KPI Datová kvalita se velmi často stává standardním výkonnostním ukazatelem v rámci Datového Managementu. Již při nastavení měření datové kvality je velmi náročné definovat agregovaný ukazatel, který bude mít vypovídající hodnotu. Vedení společnosti většinou zajímá jen jednoduchá otázka – jaká je datová kvalita u nás? „Tak, jak chceme co nejvyšší zákaznickou nebo zaměstnaneckou spokojenost, tak určitě chceme i 100% datovou kvalitu.“
Ale je potřeba si položit i otázku: „Za jakou cenu?“
Tento fakt je velmi často přehlížen a způsobuje velké frustrace na straně těch, kteří o samotná data pečují.
Při zahájení projektu na zvýšení datové kvality vše vypadá báječně. Dojde k jednoduché opravě rozsáhlejšího celku dat a KPI datové kvality nám velmi hezky poskočí kupředu. Ale po určité době se rychlost zlepšování KPI snižuje a stojí stále větší úsilí. Tento moment však většina manažerů přehlíží. Není ochotna si připustit otázku, zda-li je doopravdy nutné mít 100% datovou kvalita a položit si vůči tomu také potřebné náklady.
Je nutné si přiznat, že je potřeba se naučit žít s určitou mírou datové nekvality a nevyžadovat 100% plnění. Proto při vytváření výkonnostního reportu za oblast datového managementu je potřeba tuto oblast velmi dobře rozmyslet a být opatrní při stanovování relevantních cílů.
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