un valor con datos buenos y datos incorrectos. Cuando se complete el ciclo de vida, simplemente agregue los números.

4. Decida qué hacer con los datos incorrectos

Una vez que se descubren los problemas durante la elaboración de perfiles y tiene una idea de la magnitud de los problemas, ¿qué hará para corregirlos? Se deben priorizar todas las oportunidades, desafíos y riesgos, y se debe delinear, implementar y aplicar una metodología para gestionarlos.

El plan debe responder estas preguntas:

  • Que errores se aceptarán (los que se encuentran dentro de los límites aceptables) y cuáles serán rechazados (los errores más problemáticos)?
  • ¿Qué pasará con los errores rechazados? ¿Se excluirán los datos o se enviarán a alguien para su posterior revisión?
  • ¿Cómo se corregirán los errores corregibles? ¿Se manejarán manualmente o se aplicarán valores predeterminados?

5. Inicie el proceso de limpieza

Una vez que se identifican los datos problemáticos, se determina cómo se deben corregir y se asignan las personas responsables, ¿qué sigue?

Es hora de implementar los procesos, procedimientos y planes para comenzar a limpiar los datos.

Esto puede parecer un ejercicio técnico y debe involucrar a su organización de TI para que trabaje con sus propias herramientas. Pero Seguir los pasos anteriores hará que la aplicación de los planes sea muy sencilla.

6. Implementar y mantener procesos de calidad de datos de alcance general.

Ahora tiene un proceso para resolver el problema comercial inicial y está funcionando de manera más eficiente. ¿Funciona con la máxima eficacia? ¿Hay otros problemas relacionados con los datos que su unidad de negocios debería buscar para corregir? Si es así, tiene las personas, los procesos y la tecnología para lidiar con ellos.

Pero sin embargo, Antes de comenzar a hablar de ello, debe asegurarse de tener alguna forma de medir y monitorear el progreso hacia sus objetivos de calidad de datos.

Las métricas ya se han desarrollado y es importante mantenerlas actualizadas continuamente.

(function(d, s, id) {
var js, fjs = d.getElementsByTagName(s)[0];
if (d.getElementById(id)) return;
js = d.createElement(s); js.id = id;
js.src = «//connect.facebook.net/es_ES/all.js#xfbml=1&status=0»;
fjs.parentNode.insertBefore(js, fjs);
}(document, ‘script’, ‘facebook-jssdk’));

Suscribite a nuestro Newsletter

No te enviaremos correo SPAM. Lo odiamos tanto como tú.