Qualidade dos dados

Quais são as causas e os custos de dados ruins no varejo?

1-10-100 Imagem em Destaque da Regra

A construção de um negócio de sucesso requer dados, mas não apenas quaisquer dados: devem ser dados precisos e de alta qualidade. Aconsulta e manutenção de um banco de dados de bens dados não é um feito fácil. Para muitas marcas e varejistas, dados de qualidade podem ser difíceis de serem obtidos e os custos podem se somar rapidamente.

Entretanto, é importante lembrar que o custo de adquirir dados precisos é muito melhor do que o custo de operar com dados ruins. Na verdade, dados ruins podem assumir muitas formas e ter um impacto negativo em sua empresa muito além do custo monetário. valor.

As causas dos dados ruins

Falamos com várias empresas varejistas sobre o que levou a problemas de qualidade de dados para seus negócios. Elas identificaram o seguinte como causas principais de dados ruins:

Comunicação inadequada & Terminologia pouco clara

Todos os seus funcionários se comunicam uns com os outros? Seus departamentos estão em silos ou compartilham informações? Má comunicação, ou comunicação confusa e com terminologia pouco clara, pode facilmente contribuir para a má qualidade dos dados dentro de uma organização.

"Ter um glossário claro e conciso de definições de termos é importante porque pode ser diferente em diferentes negócios", disse um varejista de vestuário ao Wiser. "Se eu disser: 'Quantos clientes compraram uma vez nos últimos seis meses', é seis meses de zero ou de um mês atrás?"

SKUs e Erros de Correspondência Mátegorizados

A forma como os dados são coletados, e se são coletados corretamente, são fatores importantes que contribuem para a má qualidade dos dados. Por exemplo, o preço de um tubo de 5,0 oz de tinta pode ser comparado ao de um tubo de 0,5 oz de tinta da concorrência.

"Uma vez descobrimos que um de nossos maiores motoristas estava mal classificado em um grande país, e isso estava realmente jogando fora dos PDVs", explicou um fabricante. "Sempre que víamos algo que parecia fora do lugar, talvez fora da categoria, ligávamos para o varejista e os avisávamos e pedíamos para corrigi-lo".

Inconsistências de codificação

O produto na prateleira corresponde ao produto em seu sistema? A indústria varejista depende muito da codificação, mas se isso não for exato, pode descartar todos os seus dados de estoque e vendas.

"Se os varejistas não estão codificando as coisas corretamente, isso pode causar uma série de problemas", observou uma marca de produtos de consumo. "Por exemplo, já vimos pessoas que abreviam as coisas, algumas pessoas colocam um ponto final, algumas pessoas não o fazem. Se não há coerência na forma como é codificado, isso cria muitos problemas nos dados".

Erro Humano

O erro humano, naturalmente, desempenha um papel importante na qualidade dos dados. O impacto do erro humano é multiplicado para qualquer processo que é tipicamente automatizado, mas requer ocasional intervenção humana, como se um item não escaneia e um associado da loja deve, em vez disso, inserir um código manualmente para processar uma compra.

"Alguém pode não estar classificando algo corretamente, pode não estar capturando algo corretamente", o fabricante emphasized. "Os códigos podem não estar escritos corretamente". Essas são as duas maiores causas de dados ruins: erro humano e erro de amostragem".

Digitação pessoal no teclado do computador de mesa

A Regra 1-10-100

Qual é o custo da má qualidade dos dados? Dependendo da causa, os efeitos podem ser sentidos de várias maneiras.

Isto é melhor ilustrado pela regra 1-10-100A empresa foi criada por Yu Sang Chang e George Labovitz no início dos anos 90. A regra 1-10-100 decompõe sucintamente o custo de dados ruins em três estágios principais: prevenção, remediação e falha.

Prevenção

A prevenção custa US$ 1 na regra 1-10-100. Custa apenas US$1 para validar os dados e garantir sua exatidão no momento da coleta. Isto se refere tanto ao tempo quanto ao dinheiro: é mais rápido, mais fácil e mais barato verificar a exatidão dos dados imediatamente do que esperar.

Remediação

Custa 10 dólares para resolver problemas de qualidade de dados em uma data posterior. Na regra 1-10-100, a remediação custa 10 vezes mais do que a prevenção ou 10 dólares neste exemplo. Os funcionários serão encarregados de identificar os dados ruins, removendo-os ou substituindo-os. Suas decisões comerciais serão colocadas em espera até que os dados precisos sejam adquirido, ou decisões passadas serão postas em questão depois de serem baseadas em dados pobres.

Falha

Não custa US$ 100 para fazer nada sobre dados ruins, ou 100 vezes mais do que prevenção. Ynosso negócio é um castelo de cartas sem sistemas em vigor para garantir a precisão. É apenas uma questão de tempo até que a receita e os lucros diminuam, os clientes percam a confiança, os funcionários fiquem frustrados e a rotatividade aumente. Tudo isso porque não foi feito nenhum esforço para evitar que dados ruins penetrassem em sua organização.

Pessoa segurando papel na frente do rosto com o rosto triste

Os custos de dados ruins

Dados ruins podem ter um impacto maior ou um impacto menor, mas não importa o que aconteça, eles influência sua organização.

Custos Monetários Desconhecidos

Um dos maiores custos de dados ruins é financeiro, mas o desafio com as perdas relacionadas à qualidade dos dados é que eles são difíceis de quantificar. Os dados são utilizados em todas as facetas de sua organização, operando, portanto, com dados ruins impactos muitas pessoas e departamentos. Uma decisão tomada há um ano ou mais pode ainda ter ramificações nas operações de hoje.

"Você poderia estar falando apenas alguns milhares de dólares, ou poderia estar falando dezenas de milhões de dólares", disse uma empresa de alimentos embalados ao Wiser. "O custo pode estar em qualquer lugar do nada para sua empresa, dependendo apenas do quanto você investiu".

Tempo e recursos

A etapa de remediação da regra 1-10-100 está de volta. Dados ruins levam diretamente ao desperdício de tempo e recursos dentro de sua organização a fim de resolver estes problemas. Você precisará gastar tempo validando dados existentes e remediando erros, o que pode levar dias, semanas ou meses, dependendo da quantidade de dados em questão.

"Se os dados estavam errados e a marca ressoou com um grupo completamente diferente, então você terá apenas direcionado mal toda aquela mídia e todo aquele marketing, as mensagens e as comunicações, para o grupo errado de pessoas com as mensagens erradas", de acordo com uma marca de bebida.

Perda de Credibilidade

A liderança executiva deve ter total confiança nos dados apresentados a eles. Dados ruins enfraquecer que a fé, impede a tomada de decisões e leva os executivos a perderem a confiança na qualidade dos dados em sua organização.

"Sempre que há dados ruins, mesmo que você os mostre e perceba e vá corrigi-los, isso cria problemas de confiança", explicou a marca de produtos de consumo. "As pessoas não confiam tanto nisso. No futuro, mesmo que você acerte, elas não confiarão e não tomarão decisões com base nisso".

Você está preocupado com dados ruins? Lembre-se da regra 1-10-100: é muito mais eficaz e acessível identificar e corrigir problemas de qualidade de dados imediatamente do que esperar. Não deixe os problemas ferverem sob a superfície: assuma o controle e tenha confiança em seus dados.

Ilustração de maquete de notebook

Melhores decisões só podem vir de dados melhores.

Contate-nos hoje
CTA Decoração Imagem 1 CTA Decoração Imagem 2