Gegevenskwaliteit vs. gegevensanalyse - beide zijn mogelijk

De perfecte gegevens

Financiële professionals in alle groeigerichte organisaties vertellen me hoe belangrijk het voor hen is om 'perfecte' gegevens te hebben. De voortdurende strijd om het noodzakelijke niveau van datakwaliteit te bereiken en te behouden houdt hen 's nachts wakker. Het zorgt er zelfs voor dat de meest vooruitstrevende organisaties investeringen in data-analyse opzij zetten. Het argument gaat als volgt: "Ik moet eerst perfecte data hebben voordat ik op zoek ga naar manieren om onze data-analyse te optimaliseren".

Door deze aanpak blijven organisaties echter vastzitten in een cyclus waarin perfecte gegevens onbereikbaar zijn. De waarheid is dat de criteria die ten grondslag liggen aan het streven van een organisatie naar 'perfecte' data sterk uiteenlopen. Wanneer een organisatie bijvoorbeeld een productlancering doormaakt die veel publiciteit krijgt, is het van cruciaal belang om te kunnen rapporteren over het eerste aantal verkochte eenheden. Als gevolg daarvan worden perfecte gegevens grotendeels gedefinieerd als 'snel toegankelijk'. Als een organisatie zich daarentegen voorbereidt op een fusie, zal het verzamelen van informatie van alle afdelingen en locaties een belangrijke rol spelen. In dat geval speelt 'volledigheid' een grote rol bij het bepalen van de kwaliteit van gegevens.

Uiteindelijk, hoewel elke organisatie andere elementen benadrukt, vertrouwen organisaties meer op gegevens als ze verschillende criteria combineren, waaronder: 1) relevantie gezien de context; 2) de mogelijkheid om er toegang toe te krijgen wanneer dat nodig is; 3) het gemak waarmee ze begrepen kunnen worden; en; 4) de mate waarin ze gebruikt kunnen worden om zinvolle actie te ondernemen.

Door de variabele aard van 'perfecte' data te erkennen, kunnen organisaties data-analyse omarmen zonder het gevoel te hebben dat ze al hun problemen met de datakwaliteit moeten oplossen. Dat komt omdat een van de positieve resultaten van het uitvoeren van grondige analyses gegevens zijn die de definitie van de organisatie van 'perfecte' gegevens dichter benaderen. Met andere woorden, het bereiken van de vereiste datakwaliteit is eerder een gevolg van data-analyse dan een voorwaarde. Als gevolg daarvan verbetert elke tool die je helpt je gegevens beter te begrijpen uiteindelijk de kwaliteit ervan.