Vi har altid vidst, at succes med CRM, datawarehouse, BI og ERP står og falder med kvaliteten af de data, vi lægger ind i systemerne.
Alligevel vender mange det blinde øje til deres datakvalitet og håber det bedste. Men håb er ikke en strategi. Og uden en strategi kan det nemt blive dyrt.
Data er et strategisk aktiv med en økonomisk værdi og bør behandles som sådan.
Værdien af data falder i takt med, at de forurenes af ukorrekte oplysninger i dine BI, CRM, datawarehouse og andre systemer og dermed gør det vanskeligere at opnå den nødvendige forretningsindsigt.
Hvis du vil være i stand til at styre datakvaliteten, og dermed beskytte et af de vigtigste aktiver din virksomhed har, så begynder det med en veldefineret datamanagement strategi.
Skal strategien lykkes, må den besluttes og ejes på øverste niveau i organisationen.
Og den må tage sit udgangspunkt i en erkendelse af, at datakvalitet ikke (bare) er et it-problem.
Her er fem erfaringsbaserede tips, som kan bidrage til at højne såvel kvaliteten af data som ledelsens opmærksomhed på samme.
1. Erkend at datakvalitet ikke er et it-problem
Mange virksomheder fejler i arbejdet med høj datakvalitet, simpelthen fordi ansvaret ikke er klart placeret, men ligger spredt over flere afdelinger.
Man kan godt feje datakvalitet af banen med, at det alene er et it-problem, men så ville man tage fejl.
Datakvalitet er først og fremmest en udfordring for forretningen. Det er forretningen, der forstår betydningen af data og konsekvenserne af datakvalitet.
Derfor er ansvaret for datakvalitet et fælles ansvar for it og forretningen.
2. Få placeret ansvaret
En del af løsningen er at etablere et tværfagligt datakvalitets team, der er ansvarlig for udformningen og gennemførelsen af datakvalitetsprojektet.
Det er er der heldigvis mange virksomheder, der har indset, og som derfor har etableret en data governance-gruppe med deltagere fra både forretningen og it.
På toppen af dette vælger stadig flere at etablere en egentlig data governance-chef som den overordnede ansvarlige for håndtering af datakvalitet. Det siger sig selv, at jo tættere på topledelsen den data governance-ansvarlige er, jo større er gennemslagskraften.
3. Mål
Hvis du vil vide, om du har succes eller ej med dit projekt, må du have Nogle klare, målbare forretningsmæssige mål for, hvad du forventer af dit projekt.
Med de enorme mængder af data, der flyder gennem virksomhedens systemer, er selv de bedste data governance-politikker ikke i sig selv nok til at sikre datakvalitet.
En af nøglerne til succes er derfor at identificere og prioritere typen og mængden af data, der kræver styring af data - og så opstille klare mål og forventninger.
Selv om det lyder enkelt, er målbare mål fundamentet, der kan betyde forskellen mellem succes og fiasko for dit projekt.
Som eksempler på mål for god datakvalitet kunne nævnes: At reducere faktureringsomkostninger ved at konsolidere kundelister, reduktion af dublerede kundeoplysninger ved at samkøre forskellige versioner af den enkelte kundes trackrekord fra den ene afdeling/filial til den næste, og hvor mange mails, der bliver afvist pga forældede mailinglister.
4. Mål gevinsten
Forbedret datakvalitet giver både hurtige og mere langsigtede fordele - lige fra en øget værdi af kundedata til mere effektiv CRM og mere informerede forretningsmæssige beslutninger.
De virksomheder, der ser den største ROI fra datamanagement-projekter, er dem, der ikke kun måler omkostningerne ved dårlig datakvalitet, men også måler på gevinsterne af en forbedret datakvalitet:
Kortere behandlingstid, reducerede hardware-omkostninger, kortere salgscyklusser, mere præcise analyser, reduceret telemarketing omkostninger, øget afkast på eksisterende investeringer i teknologi (såsom ERP, BI, CRM), større krydssalg mm.
5. Få ledelsen med
Data er et af virksomhedens vigtigste aktiver og arbejdet med at sikre datakvaliteten bør derfor være et strategisk indsatsområde med ledelsens bevågenhed.
Desværre er ikke alle bestyrelser og topledelser endnu nået til den erkendelse.
Men man kan hjælpe erkendelsen på vej med det gode eksempels magt ved at demonstrere, hvordan forbedret datakvalitet kan gavne forretningen.
Det kunne for eksempel være at implementere datamanagement-software i en enkelt afdeling eller forretningsenhed med et præcist identificeret målepunkt, som man erfaringsmæssigt ved er sårbar over for dårlig datakvalitet - for eksempel reduktion af dublerede kundeoplysninger.
En sådan case giver hurtige og påviselige resultater og udgør et stærkt pædagogisk redskab i arbejdet med at kickstarte et datakvalitets initiativ for hele virksomheden. Med den nødvendige støtte fra bestyrelse og topledelse.
Vi er sårbare uden en strategi
I dag forstår de fleste virksomheder, at gode og valide data er grundlaget for drift og vækst.
Uden valide data bliver forretningsprocesserne ineffektive og efterlader virksomheden sårbar over for kundeafgang, skift i efterspørgslen, købsmønstre mm.
Og det er derfor, at datamanegement og sikring af datakvalitet er en overordnet, løbende strategisk indsats, der hører til på øverste niveau i organisationen.
