Nel post precedente abbiamo parlato di quanto siano importanti i dati per le aziende e di come sia necessario definire una Data Strategy efficace che possa mettere in relazione gli obiettivi di business e l’uso strategico dei dati come asset aziendale. Definire la Data Strategy efficace consegna nelle mani delle aziende un’arma fondamentale: il decision-making.
Siamo chiamati a prendere decisioni continuamente. Essere “aiutati” dai dati nel prendere decisioni (Data-Driven Decision Making o DDDM) consente di basarci su elementi oggettivi quali la lettura ed interpretazione di numeri, minimizzando l’influenza delle impressioni personali. Più razionalità e meno emotività.
Quindi il volume dei dati è sì importante ma possiamo intuire quanto lo sia la gestione di dati di qualità a supporto delle analisi sulle quali basiamo non solo le nostre decisioni di business ma anche le attività operative e di pianificazione.
Mancare di visione sull’importanza della qualità dei dati a supporto delle decisioni efficaci contribuisce a perdere la rotta con conseguente deterioramento del volume di business. Gartner stima in 12,9 milioni di dollari le perdite sostenute dalle aziende che non pongono l’attenzione sulla qualità dei dati.[1]
Per aumentare il proprio business è necessario poter disporre, in ogni momento, di informazioni corrette, con margini di errore minimi e tempi di analisi rapidi. Inoltre bisogna considerare, oltre il fattore tempo, il contesto in cui viene generato il dato. A questo proposito l’organizzazione ISO definisce la Data Quality come “Degree to which the characteristics of data satisfy stated and implied needs when used under specified conditions” (ISO 25012) e ancora: “The totality of characteristics of an entity that bear on its ability to satisfy stated or implied needs“ (ISO 8402).Quindi la medesima informazione in un determinato contesto potrebbe essere considerata di bassa qualità mentre, in contesto differente, di alta qualità. Valutazione strettamente correlata all’obiettivo che si vuole raggiungere. È evidente, quindi, che le aziende devono, per competere sul mercato, orientarsi ad una gestione più consapevole dei propri dati affiancando alle loro funzioni anche quella della gestione della qualità dei dati: il Data Quality Management.
La DQM è un processo strutturato e continuo che prevede la comprensione, l’analisi e il miglioramento delle informazioni con un approccio proattivo.
Processo che ha inizio con l’analisi di valutazione dei dati con il fine di individuare anomalie che possono avere un impatto negativo sulle performance aziendali. L’analisi porta alla definizione di metriche che andranno a garantire dati più accurati. Per la valutazione del livello qualitativo dei dati è possibile fare riferimento alle misure di valutazione più comunemente utilizzate:
. Accuratezza: i dati descrivono in modo preciso un dato evento.
. Completezza: l’insieme dei dati è sufficientemente esaustivo per produrre analisi significative.
. Consistenza: informazioni provenienti da insiemi differenti non siano in conflitto o ridondanti.
. Integrità: i dati devono essere conformi alle procedure, non devono contenere errori e devono appartenere a tipi dati coerenti.
. Accessibilità: i dati sono comprensibili ed aggiornati.
. Attualità: i dati devono essere riferiti ad un contesto temporale finito nel quale si sono verificati gli eventi che sono oggetto di analisi.
Le misure individuate per accrescere la qualità dei dati devono essere divulgate alle funzioni aziendali che contribuiranno a mantenere adeguato il livello qualitativo dei dati attraverso il processo di applicazione e monitoraggio.
Per migliorare la propria capacità di azione e sviluppo del business è bene per le aziende investire in strategie di DQM che daranno benefici concreti oltre ad un uso più consapevole del patrimonio dati.
In conclusione, più le informazioni in nostro possesso sono corrette e contestualizzate e migliore sarà l’analisi che ci aiuterà a generare valore per il nostro business. Rappresentano la nostra stella polare.
Credits
1 Gartner “How to Improve Your Data Quality”
Autore
