La création d'une entreprise prospère nécessite des données, mais pas n'importe lesquelles : il doit s'agir de données précises et de qualité. Al'acquisition et le maintien d'une base de données des bonnes données n'est pas une mince affaire. Pour de nombreuses marques et détaillants, il peut être difficile d'obtenir des données de qualité et les coûts peuvent s'accumuler rapidement.
Cependant, il est important de se rappeler que le coût d'acquisition de données précises est bien plus élevé que le coût d'exploitation de mauvaises données. En fait, les mauvaises données peuvent prendre de nombreuses formes et avoir un impact négatif sur votre entreprise bien au-delà de l'aspect monétaire valeur.
Les causes des mauvaises données
Nous avons parlé à un certain nombre de sociétés de vente au détail de ce qui a entraîné des problèmes de qualité des données pour leurs entreprises. Elles ont identifié les causes profondes des mauvaises données comme suit
Communication médiocre et terminologie peu claire
Tous vos employés communiquent-ils entre eux ? Vos services sont-ils cloisonnés ou partagent-ils des informations ? Mauvaise communication, ou une communication confuse et truffée de termes peu clairs, peut facilement contribuer à la mauvaise qualite des donnees au sein d'une organisation.
"Il est important d'avoir un glossaire clair et concis des définitions des termes, car il peut être différent selon les entreprises", a déclaré un détaillant de vêtements à M. Wiser. Si je dis "Combien de clients ont acheté une fois au cours des six derniers mois", est-ce que cela correspond à six mois à partir de zéro ou à un mois plus tôt ?
Erreurs de classement et de correspondance
La manière dont les données sont collectées et leur exactitude sont des facteurs importants qui contribuent à la mauvaise qualité des données qualite des donnees. Par exemple, le prix d'un tube de peinture de 5,0 oz peut être comparé à celui d'un tube de peinture de 0,5 oz d'un concurrent.
"Nous avons découvert un jour que l'un de nos plus gros conducteurs était mal classé dans un grand pays, et cela a vraiment perturbé les points de vente", a expliqué un fabricant. "Chaque fois que nous voyions quelque chose qui semblait hors de propos, peut-être hors catégorie, nous appelions le détaillant pour lui faire savoir et lui demander de le corriger".
Incohérences de codage
Le produit en rayon correspond-il au produit dans votre système ? Le secteur de la vente au détail dépend fortement du codage, mais si celui-ci n'est pas exact, il peut fausser toutes vos données sur les stocks et les ventes.
"Si les détaillants ne codent pas les choses correctement, cela peut causer un tas de problèmes", a fait remarquer une marque de produits de consommation. "Par exemple, nous avons vu des gens qui abrégeaient les choses, certaines personnes mettent un point final, Certaines personnes ne le font pas. S'il n'y a pas de cohérence dans la façon dont il est codé, cela crée beaucoup de problèmes dans les données".
Erreur humaine
L'erreur humaine joue naturellement un rôle majeur dans qualite des donnees. L'impact de l'erreur humaine est multiplié pour tout processus qui est généralement automatisé mais qui nécessite occasionnel l'intervention humaine, par exemple si un article n'est pas scanné et qu'un associé du magasin doit plutôt entrer un code manuellement pour traiter un achat.
"Quelqu'un peut ne pas classer quelque chose correctement, il peut ne pas saisir quelque chose correctement", le fabricant emphasized. "Les codes peuvent ne pas être écrits correctement. Ce sont les deux principales causes de mauvaises données : l'erreur humaine et l'erreur d'échantillonnage".
La règle du 1-10-100
Quel est le coût de la pauvreté qualite des donnees? Selon la cause, les effets peuvent être ressentis de différentes manières.
C'est ce qui est le mieux illustré par la règle du 1-10-100créé par Yu Sang Chang et George Labovitz au début des années 1990. La règle 1-10-100 répartit succinctement le coût des mauvaises données en trois étapes essentielles : la prévention, la correction et l'échec.
Prévention
La prévention coûte 1 $ dans la règle 1-10-100. Il ne coûte qu'un dollar pour valider les données et s'assurer de leur exactitude au moment de la collecte. Cela représente à la fois du temps et de l'argent : il est plus rapide, plus facile et moins coûteux de vérifier l'exactitude des données immédiatement que d'attendre.
Remédiation
Il en coûte 10 dollars pour régler les problèmes de qualité des données à une date ultérieure. Dans la règle 1-10-100, la remédiation coûte 10 fois plus que la prévention ou 10 $ dans cet exemple. Les employés seront chargés d'identifier les mauvaises données, de les supprimer ou de les remplacer. Les décisions de votre entreprise seront mises en suspens jusqu'à ce que des données exactes soient acquis, ou les décisions passées seront remises en question après avoir été fondées sur des données insuffisantes.
Échec
Il en coûte 100 dollars pour ne rien faire contre les mauvaises données, soit 100 fois plus que la prévention. Ynotre entreprise est un château de cartes sans que des systèmes soient mis en place pour en assurer l'exactitude. Ce n'est qu'une question de temps avant que les recettes et les bénéfices ne diminuent, que les clients ne perdent confiance, que les employés ne soient frustrés et que le chiffre d'affaires n'augmente. Tout cela parce qu'aucun effort n'a été fait pour empêcher que de mauvaises données ne s'infiltrent dans votre organisation.
Le coût des mauvaises données
De mauvaises données peuvent avoir un impact majeur ou mineur, mais quoi qu'il en soit, elles influence votre organisation.
Coûts monétaires inconnus
L'un des coûts les plus importants des mauvaises données est financier, mais le problème des pertes liées à la qualité des données est qu'elles sont difficiles à quantifier. Les données sont utilisées dans toutes les facettes de votre organisation, donc fonctionner avec de mauvaises données impacts de nombreuses personnes et de nombreux services. Une décision prise il y a un an ou plus peut encore avoir des répercussions sur les opérations d'aujourd'hui.
"Vous pourriez ne parler que de quelques milliers de dollars, ou vous pourriez parler de dizaines de millions de dollars", a déclaré une entreprise d'aliments emballés à Wiser. "Le coût peut être nul ou nul, selon le montant de l'investissement.
Temps et ressources
La phase de remédiation de la règle 1-10-100 est de retour. Les mauvaises données entraînent directement une perte de temps et ressources au sein de votre organisation afin de résoudre ces problèmes. Vous devrez passer du temps à valider les données existantes et à corriger les erreurs, ce qui peut prendre des jours, des semaines ou des mois selon la quantité de données en question.
"Si les données étaient erronées et que la marque trouvait un écho auprès d'un groupe complètement différent, alors vous aurez simplement mal orienté tous ces médias et tout ce marketing, les messages et les communications, vers le mauvais groupe de personnes avec les mauvais messages", selon une marque de boisson.
Perte de crédibilité
Les dirigeants doivent avoir une confiance totale dans les données qui leur sont présentées. Les mauvaises données affaiblir Cette foi, qui entrave la prise de décision, fait perdre aux cadres leur confiance dans la qualité des données de votre organisation.
"Chaque fois qu'il y a de mauvaises données, même si vous les montrez, que vous vous en rendez compte et que vous allez les corriger, cela crée des problèmes de confiance", explique la marque de produits de consommation. "Les gens ne lui font pas autant confiance. À l'avenir, même si vous avez bien fait les choses, ils ne leur feront pas confiance et ils ne prendront pas de décisions sur la base de ces données".
Vous vous inquiétez des mauvaises données ? Rappelez-vous la règle du 1-10-100 : il est bien plus efficace et plus abordable d'identifier et de résoudre les problèmes de qualité des données immédiatement que d'attendre. Ne laissez pas les problèmes couler sous la surface : prenez les choses en main et faites confiance à vos données.
