Entrepôt de données

Qualité des données. Le coût de la non-qualité

Avant d'envisager la coût de la non-qualité des données vous devez savoir ce que attentes des entreprises en matière de qualité des données, comment leur absence peut affecter l'entreprise et, un peu plus complexe, comment relier chaque problème de qualité à un obstacle spécifique au sein de l'organisation. Le qualité des données Il présente de nombreux avantages pour l'entreprise, mais pour pouvoir en profiter il faut pouvoir:

Le coût d'une mauvaise qualité des données

Le impact d'une mauvaise politique de qualité des données revient à différents domaines au sein de toute organisation:

Financier: traduit par l'augmentation des charges d'exploitation, baisse des revenus, perte de possibilités, diminution ou retards de trésorerie et augmentation des pénalités, des pénalités ou des frais similaires.
Confiance et satisfaction: en lien avec les clients, travailleurs et fournisseurs, diminution de la confiance projetée par l'organisation, diminution de la fiabilité des prévisions, rapports opérationnels et exécutifs incohérents, aussi bien que Prise de décisions hors du temps et / le manque de précision.
Productivité: charge de travail accrue, diminution des performances, augmenter Temps de traitement, diminution de la qualité finale du produit.
Risque: dans le cadre de l'évaluation de crédit, investissements et concurrence.
Respect des obligations légales, attentes industrielles ou politiques privées.

La manière d'agir pour prévenir la survenance de situations de ce type doit se dépêcher, rigueur et continuité. Elle doit être liée à une stratégie et être appuyée par une politique qui définit comment:

Vérifier la types de risques et de coûts liés à l'utilisation des informations dans l'entreprise.
Spécifie le attentes concernant la qualité des données.
Développer les procédures et les outils nécessaires pour déterminer la fin de la qualité des données dans l'environnement organisationnel.
Établir le restrictions de validité des données.
Mesurer la qualité des données.
Déterminer un système de surveillance et de contrôle des problèmes de qualité.

Crédits photos: “Puzzle de qualité montrant d'excellents services” par Stuart Miles

Comment éviter les coûts d'une mauvaise qualité des données

Le problèmes de qualité des données Ils doivent être abordés à la racine car leurs conséquences peuvent avoir des effets de grande ampleur. Personne n'est libre de rencontrer une telle surprise. Quelques exemples de dépenses malheureuses causées par une politique inappropriée de ce type sont:

50 millions de dollars mexicains: dû par un concessionnaire automobile pour une erreur dans l'impression des coupons pour un tirage en espèces de 1,000 Dollars. C'est la différence entre imprimer un seul coupon gagnant ou imprimer le 50.000 en tant qu'heureux récipiendaires de ce prix.
Un demi-million de dollars américains: qu'il Transport de la ville de New York A dû payer pour faire face au paiement de 160.000 cartes de paiement par trajet avec une faute de frappe.
1.962 millions de dollars: était le coût de l'erreur dans l'un des codes de programmation du Vaisseau spatial Mariner I, ce qui a causé sa destruction.

Le revers de la médaille est celui que montre une enquête menée à 2010 par l'Université Harvard. Dans cette étude, ils déclarent que Google réalise un bénéfice estimé de $ 497 millions chaque année grâce à des fautes de frappe des noms de sites Web populaires qui conduisent les auteurs de recherche des utilisateurs vers des sites contenant des erreurs typographiques, où les annonces Google prolifèrent commodément.

Crédits photos: “Dollar” dessins de rêve

Malgré cela, c'est une exception, il est donc intéressant d'investir dans des processus, technique, algorithmes et opérations qui contribuent à améliorer la qualité des données pour réduire les coûts mener, tirer le meilleur parti des processus, minimiser les temps de réponse, affiner la prise de décision et les actions, améliorer le service et l'image de l'entreprise et renforcer les actions marketing. Comment?

Éviter les doublons: surviennent lorsque des informations identiques ou équivalentes sont présentées dans le même tableau à plusieurs reprises.
Assurer la cohérence des données: éviter l'existence d'informations contradictoires.
Recherche de je le complète: il faudra donc vérifier qu'il n'y a pas de champs vides ou remplis par défaut.
Normaliser les fichiers: pour assurer la conformité des données.
Veillant sur lui Précision des données: les comparer avec une source de référence et appliquer des mesures de contrôle.
Garantir la fiabilité et l'intégrité des données.: s'assurer que toutes les informations pertinentes dans un dossier sont présentes et dans un format qui permet leur utilisation.