Vad är datakvalitet? Del 3

Hur säkerställer vi vår datakvalitet?

Detta är en ständigt närvarande diskussionspunkt i många bolag, oavsett avdelning eller arbetsuppgifter. Kvaliteten på er data kan utvärderas utifrån många variabler, vi har redan gått igenom korrekt och komplett data.

• Accessible
• Relevant
• Comparable
• Valid
• Accuracy
• Completeness
• Reliablity
• Consistency
• Current

Utifrån dessa kommer vi att rekommendera ett urval av aktiviteter, både manuella och systemdrivna, som kan hjälpa er att utvärdera och förbättra er datakvalitet.

Reliable, tillförlitlig data

Att ha tillgång till tillförlitlig data är i många fall avgörande för företaget. Litar inte medarbetare och beslutsfattare på informationen som finns i verksamhetens system, så slutar man använda den information som är tillgänglig och som ofta samlats under lång tid. Bristen på tilltro kan även medföra flera felkällor i form av att egna analyser görs vid sidan av de verktyg som redan finns på plats, i exempelvis Excel. En bidragande orsak till bristande tillförlitlighet kan vara att processer för att säkerställa datan saknas eller behöver utvärderas.

Consistent, konsekvent data

En annan parameter för att bestämma datakvalitet är data consistency. Om verksamheten är beroende av flera datakällor uppstår det ofta avvikelser, exempelvis olika enheter, valutor eller att datum har olika format, vilket försvårar konsolidering av informationen mellan systemen.

Konsolidera och Standardisera datapunkter

Att använda en datawarehouse-lösning för samla alla data på ett ställe är en bra början, men man måste också införa automatiska kontroller av att alla parametrar för datakvalitet även uppfylls, helst automatiskt med hjäp av smarta lösningar som DataCheck.

KIdentifiera nycklar

Hitta likheter och mönster i datapunkter som är jämförbara och som gör att de kan kombineras med annan data, exempelvis kombinera ordernummer med artikelnummer och faktura/betalningsdokument för att se försäljningsmönster eller inköpskvantiteter för individuella produkter.

Sammanfattning

Att sträva efter en god datakvalitet ska vara en grund i de arbetsprocesser som är dataintensiva. Använd verktyg för automatiska kontroller av de datapunkter som är viktiga för verksamheten exempelvis: belopp, datum och valutakonvertering.

Hur mycket litar ni på er egen data? Har ni de verktyg ni behöver för att visualisera och analysera er verksamhet?

Är du nyfiken på hur Business Cloud iPaaS kan hjälpa ert företag med integration och datakvalitet? Kontakta mig nedan eller boka en demo så berättar jag mer. 

Staffan Hedbrandh, vd