Mange virksomheder oplever, at medarbejdere beklager sig over dårlige data. Måske der er luget ud i de største dataudfordringer, men der bliver ved med at være et tema i virksomheden om ikke at kunne stole på virksomhedens data.
Selvom der iværksættes initiativer til at rette fejlene, bliver der sjældent fokuseret på vedvarende forandringer til at sikre kontinuerlig god datakvalitet. Det kan være svært at vurdere, hvordan man tager hul på forbedring af stamdata, og finde ud af, hvor man skal begynde.
Det behøver det dog ikke være. Som oftest vil der opleves mærkbar forbedret datakvalitet med små virkemidler.
Når det gælder arbejdet med data, er det bedre at starte fokuseret og så udvide omfanget af initiativer efterfølgende. Start derfor med at indkredse fokus på et enkelt område og dyk detaljeorienteret ned i enkelte fejl og felter.
De væsentligste dataforbedringer prioriteres derefter sammen med de involverede. Her er det afgørende at afstemme krav til datakvaliteten, som skal danne grundlag for tilretning af data.
Ofte registreres eller beriges data af flere personer. Derfor er det vigtigt at få identificeret, hvem der har ansvaret for registrering af data.
Derudover skal der udpeges dataansvarlige til at følge op på datakvaliteten. De skal sørge for, at fejl bliver rettet så tidligt som muligt. Den ansvarlige for datakvalitet ser på data på tværs af virksomheden og sidder dermed med mulighed for at ensrette og drive dataforbedringsinitiativer fremadrettet.
Hvis data registreres i flere systemer, giver det ofte anledning til divergerende datasæt.
En optegning af datakilder og datastadier vil give et klart billede af, hvor du skal finde de korrekte data. På den måde giver det mulighed for at rette fejl i de rette kilder og desuden være i stand til at kommunikere, hvor organisationen skal finde de korrekte data, og hvordan afgivelser bedst håndteres.
Indsamling af information til registrering af data kan som oftest struktureres ved brug af skabeloner (Excel eller word), hvor det bliver synligt hvilke nødvendige informationer, der skal til for at kunne registrere data. En skabelon kan samtidig bruges til at rette væsentlige fejl i informationer, før de bliver til data i systemerne.
Derudover kan der oprettes en fælles e-mail for dataregistreringer for at sikre en bedre oprettelsesproces og bruge det som et styringsredskab til at registrere data rigtigt første gang, de behandles.
Til en start bør en datakvalitetsrapport have fokus på de væsentlige dataudfordringer. Baseret på kvalitetsrapporten kan der foretages en proaktiv oprydning i udvalgte felter, og rapporten kan synliggøre datakvaliteten for organisationen.
Ligesådan kan der indhentes logdata om hvem og hvornår dataregistrering er foretaget, hvilket kan være med til at synliggøre årsager til fejl.
Det at starte simpelt ud gør, at virksomheden får erfaring og kompetencer til at sikre god datakvalitet. Hermed bliver der skabt et fundament for at forbedre kvaliteten af andre data også.
De ovenstående simple forbedringer kan i mange henseender automatiseres, men tanken her er som med andre digitaliseringsprojekter, at det stiller virksomheden bedre at være i kontrol med den nuværende situation.
I sammenhæng med et ERP-projekt har datakvaliteten en helt central rolle.
Jens Vindal Eriksen
Jens påtager sig både projektlederansvaret og mere fokuserede områder som forretningsanalyse eller håndtering af Master Data.
Jens har i sine tidligere ansættelser hos BESTSELLER og JYSK arbejdet med mangeartede forretningsudviklingsprojekter og digitalisering, herunder fokus på ERP, RPA og Master Data.
Forretningsforståelse, systemudvikling og effektiv eksekvering.
© 2024 Cornerstones – Designet af Aveo web&marketing
