5 tips på hur du förbättrar din datakvalitet

Datakvalitet spelar större roll än du tror, även för företagets resultat. Här får du tips på hur du städar upp och får ordning på din data.

Data Management

Du har säkert varit med om att ringa till kundtjänsten på ditt telefonbolag, försäkringsbolag eller bolåneinstitut för att mötas av en robotröst som ber dig att trycka in ditt personnummer. Bara för att sedan behöva uppge det en gång till när du väl kopplas till en medarbetare, eftersom det inte har dykt upp på hennes skärm. Eller har det kanske hänt att du köpt en produkt på nätet och strax därefter fått e-post från företaget ifråga med reklam för just den produkt du precis har beställt?

Dålig datakvalitet 
Dessa misstag kan vara irriterande för kunderna, men ofta är de dessutom symptom på betydligt allvarligare problem inom verksamheten. Alltför många företag har nämligen problem med dålig datakvalitet gällande kunder, varor, leveranser eller betalningar. 

Några vanliga typer är felaktig data (ett födelsedatum som har skrivits in på fel sätt i systemet så att någon som är 43 år ser ut att vara 143 år), missvisande data (någon som bor på Drottninggatan, men det är Drottninggatan i Uppsala och inte i Stockholm), inkonsekventa data (ett företag har flera databaser och i den ena är en person registrerad som Maria Johansson, men i den andra står hon införd som Anna-Maria Johansson) och ointegrerade data (de båda databaserna är inte integrerade, så Maria Johansson och Anna-Maria Johansson har var sitt kundnummer och företaget vet inte att det är en och samma person).

Åtta av tio företag berörs
Felaktig data kan bero på en mängd olika orsaker, men de vanligaste är bristfällig styrning, otillräcklig standardisering av processer och bristande samordning av tekniska plattformar. I fjol gick it-tjänsteföretaget EG igenom ett stort antal Microsoft Dynamics AX-system på fler än hundra verksamheter i Danmark, Norge, Sverige och USA. Åtta av tio bolag hade då felaktiga eller ”döda” data som skapade prestandaproblem eller till och med orsakade nertid. Dålig datakvalitet går inte bara ut över systemets prestanda, utan hindrar också medarbetarna från att använda systemet på ett effektivt sätt. Det skapar en ond cirkel och leder till att problemen förvärras.

Kan leda till ekonomisk katastrof
Att varor inte levereras till rätt person eller att rätt kund får fel vara kan förstås slå mot resultatet. Men felaktiga data kan även få andra konsekvenser som kan bli väldigt kostsamma för företaget. Först och främst kan dålig datakvalitet göra att det inte går att uppgradera  affärssystemet. Drömmen om att gå till molnet med Dynamics 365 kan alltså snabbt förvandlas till en mardröm som går ut på att rädda resterna av din befintliga Microsoft Dynamics AX-installation.

Sedan har vi förstås hela compliancebiten, häribland kostnaderna (ekonomiska och eventuellt även juridiska) för att lämna felaktiga uppgifter till ägare, myndigheter och andra intressenter. En risk som verklig om du inte har ordning på din grunddata. Din verksamhet måste kunna klara av en it-revision, annars har du anledning att oroa dig.

Sist men inte minst har vi EU:s nya dataskyddsförordning med en rad stränga krav på hur företag ska hantera kunddata. Brott mot den kan i värsta fall leda till böter på fyra procent av företagets globala årsomsättning. Har du råd att bryta mot förordningens strikta bestämmelser om dataradering?

Hantera problemet på en gång 
Om du inte har ordning på din data är det inte bara ett it-problem, utan ett affärsproblem. Det blir tydligt när man tittar på de potentiella ekonomiska och juridiska konsekvenserna av datafel. Alltså är hanteringen av problemet också ett strategiskt affärsbeslut.

Därför krävs ett systematiskt tillvägagångssätt som förstås måste anpassas till verksamheten men som skulle kunna bestå av följande fem steg:

#1: Bedömning
Det är viktigt att först ta reda på hur problemet ser ut. Du ska inte bara analysera din data, utan också alla arbetsprocesser i samband med att ny data läggs in i systemet. Därefter skapar du en överblick över tänkbara och nödvändiga felkorrigeringar och förbättringar.

#2: Planering
I nästa steg analyserar du förbättringarna för att veta vad du ska prioritera. Du avsätter resurser till de viktigaste uppgifterna och beslutar vilka korrigeringar du ska avstå från, antingen för att den förväntade effekten är för liten eller för att de i praktiken är omöjliga att genomföra.

#3: Implementering
När du ska implementera omfattande korrigeringar av datafel är det många intressenter som måste vara delaktiga. Förutom it-avdelningens datakvalitetsansvariga ska även utvecklarna som sköter affärssystemet och andra närliggande system involveras. Hela organisationen, i synnerhet ledningen, har dessutom också ett ansvar för att undanröja felkällor framöver.

#4: Utvärdering
Ibland kan det vara svårt att lyfta blicken och se helheten. Nya fel kan också uppstå under det omfattande arbetet med att förbättra datakvaliteten. Därför är det väldigt viktigt att följa upp med en utvärdering där systemets prestanda noga övervakas. Efter utvärderingen görs eventuella justeringar.

#5: Utbildning
Har alla medarbetare fått information om nya regler och arbetsprocesser som berör datakvalitet? Ibland räcker det med information på intranätet, men andra gånger kan det behövas kurser.

Källa: APQC, Informit