Qualità dei dati vs. analisi dei dati - È possibile avere entrambe le cose

I dati perfetti

I professionisti della finanza di tutte le organizzazioni orientate alla crescita mi dicono quanto sia importante per loro avere dati "perfetti". La lotta continua per raggiungere e mantenere il livello necessario di qualità dei dati li tiene svegli la notte. Di fatto, fa sì che anche le organizzazioni più lungimiranti mettano da parte gli investimenti nell'analisi dei dati. L'argomentazione è la seguente: "Devo avere dati perfetti prima di cercare modi per ottimizzare la nostra analisi dei dati".

Tuttavia, questo approccio mantiene le organizzazioni bloccate in un ciclo in cui i dati perfetti sono irraggiungibili. Ecco perché: la verità è che i criteri alla base della ricerca dei dati "perfetti" da parte di un'organizzazione variano notevolmente. Ad esempio, quando un'organizzazione si trova a dover lanciare un prodotto molto pubblico, è fondamentale poter riferire sul numero iniziale di unità vendute. Di conseguenza, i dati perfetti sono definiti in gran parte come "rapidamente accessibili". Al contrario, se un'organizzazione si sta preparando a una fusione, la raccolta di informazioni da tutti i reparti e le sedi assumerà un ruolo di primo piano. In questo caso, la "completezza" ha un ruolo importante nella definizione della qualità dei dati.

In definitiva, anche se ogni organizzazione enfatizza elementi diversi, le organizzazioni fanno maggiore affidamento sui dati quando questi combinano diversi criteri, tra cui: 1) la pertinenza rispetto al contesto; 2) la possibilità di accedervi quando è necessario; 3) la facilità di comprensione; 4) la misura in cui possono essere utilizzati per promuovere azioni significative.

Riconoscere la natura variabile dei dati "perfetti" consente alle organizzazioni di abbracciare l'analisi dei dati senza pensare di dover risolvere tutti i problemi di qualità dei dati. Infatti, uno dei risultati positivi della conduzione di analisi rigorose è rappresentato da dati che si avvicinano maggiormente alla definizione di dati "perfetti" dell'organizzazione. In altre parole, il raggiungimento della qualità dei dati necessaria è una conseguenza dell'analisi dei dati piuttosto che un prerequisito. Di conseguenza, qualsiasi strumento che aiuti a comprendere meglio i dati ne migliora la qualità.