Blogg: Dårlige data kan knekke virksomheten

Datakvalitet betyr mer enn du kanskje tror. Også for inntjeningen. Her kan du lese hvordan du får ryddet opp og kommet deg inn på riktig dataspor!

Data Management

Har du opplevd det? Du ringer til kundeservice hos telefon- eller forsikringsselskapet ditt og en robotstemme ber deg taste inn personnummer. Deretter blir du satt over til en medarbeider som ber deg oppgi nummeret på nytt fordi vedkommende ikke har fått det opp på dataskjermen.
Eller du har kjøpt et produkt på nett.

Deretter begynner du å motta epost fra firmaet med reklame for produktet du nettopp har kjøpt.

Dårlige data

Slike ting kan være utrolig irriterende for kunden og er ofte et symptom på et langt større problem hos bedriften. Altfor mange virksomheter har nemlig et problem med såkalte dårlige data, som vil si at data vedrørende kunder, varer, leveranser, betalinger og lignende er befengt med feil.

Blant de vanligste feilene er falske data (fødselsdatoen til en person er tastet feil inn i systemet, slik at vedkommende fremstår som 143 år gammel i stedet for 43), misvisende data (personen bor i Kirkegaten, men det er Kirkegaten i Bergen og ikke i Fredrikstad), inkonsekvente data (et firma har flere databaser, og i den ene står en person registrert som Marie Jensen mens hun i den andre er oppført som Marie-Louise Jensen) og ikke-integrerte data (de to databasene ovenfor er ikke integrert med hverandre, slik at Marie Jensen og Marie-Louise Jensen opptrer med to forskjellige kundenumre og virksomheten vet ikke at det dreier seg om én og samme person).

Åtte av ti virksomheter

Det kan være mange årsaker til dårlige data, men det skyldes gjerne mangelfull styring, manglende standardisering av prosesser og forskjellige teknologiske plattformer som ikke kommuniserer med hverandre. 

Da EG i fjor gjennomgikk et stort antall Microsoft Dynamics AX-systemer i mer enn 100 virksomheter i Danmark, Norge, Sverige og USA, kunne vi åtte av ti ganger konstatere "skitne" eller døde data som medførte problemer med systemytelsen samt nedetid. De dårlige dataene hindrer også medarbeiderne i å bruke systemet effektivt. Bedriften er kommet inn i en ond sirkel med stadig voksende problemer.

Kan bety økonomisk katastrofe

I tillegg til at bunnlinjen lider når varer ikke blir levert til riktig person eller riktig person får feil vare, kan dårlig datakvalitet få en rekke andre svært kostbare konsekvenser for virksomheten. I verste fall kan dårlige data gjøre det umulig å oppgradere til nyere versjoner av virksomhetens ERP-system. Drømmen om å gå i skyen med Dynamics 365 kan derfor fort bli et mareritt som til slutt strander i å redde stumpene av den eksisterende AX-installasjonen.

Deretter har vi naturligvis hele compliance-aspektet, deriblant kostnader (økonomiske og muligens også juridiske) knyttet til feilrapportering til eiere, myndigheter og øvrige interessenter. Noe som er en svært realistisk risiko hvis du ikke har kontroll over stamdataene. Virksomheten må kunne klare en IT-revisjon, ellers lurer du deg selv om du sover godt om natten.

På toppen kommer EUs nye personvernlov, som omfatter en rekke strenge krav til hvordan virksomheter skal håndtere sine kundedata. Overtredelser kan i verste fall medføre bøter på opptil 4 prosent av en virksomhets årlige globale omsetning. Har du råd til det bare fordi du ikke har overholdt lovens strenge regler vedrørende sletting?

Tid for handling

Har du ikke kontroll over virksomhetens data, er det et forretningsproblem – ikke bare et IT-problem. Det burde i hvert fall bli klart når man tar i betraktning de potensielle økonomiske og juridiske konsekvensene av datafeil. Ergo bør det også være en strategisk, forretningsmessig beslutning å gjøre noe med problemet.

Forbedring av datakvalitetet krever en systematisk tilnærming som må tilpasses den enkelte virksomhet. Den kan kan for eksempel arte seg som følgende fempunktsplan:

1. Utgangspunkt

Du må kjenne omfanget av problemet. Du bør ikke bare analysere dataene, men også alle prosesser knyttet til opprettelsen av nye data i systemet. Denne fasen må avsluttes med en oversikt over nødvendige og mulige feilrettinger og forbedringer.

2. Planlegging

Når du har fått oversikten, må du analysere hvilke forbedringer som skal prioriteres. Du må sette av ressurser til de viktigste oppgavene og bør samtidig bestemme hvilke feilrettinger som ikke skal forfølges – enten fordi gevinsten blir for liten eller fordi rettingene i praksis ikke kan gjennomføres.

3. Implementering

Mange ansatte i virksomheten som må involveres i omfattende rettinger av datafeil. I tillegg til de ansvarlige for datakvaliteten i IT-avdelingen skal også personene som vedlikeholder og utvikler ERP-systemet og beslektede systemer trekkes inn, og hele forretningen, og særlig ledelsen, har et ansvar for å eliminere fremtidige feilkilder.

4. Evaluering

Taktikken kan skygge for oversikten, og kanskje oppstår det nye feil underveis i den omfattende prosessen med å rette opp datakvaliteten. Derfor er det viktig å foreta en evaluering i etterkant, der systemets ytelses overvåkes nøye. Deretter må det utføres eventuelle justeringer.

5. Opplæring

Er alle medarbeiderne underrettet om nye regler og rutiner knyttet til datakvalitet? Kanskje er det tilstrekkelig å informere via virksomhetens intranett, men kurs og undervisning kan også være påkrevd.

Kilde: APQC, Informit

Annonse
Annonse