Az üzleti siker egyik kulcstényezője a vállalati adatvagyon, és az arra épülő információbázis minősége. Az üzletmenetre, a vállalat ügyfél és termékkörére vonatkozó információ pedig csak akkor értékes, ha pontos, teljeskörű, megbízható és naprakész: azaz, ha minősége kielégíti az értékesítők, az elemzők és a döntéshozók információs igényeit. Különböző szituációkban éleződhet ki az üzleti folyamatok alapjául szolgáló adatok minőségére vonatkozó igény. Itt bemutatjuk, összefoglaljuk azokat az eseteket, ahol az adatminőség nem elhanyagolható és befolyásolhatja a vállalatok jövedelmezőségét.
Adattisztítás, CRM
A vállalati információs architektúra központi eleme tipikusan a vállalati adattár, amelyben az adatokat a vállalat alaprendszereiből – tranzakciós rendszerek –, ill. külső adatforrásokból összegyűjtve, tisztítva és konszolidálva, az üzleti igényeknek megfelelő módontárolják. Az adattárra épülnek rá azok a döntéstámogató eszközök, amelyek automatizálják a jelentésrendszerek készítését, lehetővé tesznek gyors, eseti elemzéseket és képesek feltárni az üzleti adatok közötti rejtett összefüggéseket. A központi adattár az egyik fő alapeleme a vállalati szintű CRM megoldásoknak is.
A gyakorlati tapasztalatok azt mutatják, hogy a vállalati adatvagyon legtöbb esetben nem kellő minőségű egy adattárház építéséhez vagy egy CRM rendszer bevezetéséhez. Hiába megfelelő (vagy inkább elfogadható) az adatminőség az egyes vállalati alaprendszerek szempontjából, ebből nem következik, hogy az adattárház és a CRM rendszer számára is elégséges. Az adattárházak és a CRM megoldások is tipikusan több adatforrásra támaszkodva működnek, és a különböző adatforrások adatbázisainak eltérő struktúrái, adattartalmi problémái, az összevont adattartalom redundanciái az adattárház és CRM rendszerek használhatóságát veszélyeztetik.
Ezek a problémák csak részben, főleg kvalitatív szinten ismertek a vállalatok szakemberei előtt, így a probléma valódi súlya és várható következményei csak az adattárház építési és CRM bevezetési projektek késői fázisában válnak nyilvánvalóvá, amikor a megtehető korrekciós alternatívák száma és tartalma már erősen behatárolt, ugyanakkor a korrekciók költsége hatványozottan nagyobb mintha azt jó előre elvégezték volna.
Központi ügyféltörzs, MDM
Egy központi ügyféltörzs igen fontos jellemzője, hogy minden kapcsolódó rendszerből tartalmazza az ügyfelek azonosító adatait, az adott rendszerbeli azonosítójukkal együtt. Egy ügyféltörzs kialakítása előtt szükséges egy legalább olyan mélységű adattisztítást elvégezni, amely lehetővé teszi először a rendszereken belüli majd a rendszerek közötti duplikátumok feltárását és összevonását. A feltárt duplikátumok kapnak egy master azonosítót, és ezzel együtt kerülnek be a forrásrendszerek adatai a központi ügyféltörzsbe. A továbbiakban ismert lesz a rendszer használói előtt, hogy az egyes rendszereken belül ugyanazt az ügyfelet mely rekordok azonosítják.
Adatmigráció
A mai világ rohamléptű informatikai fejlesztéseivel lépést tartani kívánó vállalatoknál, szervezeteknél mostanában gyakran felmerül az az igény, hogy a meglévő termék-, illetve adatkezelő rendszereiket korszerűbbekre cseréljék. Az új rendszerek bevezetésénél elkerülhetetlen lépés a kiváltandó rendszerekben tárolt adatok átmigrálása. Az adatok rendszerek közötti áttöltése folyamán hasonló adatminőségi problémákkal szembesülhetnek, mint a CRM vagy adattárház rendszerek kialakítása során. A migráció sikeressége érdekében fel kell készíteni az adatokat az áttöltésre és lehetőség szerint kezelni kell az adatminőségi problémákat, adattartalmi hibákat, duplikátumokat, redundanciákat. Amennyiben az adatok minőségének javítására nem helyeznek megfelelő hangsúlyt, akkor az újonnan bevezetett rendszer hatásfoka jelentősen csökkenhet és az üzleti területek sem fogják úgy érezni, hogy az elvárásaiknak megfelelő az alkalmazás.
Napi üzletmenet
Az adattárházaktól, CRM rendszerektől és a migrációktól függetlenül, a nagy mennyiségű ügyfél-, illetve termékadatokat kezelő vállalatok, szervezetek számára a napi, normál üzletmenet során is jelenthet problémát az adatok minősége és a nem megfelelően meghatározott adatkezelési folyamatok.
Könnyen előfordulhatnak olyan esetek, amikor a tranzakcióra jelentkező ügyfelet a rendelkezésre álló adatok alapján nem lehet egyértelműen azonosítani, emiatt a kiszolgálás gördülékenysége, és biztonsága csorbát szenved. Például pénzintézeteknél készpénzfelvétel során, az ügyfélazonosításhoz szükséges információk a termékkezelő rendszerekben hiányosak és az ügyféldokumentáció alapján kell az ügyintézőnek megerősítést találni a kifizetés jogosságáról. Az ügyfelek számára ezek az ellenőrzések felesleges várakozásokat jelentenek, nem is beszélve arról, hogy milyen konfliktushelyzetek alakulhatnak ki, ha adott bankfiókban nem is állnak rendelkezésre vagy hiányosak az ügyfélkartonok. Az ilyen, adathiányra, adatkezelési problémákra visszavezethető esetek felesleges munka, idő és “ügyintézői” energia ráfordításokat jelentenek és extrémebb szituációkban akár ügyfélvesztéssel is járhatnak.
Hasonló nehézségeket jelenthetnek termékadatoknál a nem megfelelően kezelt cikktörzsek. Leltározásnál, a készletek feltöltésénél anyagi vonzatokkal járó problémákat okozhatnak azok az esetek, amikor ugyanaz a termék többféleképpen szerepel az adatbázisban. Ha a termék egyik nyilvántartása szerint a készlet a minimumon, a másik szerint a maximumon van, akkor az első verzió alapján történő rendelés akár komoly problémákat is okozhat, főleg ha romlandó áruról van szó.
Látens költségek
A napi ügymenethez kapcsolódva fontos, hogy a vállalaton belül felismerjék az adatminőségből eredő kockázatokat, költségeket.
A nem megfelelő minőségű információkon alapuló tevékenységek végzésével együtt jár egy jelentős látens költség, melyet a vállalat folyamatosan megfizet anélkül, hogy ez kimutathatóan megjelenne a költségek között. A látens költségek okai:
- a hiányzó információk utólagos megszerzésének idő- és ráfordításigénye,
- a pontatlan, hiányos információk helyesbítésének idő- és ráfordításigénye.
Ezzel szemben áll az eredetileg is megfelelő minőségű információkkal kapcsolatos, jóval alacsonyabb költség, beleértve a folyamatos minőségbiztosítás költségeit is.
Külön említendő az a kár, ami a hibás adatokon alapuló, szükségszerűen hibás lépéseket kiváltó üzleti döntések eredménye. Ezen eseteknek egyszerű példái lehetnek a hibás címekre kiküldött marketinglevelek vagy az ügyfélkört egy újonnan bevezetendő termékkel megcélzandó, hibás adatokból levont, rossz következtetéssel kiválasztó eljárás.
Az adatminőség biztosítása
Akár adattárház, vagy CRM rendszerek bevezetéséről, akár migrációról, akár a napi üzletmenet biztonságáról van szó, mindenképpen szem előtt kell tartani az adatok megfelelő minőségű nyilvántartását és kezelését. Philip B. Crosby-tól származó idézet tömören összefoglalja az adatminőség hiányában rejlő kockázatokat, amit nem ajánlatos a mai “információs” társadalomban a szőnyeg alá söpörni.
A minőség nem kerül pénzbe. Bár nem kapjuk ajándékba, mégsem kerül semmibe. Ami pénzbe, méghozzá sok pénzbe kerül, az a minőség hiánya, azaz minden olyan tevékenység költsége, amit azért kell utólag végrehajtani, mert ugyanazt a munkát korábban nem megfelelően végeztük el.
0 Comments Leave a comment