Usein liiketoiminnalla on vakaa usko, että tiedon laatu on kunnossa. Niin se eräällä tapaa saattaa ollakin, sillä perusjärjestelmän tai kyseisen rekisterin kannalta puuttuva tai virheellinen tieto ei haittaa toimintaa. Ongelma nousee esiin, kun tieto virtaa yhteen paikkaan analysointia varten – ja usein se paikka on tietovarasto.
Itselleni kokemus on opettanut, että tiedon laadun puutteita on jokaisessa analytiikan ratkaisussa. Joskus kyse on siitä, että perusjärjestelmän uusille projekteille ei ole projektikoodia; toisinaan taas kenttiin on täydennetty väärää tietoa.
Puutteet tiedon laadussa voivat selittyä myös osaamattomuudella, itsekkyydellä tai suoranaisella piittaamattomuudella, mutta lopputulos on sama: huonolaatuinen tieto on analytiikan kannalta erittäin ongelmallista.
Kerron seuraavaksi kolme keinoa, joiden avulla jokainen organisaatio voi parantaa tietonsa laatua.
1. Myönnetään ongelma ja tunnustetaan tosiasiat
Kun tiedon laatu ei ole riittävää, on myönnettävä tosiasiat ja ryhdyttävä korjaamaan tilannetta.
Ensimmäinen askel on tuottaa perusteellinen analyysi, jonka perusteella tiedon laatua voidaan alkaa parantaa. Kehitetään uusia toimintatapoja, laaditaan sisäisiä ohjeita, tehdään pieniä muutoksia prosesseihin ja koulutetaan työntekijät huolellisesti – sekä tietenkin rakennetaan analytiikan prosessit huomaamaan ja korjaamaan tiedon puutteita.
2. Tehdään kaikille selväksi, että laadukas tieto on koko organisaation yhteinen asia
Laadun merkityksen tulee olla selvä koko organisaatiolle. Kun työntekijä ymmärtää, miten hänen tuottamansa tieto ja sen laatu vaikuttavat organisaation kaikilla tasoilla, hän on varmasti motivoitunut ottamaan asian huomioon kaikessa toiminnassaan. Virheellisten päätösten ja manuaalisen työn määrä vähenee, kun tiedon laatu paranee.
3. Ota ensi alkuun käyttöön kevyt ETL-ratkaisu
Tiedon laadun käsittelyyn on jo vuosia käytetty erilaisia ETL-välineitä (tai niiden laaajennuksia), tallennettuja proseduureja ja muita ratkaisuja. Näille yhteinen nimittäjä on eräänlainen työkalumaisuus, ja ne vaativat vahvaa teknistä osaamista.
Edellä mainittujen välineiden rinnalle on noussut myös kevyempiä Data Quality -ratkaisuja. Esimerkiksi IBM Cognos Analyticsin tiedon valmistelu- ja mallinnustyökalut mahdollistavat erilaisia aikaan liittyviä vertailuja, tiedon automaattista ryhmittelyä ja täydentämistä sekä tilastollisten tunnuslukujen hyödyntämisen laadun näkökulmasta. Jo näiden ratkaisujen avulla tiedon laatua voidaan nostaa merkittävästi.
Ilman laadukasta tietoa ei ole uskottavaa analytiikkaa
Tiedon laatu on aina otettava huomioon, päädyitpä sitten minkälaiseen ratkaisuun tahansa. Tiedon laatu itsessään ei ole organisaatiota ohjaava tekijä, vaan se on pikemminkin mittari, joka paljastaa, miten hyvin tiedon laadusta huolehditaan organisaation tietojärjestelmissä.
Jos tiedon laatu ei ole kunnossa, ei ole mitään syytä uskoa sen perusteella laadittuun analytiikkaankaan – eikö totta?
Asiakastarinassa kerromme konkreettisen esimerkin siitä, kuinka kotimainen markkinointi- ja jakeluyritys Lehtipiste sai parannettua raportointidataansa ohjelmistoratkaisun avulla!
