Posts Tagged ‘adatminőség’

,

What do you do with the bounced e-mails after sending some thousands to your customers?

Every enterprise which stores a mass of data meets the Loch Ness-monster of the data handling which appears from the nothing and you cannot catch it. If the newsletter auto-responder system could cry (or even swear like a trooper), then you have to close your ears which is it worth nothing, because the noise comes through the ear-plug: “this is not a database, this is a dump“.

Why is a clean database important? Because the online marketer cares about the conversion, measures the percentage of the number of buys / sent e-mail and it matters if only 0.1% or 30% does not find the target address and fail to land in the right e-mail account.

Why does so many error arise in the customer database?

Although the (good) online marketer try to solve the subscription form as simple as possible (name and e-mail address), there are many reasons why will be useless the data at the end.

- the customer puts a wrong e-mail address into the form

- a bad name is given – it is important, because in most of the cases the marketing e-mails are personalized

- The provider of the target e-mail address judges the sender address as a spam

- if the customer reaches the level of buying attend, and he gives an erroneous the shipping or billing address

- e-mails are bounding back because of full mail box.

Explanation of the colors:

blue: a better newsletter and auto-responder software can handle these errors – they are syntactical errors

green: to eliminate these errors the owner of the data is also needed, who knows what should be corrected – so an automatism is excluded (they are semantic or content failures).

What can the online marketer do to enhance the data quality?

1. Nothing: It is also a solution, but of course a lot of money can be lost
2. He maintains the database regularly: The maintenance can be done manually, but we all know that most of the online marketers and even their webmaster aren’t bit artists so they can spend 1-2 days to cleansing of the data. A better solution is using a software special for this area, with this the task can be completed within some hours – after the determination of the correction from error patterns. However I must highlight again, do not imagine the whole job so that the customer list is fed in the input and a perfect list will be spit out in 2 hours! It does not work that way. In many cases the decision of the owner of list is needed how to correct some sort of data error.

If you have a question about the maintenance of the customer database then please write a comment or contact me directly through the “contact” menu.

Bookmark It

Hide Sites

Az adatminőség-pokol harmadik köre: a technológiában tivornyázók köre

Dante Poklának harmadik körébe a tivornyázók, torkosok és falánkok kerültek. Az adatminőség-pokol harmadik körébe azok tartoznak, akik a technológiában dőzsölnek, ettol az eszköztől várják az üdvözítő megoldást.

Azonban nem azok a vállalatok az igazi bűnösök, akik felhasználják a különbözo technológiákat ahhoz, hogy a vállalaton belül az elfogadható minőségű adatokkal támogassák az üzleti folyamatokat. Ok áldozatok.

Habár megfontolandó kérdés, hogy a CIO és CEO (műszaki igazgató és a ügyvezető igazgató) mit érdemel, ha bedől egy ügyes (vagy nem elég felkészült?) értékesítőnek, aki elad a vállalatnak egy csodálatos szoftvert, amelyet

• könnyű installálni
• felhasználóbarát kezelőfelülete van
• a tranzakciókat nanomásodpercek alatt elvégzi
• pillanatok alatt felfedezi és az adatminőségi problémákat
• és nem is engedi, hogy az üzleti folyamatokban adathibák keletkezzenek.

Ez a rendszer önmagában nem elég, nem oldja meg a problémákat. A legfontosabb, hogy a vállalaton belül tevékenykedő emberi lények közreműködjenek.

Emberek

Emberek kellenek ahhoz, hogy megfogalmazódjon a gondolat, hogy a vállalat működésében felfedeztek egy problémát, amikor olyan adatokkal kell dolgozni, amely inkább csak hátráltatja a hatékony munkát. Ezt a problémát meg kell valamilyen módon oldani. Felállítanak egy csoportot, amely az üzleti oldalról az adatok tulajdonosai, használói vannak, az IT oldalról azok, akik a folyamatokat biztosítják.

Le kell győzniük a félelmet, hogy a esetleg blamálódnak a hibák okozása vagy sikertelen kijavítása miatt. Figyelembe kell venni az emberi faktort, mert emberek fognak részt venni projektben, és az ő sikerük fogja meghatározni az egész projekt sikerét, nem a használt technológia maga.

Folyamatok

Az üzleti folyamatokban áramló adatok karakteriszitkája vállalatról vállalatra különbözik. Sot ugyanabban a vállalatban a különbözo funkcionális egységekben is mások lehetnek az adatminőségi követelmények. Más üzleti szabályok érvenyesülnek a különbözo projektekben is. Ezeket tehát figyelembe kell venni, amikor meghatározzák a hatékony módszertant, amely segít sikeresen véghezvinni az adatminőség javításhoz létrehozott projektet. A legjobb módszer maximalizálja a ráfordított idő- és költségkeretet.

Technológia

Végre. Talán megkönnyebbülsz, hogy a hatékony technológia is szükséges a célok eléréséhez. Konkrét megoldásokat most nem említek ebben a bejegyzésben, mert általánosan megfogalmazott problémára nem lehet konkrét, kiragadott megoldást megemlíteni. Létezik open source és nagyvállalatok számára rendkívül komplex és drága technológia is.

Összefoglalva komplex problémákra nem létezik gyors és egyszeru megoldás. Nincsen varázspirula technológiai megoldás (válaszd a kéket vagy pirosat), és nem is lesz. Egy szervezet útkeresése az adatminőségi problémák megoldására csak akkor lesz sikeres, ha egy emberek alkotta motivált csoport a helyes módszertant alkalmazva felhasználja a legjobb technológia nyújtotta lehetoségeket.

Ez a bejegyzés az “Adatminőség-pokol 9 köre” sorozat 4. része volt.

Bookmark It

Hide Sites

Ez a bejegyzés az “Adatminőség-pokol 9 köre” sorozat 3. része. Korábbi bejegyzések: itt és itt.

Cégtulajdonosok, adatkezelők figyelem!

Megérne egy kérdést, hogy mit tart a vállalkozásában vagy a saját területén a legnagyobb értéknek. Talán az emberi erőforrásokat? Gépeket, eszközöket? Kapcsolatokat? Esetleg az információt, amelyet adat formájában az adatbázisban tárol?

Ha az utóbbi, akkor érdemes elgondolkodni, hogy mit tesz meg azért, hogy ez a legnagyobb érték az is maradjon. Az első gondolat természetesen az, hogy rendszeresen biztonságba helyezi az adatokat (biztonsági mentések formájában), de ezzel most itt nem foglalkozunk. A következő lépés az, hogy ne szemétkupacban kelljen turkálnia, ha valamilyen információt elő szeretne bányászni az adatbázisaiból. Ha úgy gondolja, hogy ez is fontos, akkor nyomjon meg gombot a következő szavazásban:

Ha az első gombot nyomta meg, akkor mindenképpen olvasson tovább! Hacsak nem Ön agya az IBM Blue Gene szuperszámítógép klónozott változata. Ha más gombot nyomott meg, akkor is olvasson tovább, mivel megoldásokat találhat a HOGYAN-ról.

Ha idáig eljutott az olvasásban, akkor csak az tudom mondani, hogy “Gratulálok! Ön kezdi megérteni, hogy az adatminőség biztosítása fontos helyen szerepel az üzlet továbbfejlődésében. ”

Rendben, mit fog akkor csinálni, hogyan fogja megoldani a problémát?

Thomas Redman a Data Driven: Profiting from Your Most Important Business Asset (Adatvezérlés: profitálás a legfontosabb üzleti vagyonból) című könyvében egy analógiát használ, amit úgy hív, hogy adatminőség-tó.

“A tó reprezentálja az adatbázist és a víz a benne levő adatokat. Az áramlás, amely új vizeket hoz a tóba, olyan üzleti folyamatok, amelyek új adatot hoznak az adatbázisba. A víz szennyezett, mint ahogy az adatok is tartalmaznak szemetet. Hasonlóan a hiányosságok az üzleti folyamatban hibákat generálnak az adatbázisban.

Az egyik út a víz minőségének javítására a víz tisztítása. Vagyis szurok beépítése, a víz átfolyatása speciálisan tervezett tartályokon, kémiai anyagok használata a baktériumok megölésére és a PH-érték beállítására.

Az alternatíva a vízszennyeződés csökkentésére a gyárak szennyeződéskibocsátásának redukálása.

A kontraszt a két megközelítésben igen erős. Az első esetben maga a tó van a fókuszban, a második esetben a tóba ömlő áramlás. Hasonló a képlet az adatok esetében. A hibák megtalálása és kijavítása az adatbázisban olyan adatokon, amelyek már léteznek. A hibák megelőzése az üzleti folyamatokra és a jövőben keletkező adatokra koncentrál.”

Reaktív adatminőség

Abban az esetben, amikor a feladat a hibák megtalálása és korrigálása az operatív adattárban (operative data store – ODS) és a adattárházban (enterprise data warehouse – EDW) vagy más vállalati adattárban, akkor a vállalat reagál a felmerült problémára.  Más szóval a hibák javítása azután történik, miután az adatbázisba kerültek már az adatok.

Proaktív adatminőség

Ha a vállalat a megelőzésre fordít figyelmet, vagyis a hibák kijavítása már az adatforrásból jövő adatok adatbázisba kerülés előtt megtörténik, akkor a vállalat proaktívan áll a kérdéshez. Thomas Redman felállít egy tizes szabályt a proaktív adatminoség leírásakor, mely szerint:

“Tízszer többe kerül az a munkaegység, amely a hibás input adatok (pl. késői, hiányos, inkorrekt) kijavítására irányul, mint az a munka, ha input adatok tökéletesen kerülnek az adatbázisba“‘.

Nyilvánvalóan lehetetlen a hibák tökéletes megelőzése, azonban minél nagyobb a bejövő adatok kontrollja, annál nagyobb az adatok minősége a vállalatok információs rendszerben.

Hiperaktív adatminőség

Mivel a legtöbb komplex probléma nem oldható meg gyorsan és könnyen, a legjobb megoldás a kétfajta adatminőség-biztosítás kombinálása. Jim Harris ezt hiperaktív adatminőségnek hívja. A lényege, hogy az adatminőség biztosítása egy vállalat mindennapi feladata kell hogy legyen.

Bookmark It

Hide Sites

Az adatminőség-pokol 9 köre – a közönyösek köre

Kinek a feladata az adatminőség biztosítása?

Kik a legfobb közönyösek, akik megérdemlik az elso kört? Maguk a vállalatok, ahol esetleg már realizálódott, hogy órákat vesztegetnek el naponta azzal, hogy a megfelelo adatokat elobányásszák az adatbázisból, holott elvileg néhány másodpercen belül rendelkezésre kell állnia. Itt nem arra gondolok, hogy lassú az alkalmazás, vagy a hálózati kapcsolat a felhasználó számítógépe és az adatbázis között, hanem hogy rossz adatok jelennek meg. A rossz adatot nem lehet az ajánlatra vagy számlára írni, hanem előtte ki kell javítani, vagy esetleg más módon előállítani a kívánt dokumentumot.

De vajon költenek-e a vállalatok a mai gazdasági klímában egy új projektre, ahol amelynek az a feladata, hogy az adatminőséget biztosítsák, és az a célja, hogy rengeteg időt és pénzt spóroljanak meg azzal, hogy a helyes adatok rögtön rendelkezésre állnak. Azok költenek arra, amely cégeknek a gyenge adatminőség miatt elvesztegetett idő már fáj. És jobban fáj, mint az adatminőség biztosítására, adattisztításra fordított összeg.

Hogy milyen módozatok vannak arra, hogy egy vállalatnál elérjük a kívánt minőséget, arról egy későbbi bejegyzésben írok.

De, például a Drótkerítésgyártó Vállalat úgy döntött, hogy befektet, és optimalizálja a költségeit adatminőség szempontból is. De ki fogja elvégezni a munkát? Az IT részleg, vagy az üzleti részleg?

Az adatminőség biztosítása az IT feladata

Az első gondolat az, hogy az informatikai részleg, mert az információ az adatbázisban van tárolva, és az alkalmazások amelyek menedzselik az adatok elérését/módosítását. Ezért, ha probléma van az adatokkal, akkor az informatikusoknak kell megoldani a helyzetet.

Aki így gondolja, az töltse le az adatmigrációról szóló tanulmányomat, amely az adatminőség témának a testvérterülete.

Nyilván egy informatikus nem fogja tudni eldönteni, hogy az ügyfél Kovács József azért van kétszer az adatbázisban, mert véletlenül kétszer vették fel az adatait, vagy azért, mert két Kovács József nevű ügyfél van. Ha az informatikus dönti el, hogy mit lehet változtatni az adatbázisban, akkor könnyen lehet, hogy nagyobb károk keletkeznek, mintha hagyták volna az adatokat békén. Mert második Kovács József a vállalat legfőbb kliense, drótkerítés-nagykereskedő, és éppen őt törölték ki az adatbázisból…

Az adatminőség biztosítása az üzleti folyamatokhoz értők feladata

Vagyis az adatminőség biztosítása az üzleti részleg feladata, mert az adatok az üzleti folyamatok során képződnek, és a felhasználók azok, akik menedzselik a feladatokat, és ha problémák vannak az adatokkal, akkor az ő felelősségük az elrontott adatok tisztítása és helyretétele.

A megoldás tehát, hogy A Drótkerítésgyártó Vállalat vezetése kijelöl egy titkárnot és egy értékesítésen dolgozó szakembert, együtt összeülnek és 2 hét alatt kiszedik az összes szemetet az adatbázisból. Ebben az esetben lehetséges, hogy az értékesíto kivonása miatt akkora bevételtől esett el a Drótkerítésgyártó Vállalat, hogy jobb lett volna inkább az adatokat békén hagyni. Mert elvesztették a német Joseph Schmidt drótkerítés-nagykereskedőt, aki 30%-kal több megrendelést biztosított volna a vállalatnak.

Vagyis?

Az adatminőség biztosítása mindenki feladata

A sikertelen adatminőség-projektekre az a jellemző, hogy az üzleti részleg függetlenül definiálja a követelményeket és az IT részleg függetlenül írja meg a specifikációt. Ezután hipp-hopp elvégzi a “kódolás, tesztelés, leadás és a “kész van!” győzelmi felkiáltás lépéseit, ezáltal az üzleti részleget meghagyva a “megoldás” frusztrációjában.

A sikeres adatminőség-projektet az jellemzi, hogy egy központilag menedzsment megbízott összeforrasztja az IT és üzleti részleget egy iteratív sikeres projektté. Ebben az üzleti részleg birtokolja az adatokat, és érti, hogy milyen jelentősége van a mindennapi üzleti folyamatokban, az IT részleg pedig definiálja a szükséges adatminőségi normákat és folyamatokat.

Bookmark It

Hide Sites