Der Aufbau eines erfolgreichen Unternehmens erfordert Daten, aber nicht irgendwelche Daten: Es müssen genaue, hochwertige Daten sein. Anschaffung und Pflege einer Datenbank mit guten Daten ist kein leichtes Unterfangen. Für viele Marken und Einzelhändler sind hochwertige Daten schwer zu beschaffen und die Kosten können sich schnell summieren.
Es ist jedoch wichtig, sich daran zu erinnern, dass die Kosten für die Beschaffung korrekter Daten weitaus höher sind als die Kosten für den Betrieb mit schlechten Daten. Tatsächlich können schlechte Daten viele Formen annehmen und einen negativen Einfluss auf Ihr Unternehmen haben, der weit über den monetären Wert.
Die Ursachen für schlechte Daten
Wir haben mit einer Reihe von Einzelhandelsunternehmen darüber gesprochen, was zu Problemen mit der Datenqualität in ihrem Unternehmen geführt hat. Sie identifizierten die folgenden Ursachen für schlechte Daten:
Schlechte Kommunikation & unklare Terminologie
Kommunizieren alle Ihre Mitarbeiter miteinander? Sind Ihre Abteilungen isoliert oder tauschen sie Informationen aus? Schlechte Kommunikation, oder eine Kommunikation, die verwirrend und mit unklarer Terminologie gespickt ist, kann leicht zu einer schlechten Datenqualität innerhalb einer Organisation beitragen.
"Es ist wichtig, ein klares und präzises Glossar mit Definitionen für Begriffe zu haben, da diese in verschiedenen Unternehmen unterschiedlich sein können", so ein Bekleidungshändler gegenüber Wiser. "Wenn ich sage: 'Wie viele Kunden haben in den letzten sechs Monaten einmal gekauft?', ist es dann sechs Monate von Null an oder von vor einem Monat an?"
Nicht kategorisierte SKUs & Zuordnungsfehler
Die Art und Weise, wie Daten gesammelt werden, und ob sie richtig gesammelt werden, sind wichtige Faktoren, die zu einer schlechten Datenqualität beitragen. Zum Beispiel kann der Preis einer 5,0-oz-Tube Farbe mit dem einer 0,5-oz-Tube der Konkurrenz verglichen werden.
"Wir haben einmal festgestellt, dass einer unserer größten Treiber in einem großen Land falsch kategorisiert war, und das hat den POS wirklich durcheinander gebracht", erklärt ein Hersteller. "Jedes Mal, wenn wir etwas sahen, das fehl am Platz war, vielleicht sogar außerhalb der Kategorie, riefen wir den Händler an und ließen es ihn wissen und baten ihn, es zu korrigieren."
Kodierungsinkonsistenzen
Stimmt das Produkt im Regal mit dem Produkt in Ihrem System überein? Der Einzelhandel verlässt sich stark auf die Codierung, aber wenn diese nicht genau ist, kann das Ihre gesamten Bestands- und Verkaufsdaten durcheinanderbringen.
"Wenn Einzelhändler Dinge nicht korrekt kodieren, kann das eine Reihe von Problemen verursachen", bemerkte eine Konsumgütermarke. "Wir haben zum Beispiel Leute gesehen, die Dinge abkürzen, manche Leute setzen einen Punkt, manche Leute tun das nicht. Wenn es keine Konsistenz in der Kodierung gibt, führt das zu einer Menge Probleme in den Daten."
Menschlicher Fehler
Menschliches Versagen spielt natürlich eine große Rolle bei der Datenqualität. Der Einfluss menschlichen Versagens vervielfacht sich bei jedem Prozess, der normalerweise automatisiert ist, aber gelegentlich Wenn z. B. ein Artikel nicht gescannt wird und ein Mitarbeiter in der Filiale stattdessen einen Code manuell eingeben muss, um den Einkauf zu bearbeiten.
"Es kann sein, dass jemand etwas nicht richtig klassifiziert, es kann sein, dass er etwas nicht richtig erfasst", so der Hersteller emphasized. "Die Codes sind vielleicht nicht richtig geschrieben. Das sind die beiden größten Ursachen für schlechte Daten: menschliches Versagen und Stichprobenfehler."
Die 1-10-100-Regel
Wie hoch sind die Kosten für schlechte Datenqualität? Je nach Ursache können sich die Auswirkungen auf unterschiedliche Weise bemerkbar machen.
Dies wird am besten veranschaulicht durch die 1-10-100-Regeldie von Yu Sang Chang und George Labovitz in den frühen 1990er Jahren entwickelt wurde. Die 1-10-100-Regel schlüsselt die Kosten für schlechte Daten in drei Kernphasen auf: Vermeidung, Behebung und Ausfall.
Prävention
Prävention kostet bei der 1-10-100-Regel $1. Es kostet nur 1 $, Daten zu validieren und ihre Genauigkeit zum Zeitpunkt der Erfassung sicherzustellen. Dies bezieht sich sowohl auf Zeit als auch auf Geld: Es ist schneller, einfacher und billiger, die Datengenauigkeit sofort zu überprüfen als zu warten.
Behebung
Die Behebung von Problemen mit der Datenqualität kostet $10 zu einem späteren Zeitpunkt. Bei der 1-10-100-Regel kostet die Behebung 10 Mal so viel wie die Vorbeugung, in diesem Beispiel also $10. Die Mitarbeiter werden damit beauftragt, schlechte Daten zu identifizieren, sie zu entfernen oder zu ersetzen. Ihre Geschäftsentscheidungen werden auf Eis gelegt, bis genaue Daten erworben werden, oder frühere Entscheidungen werden in Frage gestellt, nachdem sie auf schlechten Daten basierten.
Versagen
Es kostet 100 Dollar, nichts gegen schlechte Daten zu unternehmen, oder 100 Mal mehr als die Prävention. Yunser Unternehmen ist ein Kartenhaus ohne Systeme, die Genauigkeit gewährleisten. Es ist nur eine Frage der Zeit, bis Umsatz und Gewinn sinken, Kunden das Vertrauen verlieren, Mitarbeiter frustriert sind und die Fluktuation steigt. Und das alles, weil keine Anstrengungen unternommen wurden, um zu verhindern, dass schlechte Daten in Ihr Unternehmen einsickern.
Die Kosten für schlechte Daten
Schlechte Daten können eine große oder eine kleine Auswirkung haben, aber egal was, sie werden Einfluss Ihr Unternehmen.
Unbekannte monetäre Kosten
Einer der größten Kostenfaktoren für schlechte Daten ist der finanzielle Aspekt, aber die Herausforderung bei Verlusten im Zusammenhang mit der Datenqualität ist, dass sie schwer zu quantifizieren sind. Daten werden in allen Bereichen Ihres Unternehmens verwendet, daher hat der Betrieb mit schlechten Daten Auswirkungen viele Menschen und Abteilungen. Eine Entscheidung, die vor einem Jahr oder mehr getroffen wurde, kann immer noch Auswirkungen auf den heutigen Betrieb haben.
"Es kann sich um ein paar Tausend Dollar handeln, aber auch um mehrere zehn Millionen Dollar", sagte ein Unternehmen für verpackte Lebensmittel gegenüber Wiser. "Die Kosten können von nichts bis zum Untergang Ihres Unternehmens reichen, je nachdem, wie viel Sie investiert haben."
Zeit & Ressourcen
Die Behebungsphase der 1-10-100-Regel ist zurück. Schlechte Daten führen direkt zu einer Verschwendung von Zeit und Ressourcen innerhalb Ihrer Organisation, um diese Probleme zu beheben. Sie müssen Zeit aufwenden, um vorhandene Daten zu validieren und Fehler zu beheben, was je nach Menge der fraglichen Daten Tage, Wochen oder Monate dauern kann.
"Wenn die Daten falsch waren und die Marke bei einer völlig anderen Gruppe auf Resonanz stößt, dann haben Sie all die Medien und das gesamte Marketing, das Messaging und die Kommunikation, mit den falschen Botschaften an die falsche Gruppe von Menschen gerichtet", so eine Getränkemarke.
Verlust der Glaubwürdigkeit
Die Führungskräfte müssen den Daten, die ihnen präsentiert werden, volles Vertrauen schenken. Schlechte Daten schwächen dieses Vertrauen, behindern die Entscheidungsfindung und führen dazu, dass die Führungskräfte das Vertrauen in die Qualität der Daten in Ihrem Unternehmen verlieren.
"Jedes Mal, wenn es schlechte Daten gibt, selbst wenn man es zeigt und erkennt und es in Ordnung bringt, schafft das Vertrauensprobleme", erklärte die Konsumgütermarke. "Die Leute vertrauen nicht so sehr darauf. In der Zukunft, auch wenn Sie es richtig gemacht haben, werden sie es nicht vertrauen und sie werden keine Entscheidungen auf der Grundlage dieser Daten treffen."
Machen Sie sich Sorgen über schlechte Daten? Denken Sie an die 1-10-100-Regel: Es ist viel effektiver und kostengünstiger, Probleme mit der Datenqualität sofort zu erkennen und zu beheben, als zu warten. Lassen Sie Probleme nicht unter der Oberfläche köcheln: Übernehmen Sie die Verantwortung und haben Sie Vertrauen in Ihre Daten.
