Antes de considerar el costo de la calidad no relacionada con los datos debes de saber lo que el expectativas comerciales para la calidad de los datos, cómo su ausencia puede afectar el negocio y, un poco más complejo, cómo relacionar cada tema de calidad con un obstáculo específico dentro de la organización. o qualidade de dados Tiene muchos beneficios para la compañía, pero para poder disfrutarlos hay que poder:
El costo de la mala calidad de los datos
o impacto de una política de mala calidad de los datos revierte en diferentes áreas dentro de cualquier organización:
Financiero: reflejado en el aumento en el costo de operación, disminución en los ingresos, pérdida de posibilidades, disminución o retrasos en el flujo de caja y aumento de multas, sanciones o cargos similares.
Confianza y satisfacción: en vinculación a los clientes, trabajadores y proveedores, disminución de la confianza proyectada por la organización, disminución de la confiabilidad de los pronósticos, reportes operativos y ejecutivos inconsistentes, assim como Toma de decisiones fuera de tiempo y / o falta de precisión.
Productividad: aumento de la carga de trabajo, disminución del rendimiento, aumentar Tiempo de procesamiento, disminución de la calidad final del producto.
Risco: en vinculación con la evaluación de crédito, inversiones y competencia.
Cumplimiento de obligaciones legales, expectativas industriales o políticas privadas.
La forma de actuar para prevenir la aparición de situaciones de este tipo necesita prisa, rigor y continuidad. Debe estar vinculado a una estrategia y estar respaldado por una política que establezca cómo:
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 no ambiente organizacional.
Establecer el restricciones de validez de datos.
Mide la calidad de los datos.
Determinar un sistema de seguimiento y control de problemas de calidad.
Créditos fotográficos: “Rompecabezas de calidad que muestra excelentes servicios” por Stuart Miles
Cómo evitar los costos derivados de la mala calidad de los datos
o 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 Dólares. 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: que o 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 milhões de dólares: 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.
Créditos fotográficos: “Dollar” de dream designs
Apesar disto, 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. Quão?
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.
Postagem Relacionada:
