Prima di considerare il costo della qualità non correlata ai dati devi sapere quali sono le aspettative aziendali per la qualità dei dati, come la loro assenza può influire sul business e, un po' più complesso, come collegare ogni tema di qualità a un ostacolo specifico all'interno dell'organizzazione. Il qualità dei dati Ha molti benefici per l'azienda, ma per poterli apprezzare bisogna poter:
Il costo della scarsa qualità dei dati
Il impatto di una politica di scarsa qualità dei dati si riflette in diverse aree all'interno di qualsiasi organizzazione:
-
Finanziario: riflesso nell'aumento dei costi operativi, diminuzione dei ricavi, perdita di opportunità, diminuzione o ritardi nel flusso di cassa e aumento di multe, sanzioni o oneri simili.
-
Fiducia e soddisfazione: nel collegamento con clienti, lavoratori e fornitori, diminuzione della fiducia proiettata dall'organizzazione, diminuzione dell'affidabilità delle previsioni, report operativi ed esecutivi incoerenti, così come Processo decisionale fuori tempo e / o mancanza di precisione.
-
Produttività: aumento del carico di lavoro, diminuzione delle prestazioni, aumento Tempo di elaborazione, diminuzione della qualità finale del prodotto.
-
Rischio: in collegamento con la valutazione del credito, investimenti e concorrenza.
-
Adempimento degli obblighi legali, aspettative industriali o politiche private.
Il modo di agire per prevenire l'emergere di situazioni di questo tipo richiede urgenza, rigore e continuità. Deve essere collegato a una strategia ed essere supportato da una politica che stabilisca come:
-
Revisa el tipos de riesgo y costos relacionados con el uso de la información en la compañia.
-
Especifica el expectativas con respecto a la calidad de los datos.
-
Desarrollar los procedimientos y herramientas necesarios para determinar el final de la calidad de los datos nell'ambiente organizzativo.
-
Establecer el restricciones de validez de datos.
-
Mide la calidad de los datos.
-
Determinar un sistema de seguimiento y control de problemas de calidad.
Crediti fotografici: “Rompecabezas de calidad que muestra excelentes servicios” di Stuart Miles
Cómo evitar los costos derivados de la mala calidad de los datos
Il problemas de calidad de los datos Deben abordarse desde la raíz puesto que sus consecuencias pueden tener efectos de gran magnitud. Nadie es libre de encontrarse con tal sorpresa. Algunos ejemplos de gastos desafortunados provocados por una póliza inadecuada de este tipo son:
-
50 millones de dólares mexicanos: que adeuda un concesionario de automóviles por un error en la impresión de cupones para el sorteo de un premio en efectivo de 1,000 dollari. Es la diferencia entre imprimir un único cupón ganador o imprimir los 50.000 como afortunados destinatarios de este premio.
-
Medio millón de dólares estadounidenses: che lui Transporte de la ciudad de Nueva York Tuvo que pagar para atender el pago de 160.000 tarjetas de pago por viaje con un error tipográfico.
-
1.962 milioni di dollari: fue el costo del error en uno de los códigos de programación del Nave espacial Mariner I, lo que provocó su destrucción.
La otra cara de la moneda es la que muestra una investigación realizada en 2010 por la Universidad de Harvard. En este estudio afirman que Google logra una ganancia estimada de $ 497 millones cada año gracias a errores tipográficos de nombres de sitios web populares que llevan a los autores de búsquedas de los usuarios a sitios con errores tipográficos, donde los anuncios de Google proliferan convenientemente.
Crediti fotografici: “Dollar” de dream designs
Nonostante questo, esto es una excepción, por lo que es interesante invertir en procesos, técnicas, algoritmos y operaciones que contribuyan a mejorar la calidad de los datos para ahorrar costes dirigir, aprovechar al máximo procesos, minimizar tiempos de respuesta, afinar la toma de decisiones y acciones, mejorar el servicio y la imagen corporativa y potenciar las acciones de marketing. Come?
-
Evitando la duplicación: surgen cuando se presenta la misma o equivalente información en la misma tabla en más de una ocasión.
-
Garantizar la coherencia de los datos: para evitar la existencia de información contradictoria.
-
Buscando el lo completo: por lo que será necesario proceder a chequear que no existen campos en blanco o rellenados por defecto.
-
Normalizar archivos: que aseguren la cumplimiento de datos.
-
Velando por el precisión de los datos: compararlos con una fuente de referencia y aplicar medidas de control.
-
Garantizar la confiabilidad e integridad de los datos.: asegurarse de que toda la información relevante de un registro esté presente y esté en un formato que permita su uso.
Articolo correlato:
