BLOG

Přečtěte si poslední novinky ze světa datových technologií a BI.
Nezapomeňte se přihlásit k jejich odběru na e-mail.

Proč řešit datovou kvalitu a jak na to?

Organizace potřebují vysoce kvalitní data, kterým mohou důvěřovat, aby mohly dělat zásadní rozhodnutí. Bez kvalitních dat se organizace nemohou stát data-driven, protože se na ně nemohou spolehnout. Nedostatek důvěry ve svá data vede k neefektivitě, promarněným příležitostem a nakonec k finanční ztrátě.
Je toto téma důležité i pro Vaši organizaci?
Jak často slyšíte od Vašich kolegů, že mají problémy s datovou kvalitou?
  • Pracujete s externími daty třetích stran a setkáváte se často s datovými chybami, které je nutné manuálně opravovat napříč více odděleními?
  • I vaše interní data vykazují znaky datové nekvality např. z důvodu nekonsistentních validacích na vstupních datových bodech?
  • Nastavené datové transformace nejsou dobře zdokumentované a nastává nekončící diskuze, jak je konkrétní datový výstup počítán?
  • I přesto, že jsou kontroly datové kvality ve Vaší organizaci nastavené, postup při řešení problémů je velmi pomalý z důvodu nedostatečné data governance, zapojení byznys kolegů a podpory managementu?
Naše zkušenost ukazuje, že management datové kvality je jedním ze základních pilířů úspěchu v „data-driven“ společnosti.
  • Začněte s definicí, co byznys trápí a přeformulujte problémy do požadavků na datovou kvalitu – byznys je vlastník dat, pracuje s daty na denní bázi a zná svá data nejlépe!
  • Přeložte požadavky na datovou kvalitu do datových pravidel a kontrol (nezapomeňte obsáhnout celý životní cyklus dat od primárních systémů, přes zpracování v datovém skladu po reporting) a definujte implementační roadmapu.
  • Začněte měřit datovou kvalitu včetně vizualizace výsledků, pusťte se do řešení kořenové příčiny a iniciujte kontinuální zlepšování v oblasti datové kvality.
I externí průzkumy ukazují, jak je důležité investovat do datové kvality!
  1. Gartner1): Špatná datová kvalita stojí organizace každý rok v průměru 12,9 miliónů dolarů.
  2. Průzkum poradenské společnosti McKinsey2) ukázal, že zpracování dat a jejich čistění může zabrat více než polovinu času analytických zaměstnanců. Produktivita zaměstnanců může být také ovlivněna – v průměru 30% celkovému času zaměstnanců v organizaci je vynaloženo na úkoly bez přidané hodnoty z důvodu nízké kvality a dostupnosti dat.
  3. Podle studie zveřejněné na resesearchgate.com3) – Nízká kvalita dat stojí každý rok vlády a soukromé podniky miliardy dolarů v příjmech. Očekává se, že problémy s kvalitou dat budou společnosti stát až 12 % jejich tržeb.
Společně se CDO jedné bankovní společnosti, která měla problémy s datovou kvalitou, jsme zavedli end-to-end řešení.
  • Začali jsem od regulatorních dat, kde datová nekvalita měla největší dopad – nejdříve jsem zanalyzovali závadná data a navrhli, jak existující data opravit. Dalším krokem byla analýza vzniku datové chyby a její prevence formou implementace změnového požadavku.
  • Po úspěšném odzkoušení na konkrétní datové oblasti jsem pomohli tento koncept plošně rozšířit a zakomponovat do procesu řešení incidentů a následného problem managementu.
  • Posledním krokem byl přechod z reaktivního režimu k prevenci – a to formou standardizace validace datových kontrol na primárních systémech včetně celkového architektonického řešení pro zajištění konsistence.
Na základě našich mnohaletých zkušeností jsme pro vás připravili
  • 8 kroků, které vám pomohou k dosažení datové kvality 
  • přehled, kde všude, v jakých oblastech firmy se můžete zaměřit na zlepšení datové kvality
  • jak vám může Collibra automatizací procesů zajistit spolehlivá a přesná data v reálném čase  
  • přístup Billigence k řízení datové kvality

Postavte datovou kvalitu do centra vaší datové strategie!

KATEGORIE

VYHLEDAT NA BLOGU

KATEGORIE

Nejnovější přípěvky

ODBĚR PŘÍSPĚVKŮ
NA E-MAIL

Přihlaste se k odběru blogových příspěvků na váš e-mail a získejte tak přístup k aktuálním informacím ze světa dat a BI.

SLEDUJTE NÁS
NA SÍTÍCH