Construir un negocio exitoso requiere datos, pero no cualquier dato: debe ser preciso, datos de alta calidad. Ala adquisición y el mantenimiento de una base de datos de buenas datos no es una hazaña fácil. Para muchas marcas y minoristas, los datos de calidad pueden ser difíciles de conseguir y los costos pueden sumarse rápidamente.
Sin embargo, es importante recordar que el costo de adquirir datos precisos es mucho mejor que el costo de operar con datos malos. De hecho, los malos datos pueden tomar muchas formas y tener un impacto negativo en su negocio mucho más allá de lo monetario valor.
Las causas de los malos datos
Hablamos con varias empresas de venta al por menor sobre lo que ha llevado a problemas de calidad de datos para sus negocios. Identificaron las siguientes como causas fundamentales de los malos datos:
Comunicación deficiente y terminología poco clara
¿Todos sus empleados se comunican entre sí? ¿Sus departamentos están aislados o comparten información? Mala comunicación., o la comunicación que es confusa y está plagada de terminología poco clara, puede contribuir fácilmente a los pobres calidad de los datos dentro de una organización.
"Tener un glosario claro y conciso de definiciones de términos es importante porque puede ser diferente en diferentes negocios", dijo un minorista de ropa a Wiser. "Si digo: '¿Cuántos clientes han comprado una vez en los últimos seis meses?', ¿se trata de seis meses desde cero o desde hace un mes?"
SKUs mal categorizados y errores de concordancia
La forma en que se recogen los datos, y si se recogen correctamente, son los principales factores que contribuyen a la pobreza calidad de los datos. Por ejemplo, el precio de un tubo de pintura de 5,0 onzas puede compararse con el de un tubo de pintura de 0,5 onzas de la competencia.
"Una vez descubrimos que uno de nuestros mayores conductores estaba mal clasificado en un país importante, y eso fue realmente un despiste en el punto de venta", explicó un fabricante. "Siempre que veíamos algo que parecía fuera de lugar, tal vez fuera de categoría, llamábamos al minorista y le hacíamos saber y le pedíamos que lo corrigiera."
Inconsistencias en la codificación
¿El producto en el estante coincide con el producto en su sistema? La industria de la venta al por menor se basa en gran medida en la codificación, pero si eso no es exacto, puede tirar todos sus datos de inventario y ventas.
"Si los minoristas no codifican las cosas correctamente, puede causar un montón de problemas", señaló una marca de productos de consumo. "Por ejemplo, hemos visto gente que abrevia las cosas, algunas personas ponen un período, algunas personas no lo hacen. Si no hay consistencia en la forma en que está codificado, eso crea muchos problemas en los datos".
Error humano
El error humano, naturalmente, juega un papel importante en calidad de los datos. El impacto del error humano se multiplica para cualquier proceso que sea típicamente automatizado pero que requiera ocasional intervención humana, como si un artículo no se escanea y un asociado de la tienda debe en cambio introducir un código manualmente para procesar una compra.
"Alguien puede no estar clasificando algo correctamente, puede no estar capturando algo correctamente", el fabricante emphasized. "Los códigos podrían no estar escritos correctamente. Esas son las dos mayores causas de los malos datos: el error humano y el error de muestreo".
La regla 1-10-100
¿Cuál es el costo de los pobres calidad de los datos? Dependiendo de la causa, los efectos se pueden sentir de varias maneras.
Esto está mejor ilustrado por la regla 1-10-100creado por Yu Sang Chang y George Labovitz a principios de los 90. La regla 1-10-100 desglosa sucintamente el coste de los datos erróneos en tres etapas fundamentales: prevención, reparación y fracaso.
Prevención
La prevención cuesta un dólar en la regla 1-10-100. Sólo cuesta 1 dólar validar los datos y asegurar su exactitud en el momento de la recopilación. Esto se refiere tanto a tiempo como a dinero: es más rápido, fácil y barato verificar la exactitud de los datos inmediatamente que esperar.
Remediación
Cuesta 10 dólares arreglar los problemas de calidad de los datos en una fecha posterior. En la regla 1-10-100, la remediación cuesta 10 veces más que la prevención o 10 dólares en este ejemplo. Los empleados tendrán la tarea de identificar los datos erróneos, eliminarlos o reemplazarlos. Sus decisiones de negocios se pondrán en espera hasta que los datos precisos sean adquirido, o las decisiones pasadas se pondrán en duda después de estar basadas en datos deficientes.
Fallo
Cuesta 100 dólares no hacer nada con datos erróneos, o 100 veces más que la prevención. Ynuestro negocio es un castillo de naipes sin sistemas que aseguren la precisión. Es sólo cuestión de tiempo antes de que los ingresos y beneficios disminuyan, los clientes pierdan la confianza, los empleados se frustren y la facturación aumente. Todo porque no se hizo ningún esfuerzo para evitar que se filtraran malos datos en su organización.
El costo de los datos erróneos
Los malos datos pueden tener un impacto mayor o menor, pero pase lo que pase. influencia su organización.
Costos monetarios desconocidos
Uno de los mayores costos de los malos datos es financiero, pero el desafío de las pérdidas relacionadas con la calidad de los datos es que son difíciles de cuantificar. Los datos se utilizan en todas las facetas de su organización, así que operar con malos datos impactos muchas personas y departamentos. Una decisión tomada hace un año o más puede tener todavía ramificaciones en las operaciones de hoy.
"Podrías estar hablando de unos pocos miles de dólares, o podrías estar hablando de decenas de millones de dólares", le dijo una compañía de alimentos envasados a Wiser. "El costo podría ser de nada para que su compañía se hunda, sólo dependiendo de cuánto haya invertido."
El tiempo y recursos
La etapa de remediación de la regla 1-10-100 ha vuelto. Los datos erróneos conducen directamente a una pérdida de tiempo y a recursos dentro de su organización para arreglar estos problemas. Tendrás que dedicar tiempo a validar los datos existentes y a remediar los errores, lo que puede llevar días, semanas o meses, dependiendo de la cantidad de datos en cuestión.
"Si los datos eran erróneos y la marca resonaba con un grupo completamente diferente, entonces habrás dirigido erróneamente todos esos medios y todo ese marketing, la mensajería y las comunicaciones, al grupo equivocado de personas con los mensajes equivocados", según una marca de bebidas.
Pérdida de credibilidad
La dirección ejecutiva debe tener una fe total en los datos que se le presentan. Los malos datos debilitar esa fe, impiden la toma de decisiones y llevan a los ejecutivos a perder la confianza en la calidad de los datos de su organización.
"Cada vez que hay malos datos, aunque los muestres y te des cuenta y vayas a arreglarlos, crea problemas de confianza", explicó la marca de productos de consumo. "La gente no confía tanto en ello. En el futuro, aunque lo hayas hecho bien, no confiarán en él y no tomarán decisiones basadas en él."
¿Te preocupan los malos datos? Recuerda la regla 1-10-100: es mucho más efectivo y asequible identificar y arreglar los problemas de calidad de los datos inmediatamente que esperar. No dejes que los problemas se cocinen a fuego lento bajo la superficie: toma el control y confía en tus datos.
