Wat is datakwaliteit?

Elke extra plek waar iemand een record intypt, is een extra plek waar een fout binnenkomt. Blokkeer je die invoer niet en ruim je bestaande records niet op, dan draaien campagnes en ander bereik op de verkeerde klant. Datakwaliteit is de vraag of een dataset het werk nog aankan waarvoor je die hebt verzameld.

Wat is het?

Een dataset is van kwaliteit als ze het bedoelde doel kan dienen. Dat hangt af van hoe je verwerkt en analyseert, meestal in een database of een analysesysteem. Een bedrijf of een non-profit kan "hoge kwaliteit" niet claimen zonder een concreet beeld van wat goed is voor dat doel.

In de praktijk geldt: data is goed als ze voldoet aan de eisen van het gebruik. Je merkt het doordat je de bedoelde mensen bereikt, ziet wat klanten nodig hebben en daarnaar kunt handelen. De toets past bij verschillende producten, markten en missies. De eisen verschuiven. De vraag blijft staan.

Dimensies

Nauwkeurigheid. Het record vermeldt feiten over de klant. Foute contactgegevens betekenen dat je hen niet bereikt, en dat de doelgroep die je denkt te hebben niet groeit.

Volledigheid. De velden die het werk nodig heeft, zitten erin, en de contactgegevens zijn actueel. Anders mis je het beeld van wat de klant nodig heeft, en veroudert het kanaal waarmee je hen bereikt.

Consistentie. Mensen en rapporten lezen de data op dezelfde manier. Een grote database helpt niet als rapportage en modellen niet kunnen zeggen wat ze betekent of hoe je de mensen erin bereikt.

Integriteit. Het record blijft heel vanaf binnenkomst, via bewaring, tot later gebruik. Zo houd je klantdata vast en begrijp je die, in plaats van toe te kijken hoe ze vervalt.

Relevantie. Kloppende data die het bedrijf niet nodig heeft, is nog steeds de verkeerde data. Extra velden kosten opslag en kunnen in een rapport precies de klanten verstoppen die je zocht.

Wat je moet weten

Waardevolle data is consistent en ondubbelzinnig. Problemen ontstaan vaak bij het samenvoegen van databases of bij een koppeling, als velden die zouden moeten matchen dat niet doen door een ander schema of een ander formaat.

Welk werk erbij hoort

De activiteiten zijn rationalisatie en validatie. Je hebt ze ook nodig als applicaties bij een fusie of overname samenkomen, en als gescheiden systemen in één organisatie voor het eerst in een warehouse of een data lake landen. Diezelfde kwaliteit bepaalt of ERP of CRM kan draaien zonder dat je steeds moet corrigeren.

Wat daaruit volgt:

• Meer waarde uit de data die je al hebt, en meer plekken waar je die kunt gebruiken.
• Minder risico en lagere kosten door slechte data.
• Hogere efficiëntie en productiviteit.
• De reputatie van de organisatie blijft overeind.
• Profileren, standaardiseren, monitoren en opschonen.

Kort

Data die je snel kunt verwerken en analyseren, levert een beslissing op die je kunt uitleggen. Daarom zit datakwaliteit onder business intelligence, andere analyses en de dagelijkse operatie. Is het record ongeschikt voor het kanaal of het rapport, dan neemt alles wat je erboven bouwt dat gebrek over.