Une mauvaise gestion des données peut coûter très cher. Des amendes administratives aux dépenses extraordinaires pour obtenir des informations précises afin de prendre des décisions commerciales critiques, Oui Il peut même être nécessaire d'engager des dépenses pour nettoyer une mauvaise image en raison d'une erreur de données..
La plupart des organisations ont tendance à gérer qualité des données d'une manière très tactique. Soit le service informatique résout tout problème, soit les différentes unités commerciales doivent créer des processus métier pour le résoudre.
Quand l'informatique doit s'en occuper, le problème est en file d'attente et, souvent, une faible priorité est attribuée. Pourtant, unités d'affaires, qui font face au problème au quotidien, ils doivent intervenir.
Alors, Pourquoi les problèmes de qualité des données ne sont-ils pas traités au niveau organisationnel?
Dans cet article, Nous décrirons six étapes simples mais très efficaces pour prévenir et corriger les données erronées..
Comment résoudre les mauvaises données
1. Comprendre le problème
L'organisation doit parvenir à un consensus sur l'emplacement des mauvaises données et leur impact sur l'entreprise.
La meilleure façon de le faire est de profiler les données.. Le profilage des données est une activité d'apprentissage, concentré sur la découverte de ce qu'il a et à quel point il est mauvais. Différents types de disparités peuvent être découverts au cours de ce processus de profilage.
Les données peuvent être incomplètes. Par exemple, dossiers clients dans un système de gestion de la relation client (CRM) ils peuvent manquer de codes postaux ou d'adresses e-mail, ou les numéros de pièces peuvent ne pas apparaître dans les entrées d'une base de données de gestion des matériaux. . O, une application RH. peut ne pas avoir de dossiers d'employés. Dans ce deuxième cas, vous devez déterminer la définition complète d'employé pour effectuer votre évaluation (c'est-à-dire, si, par exemple, les entrepreneurs doivent être inclus et / ou sous-traitants)
Vous pouvez également découvrir des inexactitudes ou des incohérences dans les données.. Les valeurs contenues dans les champs de la base de données sont-elles correctes ?? Certains problèmes courants peuvent inclure des entrées de code postal contenant des lettres ou des adresses e-mail de clients sans le symbole « @ ».
Finalement, les doublons et les mises à pied sont probables. Par exemple, les produits peuvent être entrés plus d'une fois dans une base de données d'inventaire, ou il peut y avoir plusieurs enregistrements pour un seul client dans un système CRM.
2. Créer le chiffre"Chiffre" est un terme utilisé dans divers contextes, De l’art à l’anatomie. Dans le domaine artistique, fait référence à la représentation de formes humaines ou animales dans des sculptures et des peintures. En anatomie, désigne la forme et la structure du corps. En outre, en mathématiques, "chiffre" Il est lié aux formes géométriques. Sa polyvalence en fait un concept fondamental dans de multiples disciplines.... du responsable du traitement
Le responsable des données peut être la personne la plus importante dans votre initiative de qualité des données.. Il sera chargé de créer les règles de la génération, la gestion, maintenance et diffusion des données, ainsi que de décrire les processus qui aideront à assurer la qualité dans l'ensemble de l'organisation.
La personne responsable du traitement a également Veiller au respect de ces directives, surveiller et mesurer en permanence l'intégrité de l'information et modifier les pratiques de qualité en fonction de l'évolution des besoins., sources de données et autres facteurs.
3. Accepter l'impact des mauvaises données
Vous devez en obtenir un vue complète de l'impact des Bad Data. Grâce au profil de données réalisé dans la première étape, tu viens de comprendre ce qui ne va pas. Dans cette étape, déterminer pourquoi cela ne va pas et comment cela affecte votre entreprise.
La meilleure façon de démarrer cette étape est peut-être de créer un graphique du cycle de vie des données observées lors de l'étape de profilage.. D'où viennent les données? Quelles sont les applications en aval qui utilisent ces données? Quel est l'impact sur les applications suivantes si les données ne sont pas correctes?
Identifiez les points de contact au cours du cycle de vie où les données peuvent être manipulées et mettez en évidence les endroits où les données se produisent, afin que vous puissiez clairement voir ce qui se passe lorsque la qualité est compromise.. A chaque pas, associe une valeur aux bonnes données et aux mauvaises données. Lorsque le cycle de vie est terminé, il suffit d'ajouter les nombres.
4. Décidez quoi faire avec les mauvaises données
Une fois que les problèmes sont découverts lors du profilage et que vous avez une idée de l'ampleur des problèmes, Que ferez-vous pour les corriger? Toutes les opportunités doivent être priorisées, défis et risques, et il doit être délimité, mettre en place et appliquer une méthodologie pour les gérer.
Le plan doit répondre à ces questions:
- Quelles erreurs seront acceptées (ceux dans des limites acceptables) et lesquels seront rejetés (les erreurs les plus gênantes)?
- Qu'adviendra-t-il des erreurs rejetées? Les données seront-elles exclues ou envoyées à quelqu'un pour un examen plus approfondi?
- Comment les erreurs corrigibles seront-elles corrigées ?? Seront-ils gérés manuellement ou seront-ils appliqués par défaut?
5. Démarrer le processus de nettoyage
Une fois les données problématiques identifiées, la manière dont elles doivent être corrigées est déterminée et les personnes responsables sont affectées, suivant?
Temps de mise en œuvre des processus, procédures et plans pour commencer à nettoyer les données.
Cela peut sembler un exercice technique et devrait impliquer votre service informatique travaillant avec ses propres outils.. Mais En suivant les étapes ci-dessus, l'application des plans sera un jeu d'enfant.
6. Mettre en œuvre et maintenir des processus généraux de qualité des données.
Vous disposez maintenant d'un processus pour résoudre le problème commercial initial et il fonctionne plus efficacement. Fonctionne-t-il le plus efficacement? Existe-t-il d'autres problèmes liés aux données que votre unité commerciale doit rechercher pour corriger ?? Si c'est ainsi, a les gens, les processus et la technologie pour y faire face.
Mais cependant, Avant de commencer à en parler, vous devez vous assurer d'avoir un moyen de mesurer et de suivre les progrès vers vos objectifs de qualité des données.
Les métriques ont déjà été développées et il est important de les maintenir continuellement à jour.
(une fonction(ré, s, identifiant) {
var js, fjs = d.getElementsByTagName(s)[0];
si (d.getElementById(identifiant)) revenir;
js = d.createElement(s); js.id = identifiant;
js.src = « //connect.facebook.net/es_ES/all.js#xfbml=1&état=0 »;
fjs.parentNode.insertAvant(js, fjs);
}(document, ‘script’, ‘facebook-jssdk’));
