Single Source Ep. 4: Schmutzige Daten, und warum Excel sie nicht repariert

Schmutzige Produktdaten bleiben billig zu ignorieren, bis ein Launch rutscht, eine Integration scheitert oder eine KI-Funktion den Fehler in selbstsicherer Stimme wiederholt. Das ist der Rahmen von Single Source Ep. 4. Excel ist der Weg, auf dem die meisten dieser Fehler am Leben bleiben: Die Korrektur lebt in einer persönlichen Datei, und die Datei geht mit der Person.

Stephan Spijkers, Chris Jobse und Susan Walsh, Gründerin von The Classification Guru, gehen durch, warum Qualität verfällt, wer dafür verantwortlich sein soll und was zu tun ist, bevor Automatisierung das Durcheinander vervielfacht. Die Folge erschien auf dem YouTube-Kanal von PIMvendors.

Sprecher

• Stephan Spijkers, Mitgründer, PIMvendors.com
• Chris Jobse, Mitgründer, PIMvendors.com
• Susan Walsh, Gründerin, The Classification Guru Ltd

Was Sie behalten

• Behandeln Sie Qualität als finanzierte Fähigkeit, mit einem Business Case, auf den Sie zeigen können. Die Rahmung der Session: Organisationen, die Datenqualität unter Overhead ablegen, verlieren gegen die, die sie mit Absicht bezahlen. Der Case sind späte Launches, gescheiterte Integrationen und Nacharbeit, nicht ein allgemeiner Prozentsatz. Produktdatenqualität und Data Governance ist der Weg, diesen Case in Dimensionen, Rollen und eine Definition von vollständig je Kanal zu übersetzen.
• KI vervielfacht den Datensatz, den Sie schon haben. Saubere Eingaben, Ausgabe, mit der Sie arbeiten können. Schmutzige Eingaben, Fehler in Menge und mit mehr Selbstsicherheit. Beginnen Sie eine KI-Initiative mit einer Prüfung der Felder, die das Modell lesen wird. KI-bereite Produktdaten ist diese Prüfung, geschrieben als Bedingungsliste statt als Werkzeugrundgang.
• „Verborgene Helden“ sind ein Risiko, kein Kompliment. Es sind die Menschen, die einen kaputten Feed von Hand reparieren und niemandem davon erzählen. Wenn sie gehen, bricht der Ablauf, und die Nachbetrachtung findet keinen Prozess. Dokumentieren Sie die Korrektur. Entscheiden Sie dann, ob sie in den Datensatz gehört oder in ein Ticket, das es nicht geben sollte.
• Fusionen sind der Ort, an dem zwei schwache Standards zu einem schlechteren Standard werden. Sie erben zwei Taxonomien, zwei Vorstellungen von „pflicht“ und zwei Helden. Ohne eine bewusste Integration der Daten behalten Sie von jeder Seite die lockerere Regel, weil es die ist, die den Go-live nicht blockiert.
• Verantwortung ist eine Zuweisung. Wenn niemand benannt ist, nimmt jeder an, das andere Team prüfe die Spalte. Die Session drängt auf Verantwortlichkeit, die eine Reorganisation übersteht, nicht auf eine RACI-Folie. Der Leitfaden zur PIM-Einführung setzt Namen an das Modell, solange das Projekt noch eine Deadline hat.
• Ein zentraler Standard und lokale Entscheidungen können nebeneinander stehen. Das Muster, das sie beschreiben: ein Ort für Definitionen und erlaubte Werte, und Raum für eine Geschäftseinheit, den Tag innerhalb dieser Regeln zu führen. Die Fehlform ist entweder ein zentrales Team, das jede Änderung der Packungsgröße blockiert, oder lokale Dateien, die die Taxonomie still verzweigen.
• Standards senken die Kosten des nächsten Schritts. Einheitliche Strukturen, Namen und Kategorien machen die folgende Migration, Integration oder Automatisierung billiger. Produktklassifikation, GS1, ETIM und ECLASS ist die konkrete Fassung: Wählen Sie den Standard, den Ihre Kanäle schon sprechen, und hören Sie auf, daneben einen privaten in Excel zu pflegen.

Der Preis ist Langeweile gegen Heldentum. Eine dokumentierte Reparatur ist diese Woche langsamer als die Person, die es „einfach richtet“, bevor der Feed rausgeht. Sie ist auch die einzige Fassung, die im August noch funktioniert, wenn diese Person im Urlaub ist und die KI-Funktion den Wert zitiert, den sie bisher von Hand korrigiert hat.