Tietojen laadunhallinta

Tarkat analyysit ja oikeat päätökset puhtaiden tietojen ansiosta

Mitä ovat tietojen laatu ja tietojen laadunhallinta?

Tietojen laatu on subjektiivinen käsite, joka on määriteltävä kunkin yrityksen osalta erikseen. Se kattaa kaikki tietokannan ominaisuudet, joiden avulla käyttäjien vaatimukset täytetään.
Tietojen laadunhallinta kattaa kaikki prosessit ja toimenpiteet, joiden tarkoituksena on varmistaa korkea tietojen laatu. Siihen sisältyy tietojen tunnistaminen, puhdistaminen ja saataville asettaminen.

Tietojen heikon laadun tärkeimmät syyt

Tiedot eivät ole koskaan 100-prosenttisesti puhtaita ja täydellisiä. Tämä voi johtua siitä, että tiedot saapuvat yritykseen eri reittejä pitkin. Tämän vuoksi ne voivat olla vanhentuneita, päällekkäisiä tai epäjohdonmukaisia. Jotta tietojen laatu olisi mahdollisimman korkea, on hyödyllistä tuntea tärkeimmät syyt virheellisiin tietoihin. Näin voit välttää huonon tietolaadun jo ennalta. Tärkeimmät syyt ovat seuraavat:

• Manuaalinen tietojen syöttö: Monissa yrityksissä tietoja syötetään manuaalisesti. Tämä on kuitenkin erittäin virhealtista. Tiedot voidaan syöttää väärään kohtaan tai väärässä muodossa, ja kirjoitusvirhe tai numeroiden sekoittuminen tapahtuu helposti.
• Tietojen muuntaminen: Kun tietoja siirretään yhdestä tallennuspaikasta toiseen, tietoja voi vahingossa kadota tai muuttua. Tämä voi johtua esimerkiksi siitä, että tiedot on tallennettu eri muodoissa tai että tietorakenne on erilainen.
• Reaaliaikaiset päivitykset: Hyvien päätösten tekemiseksi on tärkeää käyttää aina ajantasaisia tietoja. Tässäkin voi kuitenkin syntyä virheitä, jos yksittäisiä tietueita ei ole vielä päivitetty analyysin ajankohtana tai jos tietojen tarkistamiseen ei ole ollut vielä riittävästi aikaa.
• Tietojen yhdistäminen: Jos tietoja on yhdistettävä, esimerkiksi konsolidointien, yritysfuusioiden tai järjestelmämuutosten yhteydessä, voi syntyä virheitä, kuten virheellisiä tiedostomuotoja, päällekkäisyyksiä ja ristiriitoja.
• Järjestelmän päivitykset: Ohjelmistojen toistuvat päivitykset tai versiopäivitykset voivat myös aiheuttaa virheitä, sillä niiden yhteydessä tiedot voivat hävitä tai vahingoittua.
• Satunnainen tietojen kerääminen: Usein yritykset keräävät kaikki syntyvät tiedot. Tässä on tiettyä potentiaalia, sillä tietoja saatetaan tarvita tulevaisuudessa. Se kuitenkin vaikeuttaa laadunvarmistusta ja tietojen analysointia. Siksi tulisi tallentaa mahdollisimman paljon vain niitä tietoja, joita todella tarvitaan.

Mistä tietojen laadun voi määrittää? Kriteerit

Erilaiset kriteerit osoittavat, kuinka laadukkaita tiedot ovat ja soveltuvatko ne tiettyyn tehtävään.

• Täydellisyys: Ovatko kaikki tarvittavat tietueet täydellisiä?
  Puutteelliset tiedot eivät välttämättä ole lainkaan tai ovat vain osittain käyttökelpoisia. Siksi on varmistettava, että tietue sisältää kaikki tarvittavat attribuutit ja että attribuutit puolestaan sisältävät kaikki tarvittavat tiedot.
• Merkittävyys: Ovatko kaikki suunniteltuihin tarkoituksiin tarvittavat tiedot saatavilla?
  Kaikki kerätyt tiedot eivät ole merkityksellisiä käyttötarkoituksesi kannalta. Siksi tietoja tulisi kerätä harkitusti, jotta kerätään vain tarvittava määrä tietoja. Tämä koskee erityisesti asiakastietoja, jotka kuuluvat tietosuojan piiriin.
• Tarkkuus: Ovatko kerätyt tiedot oikeita ja esitetty vaaditulla tavalla?
  Kun keräät tietoja, on tärkeää varmistaa, että tiedot ovat oikeita. Samalla niiden tulisi olla riittävän yksityiskohtaisia. Tämä tarkoittaa esimerkiksi sitä, että kaikki tarvittavat desimaalit tulisi tallentaa.
• Ajantasainen: Ovatko tiedot ajan tasalla?
  Yrityksessä syntyy jatkuvasti uutta dataa. Siksi on tärkeää tehdä analyysejä käyttäen ajantasaisinta dataa muutosten tai ongelmien tunnistamiseksi varhaisessa vaiheessa. Käytännössä neuvomme asiakkaitamme usein perustamaan päätöksentekonsa luotettavaan dataan. Tilanteesta riippuen esimerkiksi edellisen päivän datan käyttö voi olla hyödyllistä, koska reaaliaikainen data voi muuttua hyvin nopeasti.
• Luotettavuus: Onko tietojen alkuperä luotettava, eli ovatko tiedot peräisin luotettavista lähteistä?
  Tietueiden alkuperän tulisi olla jäljitettävissä, jotta voidaan arvioida, ovatko tiedot luotettavia.
• Saatavuus ja käytettävyys: Pystyvätkö käyttäjät helposti pääsemään käsiksi tarvitsemiinsa tietoihin? Ovatko ne saatavilla tarvittavassa muodossa?
  Jos esimerkiksi olennaiset tiedot ovat hajallaan eri työkaluissa tai eivät ole oikeassa muodossa, helppo käytettävyys ei aina ole taattu.
• Johdonmukaisuus: Onko tiedoissa ristiriitoja tai päällekkäisyyksiä? Onko epäjohdonmukaisuuksia muiden tietojen kanssa?
  Datan on oltava yksiselitteistä, vailla ristiriitoja itsensä tai muun datan kanssa, vailla päällekkäisyyksiä ja yhdenmukaisesti jäsenneltyä.

Mitä voidaan tehdä korkean tietolaadun varmistamiseksi?

Jotta tietojen laatu pysyisi jatkuvasti korkeana, on ensin määriteltävä, miten niiden laatua voidaan mitata. Sen jälkeen tiedot tulisi analysoida, puhdistaa ja valvoa määriteltyjen kriteerien perusteella. Tämä prosessi tulisi suorittaa säännöllisesti, jotta tietojen laatu pysyy jatkuvasti korkeana ja virhelähteet voidaan poistaa pysyvästi.

1. Määrittele kriteerit

Ensimmäisessä vaiheessa selvitetään, mitä kriteerejä käytetään tietojen laadun mittaamiseen. Tällöin määritellään esimerkiksi, mitä tietoja tarvitaan käyttötarkoituksiisi ja missä muodossa niiden tulisi olla saatavilla.

2. Tietojen profilointi / tietojen analysointi:

Tietojen analysoinnin tarkoituksena on tunnistaa päällekkäiset tiedot, ristiriidat, virheet ja puutteelliset tiedot. Tällä tavoin voidaan mitata tietojen laatua sekä puhdistaa ja päivittää tietoja seuraavissa vaiheissa. Lisäksi tietojen analysointia voidaan käyttää virhelähteiden tunnistamiseen ja siten toimenpiteiden toteuttamiseen, joilla varmistetaan, että havaitut virheet eivät toistu tulevaisuudessa.

3. Datan puhdistus

Tietojen puhdistamisvaiheessa korjataan tietojen analysoinnissa havaitut ongelmat. Toisin sanoen kaksoiskappaleet poistetaan, puutteelliset tiedot täydennetään tai ristiriidat korjataan.

4. Tietojen seuranta:

Olemassa olevat ja uudet tiedot on tarkastettava jatkuvasti tietojen korkean laadun varmistamiseksi.

Vinkkejä datan laadunhallintaan

1. Määrittele vastuuhenkilöt

Jos kukaan ei ota vastuuta tietojen laadusta, kukaan ei välttämättä koe sitä omaksi tehtäväkseen. Siksi on tärkeää nimetä vastuuhenkilöt. Tietokannasta riippuen vastuuhenkilöitä voi olla useita, mutta se voi olla myös yksi ainoa työntekijä. Vastuuhenkilöiden tehtävänä on varmistaa, että määriteltyjä standardeja noudatetaan tietojen luomisen yhteydessä ja että tietoja tarkistetaan ja ylläpidetään säännöllisesti.

2. Laatupuutteiden korjaaminen

Tietojen laatu ei voi olla 100-prosenttinen, sillä virheitä voi tapahtua milloin tahansa. Käyttötarkoituksesta riippuen voidaan kuitenkin määrittää, mitkä tiedot on ehdottomasti oltava oikein, jotta voidaan suorittaa oikeita analyyseja ja siten tehdä oikeita päätöksiä.
Vinkkimme: On tietenkin tärkeää, että mahdollisimman moni tietue on oikein. Korjausten kustannus-hyötysuhde voi kuitenkin olla huono, esimerkiksi jos tietojen puhdistaminen vie paljon aikaa, mutta et hyödynnä tietoja jälkikäteen juurikaan tai ne eivät ole merkityksellisiä. Keskity siis ensisijaisesti olennaisten tietojen laatuongelmiin.

3. Paranna tietojen laatua suoraan niiden lähteessä

Business Intelligence -ratkaisut, kuten myPARM BIact, tarjoavat mahdollisuuden muuttaa, korjata tai täydentää tallennettuja tietoja manuaalisesti. On kuitenkin syytä muistaa, että tällaisissa korjauksissa tietolähde on edelleen virheellinen ja että myös manuaalisissa korjauksissa on suuri virheiden riski. Lisäksi on mahdollista, että olemassa olevia virheitä jää huomaamatta. Siksi tietojen laatua tulisi parantaa mahdollisuuksien mukaan jo tietolähteessä. Näin BI-ohjelmistolle toimitetaan korkealaatuisia tietoja.

4. Jatkuva tiedonseuranta

Mitä useammin tunnistatte virheitä, korjaatte niitä ja ryhdytte toimenpiteisiin niiden torjumiseksi, sitä parempi tietojenne laatu on tulevaisuudessa. On kuitenkin tärkeää nähdä tietojen laatu iteratiivisena prosessina, sillä uusia virheitä voi syntyä milloin tahansa, tietoja koskevat vaatimukset voivat muuttua tai syntyvän datan määrä ja monimuotoisuus voivat kasvaa. Tietojen laadunhallintaprosessia tulisi siis toteuttaa jatkuvasti.

Yhteenveto

Päätösten tekeminen tietojen perusteella sen sijaan, että luottaisi vain vaistoon, voi merkittävästi edistää yrityksesi menestystä. Tähän liittyy kuitenkin riski, että päätökseen johtaneet tiedot voivat olla virheellisiä. Tästä syystä on tärkeää, että hyvä tietojen laadunhallinta varmistaa, että voit aina luottaa tietojesi oikeellisuuteen.

Haluaisitko tutustua myPARM BI^actiin demoesityksessä? Siinä tapauksessa voit varata ajan tapaamiseen vaikka samantien!