La data quality e l’impatto sul business

I dieci passi necessari per qualità e l’affidabilità dei dati

by Danette McGilvray

 

Danette McGilvray«Ma a cosa serve la data quality»? E soprattutto «che vantaggi comporta per la mia azienda»? «Non riesco a trovare un significato per la data quality in termini di business».

I top manager della vostra azienda non sono soddisfatti perché non comprendono il valore del lavoro da voi svolto sulla qualità dei dati, e questo costituisce chiaramente un problema, che rende utile dimostrare come la gestione della data quality sia necessaria e soprattutto abbia riflessi concreti sull’azienda.

I decisori vogliono sapere che impatto ha la qualità dei dati sul business e perché è importante. In altre parole, la domanda è: «Che valore c’è nell’avere informazioni di qualità»? Si tratta di domande importanti, anche perché nessuno vuole spendere denaro per qualcosa che non ha valore.

La mia metodologia “Ten steps to quality data and trusted information” (Dieci passi verso la data quality e l’affidabilità dei dati), comprende tecniche di impatto sul business che aiutano a rispondere a queste domande. Utilizzare queste tecniche aiuta a stabilire l’importanza e la rilevanza della qualità dei dati in modo che il management comprenda cosa possono fare con il loro denaro e fornisce input per prendere decisioni informate riguardo un investimento in qualità dei dati.

 

Metodi qualitativi e quantitativi

Le tecniche di impatto sul business comprendono metodi qualitativi e quantitativi che rendono chiaro il valore della data quality. Le tecniche vengono poste su un continuum di tempo e di sforzi relativi necessari per valutare l’impatto di business. Una delle ragioni per cui le tecniche sono posizionate su una timeline è che troppo spesso le persone pensano di non poter fare tutto ciò che riguarda l’impatto sul business perché non hanno il tempo di quantificare appieno il costo dei dati di bassa qualità. Ma era necessario dimostrare che si può valutare l’impatto di business utilizzando altre tecniche che possono essere ugualmente utili, anche se comportano meno tempo e fatica.

Leggi anche:  Qlik tra i leader del Magic Quadrant per Analytics e BI

Analizziamo alcune di queste tecniche più in profondità.

 

Aneddoti

La “Tecnica 1” è una delle più semplici, ma può anche essere una delle più efficaci. Gli aneddoti spiegano i concetti di qualità e di gestione dei dati tramite un racconto. Raccogliere aneddoti e creare racconti da questi aneddoti costituisce la maniera più semplice e a minore costo per valutare l’impatto sul business, e soprattutto può già produrre risultati. I racconti suscitano interesse, e questo fa in modo che gli ascoltatori possano correlare l’impatto della qualità dei dati alle proprie esperienze. Un racconto giusto può esercitare rapidamente una leadership, anche se non contiene dati quantitativi. Ma non solo: questa tecnica può essere utilizzata per spiegare chiaramente e fornire un contesto per i fatti e le cifre di altre tecniche.

 

I cinque perché

Con la “Tecnica 3”, viene modificata una tecnica spesso utilizzata per l’analisi delle cause e viene applicata per arrivare al vero impatto dei problemi di qualità dei dati. In questo processo si prende un problema noto di qualità delle informazioni e si chiede una variazione del “perché” cinque volte fino a quando si arriva all’impatto vero e proprio sul business, entrando più nello specifico ogni volta. Per fare un esempio, si può illustrare questa tecnica rispetto al problema relativo alla scarsa qualità delle informazioni nei report che provengono dal data warehouse.

 

  • Dove si trova il problema della qualità dei dati?
    • Nel report dal data warehouse.
  • In quali report?
    • Nei report settimanali sulle vendite.
  • Come vengono utilizzati i report settimanali sulle vendite?
    • I compensi per i commerciali si basano su questi report.
  • Cosa comporta questo?
    • Se i dati sono sbagliati, i commerciali non si fidano dei loro compensi.
  • Cosa comporta questo?
    • Se i commerciali non si fidano dei compensi, perdono tempo a creare i propri fogli di calcolo e a controllare e ricontrollare le cifre dei compensi. E questo tempo potrebbe essere più proficuamente impiegato nelle attività commerciali per portare fatturato in azienda.

 

Leggi anche:  Visibilità e discovery. Come disegnare metadati e tassonomie

Usando la tecnica dei cinque perché, si è in grado di discutere della scarsa qualità delle informazioni in termini di impatto sui commerciali e sul tempo sottratto ad attività capaci di portare ricavi. E questo è molto più utile rispetto a dire frasi del tipo «il report è sbagliato» oppure «c’è un problema di qualità dei dati».

Come si può vedere, l’intento è semplicemente quello di porre la domanda successiva più approfondita. La domanda può iniziare con «Perché», ma si possono usare «Chi, Cosa, Dove, Quando e Come». Per esempio: «Chi è danneggiato da questo problema di qualità dei dati»? «Quando e dove si verifica il problema»? «Quanto spesso si pone il problema»? Questo processo non dovrebbe essere vissuto come un interrogatorio dalla persona con cui si sta parlando, ma come una conversazione collaborativa in cui coinvolgere ed esplorare insieme l’impatto sul business.

 

Costi/Benefici e Classificazione delle priorità

 La “Tecnica 4” e la “Tecnica 5” contribuiscono a dare priorità alle esigenze di business e a determinare quali devono essere affrontate per prime. Spesso mi sento chiedere: «Danette, stiamo parlando di tecniche di impatto sul business, ma queste sono le tecniche di prioritizzazione. Perché sono state incluse nel discorso»? Ma quando si ordina per priorità un elenco e qualcosa viene classificato al primo posto e qualcos’altro alla decima posizione, che cosa si sta dicendo in realtà? Semplicemente, che tutto ciò che è al primo posto è più importante o ha un impatto superiore rispetto tutto ciò che è in decima posizione. Con la data quality ci viene sempre chiesto di fare di più rispetto alle risorse e al tempo disponibile, pertanto è fondamentale avere buone tecniche per dimostrare l’impatto sul business attraverso le priorità.

Leggi anche:  SAS leader nel Magic Quadrant 2021 for Data Science and Machine Learning Platforms

 

Conclusioni

Tutte le tecniche menzionate qui possono avere successo da sole o in combinazione tra loro. Come si è detto, le tecniche variano sia nei tempi sia nella complessità relativa da valutare. Capire dove si situano nel continuum offre la possibilità di scegliere meglio quelle maggiormente applicabili in qualsiasi situazione, per poi utilizzare le tecniche più valide in base alla quantità di tempo e di risorse che si ha a disposizione, ma sapendo che si può sempre fare qualcosa relativamente all’impatto sul business. L’importanza di essere in grado di mostrare l’impatto sul business non può essere sottolineata abbastanza, dato che è essenziale per ottenere qualsiasi tipo di supporto per la qualità dei dati e delle informazioni, che si tratti di tempo, risorse, denaro o esperienza.

 

Parti di questo articolo contengono materiale dal libro “Executing Data Quality Projects: Ten Steps to Quality Data and Trusted Information” di Danette McGilvray, pubblicato da Morgan Kaufmann Publishers, copyright 2008 Elsevier, Inc.

 

Danette McGilvray

Apprezzata speaker internazionale e autrice di numerosi articoli tecnici su riviste specializzate, Danette McGilvray ha anche scritto l’opera “Executing Data quality Projects: Ten Steps to Quality Data and Trusted Information”, utilizzata in numerose Università e tradotta anche in cinese. Il suo metodo all’information quality, chiamato TenSteps, è impiegato da centinaia di aziende e da migliaia di partecipanti ai suoi workshop. Attualmente è presidente di Granite Falls Consulting, società specializzata in Information Quality e Data Governance, che supporta le aziende a massimizzare il valore dei propri asset informativi.

 

Danette McGilvray presenterà a Roma per Technology Transfer il seminario “La metodologia Ten Steps per la Data Quality” il 12-13 giugno 2014.