Para mejorar la calidad de los datos, comience en la fuente
Por Thomas C. Redman
Datos
Harvard Business Review
No puede hacer nada importante en su empresa sin datos de alta calidad, y la mayoría de las personas sospechan, en el fondo, que sus datos no están actualizados. Hacen todo lo posible para limpiar sus datos, instalar software para encontrar errores automáticamente y buscar la confirmación de fuentes externas, esfuerzos que llamo "la fábrica de datos ocultos". Es un trabajo costoso que lleva mucho tiempo, y la mayoría de las veces, no va bien
¡Aún peor, la limpieza nunca desaparece! Imagine que ha limpiado todos sus datos existentes perfectamente, pero no ha abordado el problema de la mala calidad en la fuente. A medida que adquiera nuevos datos, también adquirirá nuevos errores que afecten su trabajo. Usted y su equipo volverán a perder el tiempo lidiando con errores. La limpieza como el principal medio de calidad de datos ha pasado mucho tiempo antes de su fecha de caducidad.
En lugar de corregir la calidad de los datos mediante la búsqueda y corrección de errores, los gerentes y los equipos deben adoptar una nueva mentalidad, una que se centre en crear datos correctamente la primera vez para garantizar la calidad durante todo el proceso. Este nuevo enfoque, y los cambios necesarios para que esto suceda, debe ser el primer paso para cualquier líder que se tome en serio el cultivo de una mentalidad basada en datos en toda la empresa, la implementación de la ciencia de los datos, la monetización de sus datos o incluso simplemente esforzarse por ser más eficiente . Requiere verse a usted mismo y al papel que desempeña en los datos de una manera nueva, identificando y atacando sin piedad las causas fundamentales de los errores, haciéndolos desaparecer de una vez por todas.
Eliminar la mayoría de las causas es sorprendentemente fácil. Por ejemplo, en una clínica de salud, el personal a menudo tenía dificultades para contactar a los pacientes después de la visita cuando necesitaban programar más pruebas, cambiar medicamentos, etc. Nadie sabía con qué frecuencia ocurría esto ni exactamente cuánto tiempo se desperdiciaba, pero podía afectar la salud de los pacientes y era frustrante para el personal.
Entonces, los empleados de la clínica observaron los datos asociados con las últimas 100 visitas de pacientes y descubrieron que el número de teléfono era incorrecto para 46 de ellos. Revisaron sus procedimientos y descubrieron que nadie era responsable de obtener esos datos. Hicieron un cambio simple: cuando los pacientes se registraron, la persona de recepción les pidió que verificaran sus números de teléfono. Fue lo primero que solicitaron a su llegada: “Es bueno volver a verla, Sra. Jones. ¿Puedo confirmar su número de teléfono celular? ”Esta clínica volvió a medir un par de semanas después: los errores en los números de teléfono celular fueron prácticamente eliminados.
El proceso que utilizó la clínica de salud parece universal: clasifique los datos que necesita; medir la calidad de los datos necesarios; identificar áreas donde la calidad podría mejorarse e identificar la (s) causa (s) raíz (s); y eliminar esas causas. Es notablemente flexible, fácil de enseñar y fácil de usar.
Profundizando en el ejemplo, verá que la clínica de salud también presenta dos roles importantes en la calidad de los datos: el cliente de datos y el creador de datos. El cliente es la persona que usa los datos. El creador, por otro lado, es la persona que crea, o ingresa primero, los datos necesarios (tenga en cuenta que las máquinas, dispositivos y algoritmos también usan y crean datos. Por lo tanto, el cliente o creador también puede ser la persona responsable de tales máquinas , dispositivos y algoritmos).
Es esencial que las personas se reconozcan a sí mismas como clientes, aclaren sus necesidades y comuniquen esas necesidades a los creadores. Las personas también deben reconocerse a sí mismas como creadores y realizar mejoras en sus procesos, de modo que proporcionen datos de acuerdo con las necesidades de sus clientes. En la clínica de salud, el personal posterior a la visita no se reconoció a sí mismo como clientes y el personal de escritorio no se reconoció a sí mismo como creador. Una vez que lo hicieron, completar el proyecto de mejora fue sencillo.
Creo que la calidad mejora rápidamente cuando los equipos y las empresas adoptan este enfoque, asumen estos roles y siguen los pasos. Las personas en empresas grandes y pequeñas, en industrias tan diversas como servicios financieros, petróleo y gas, comercio minorista y telecomunicaciones, las han utilizado para realizar mejoras de orden de magnitud en facturación, clientes, personas, producción y otros tipos de datos y , como resultado directo, mejoró el rendimiento de su equipo. En algunos casos, los ahorros llegan a cientos de millones por año.
Entonces, ¿por qué no son la norma? Resulta que una variedad de problemas organizativos y culturales se interponen en el camino. Al igual que aquellos en la clínica, muchos solo son vagamente conscientes de que tienen un problema; piensan que los datos pertenecen a TI o tienen miedo de hacer las conexiones necesarias a través de los silos organizacionales. De hecho, las personas han adquirido malos hábitos cuando se trata de la calidad de los datos y los malos hábitos son difíciles de romper.
Para ver cómo estos malos hábitos echan raíces y crecen, considere a Laura, una vendedora que recibe datos de contacto del departamento de marketing. Es consciente de que los datos no son muy buenos: pasa un par de horas al día haciendo correcciones. El rendimiento de Laura se basa en la cantidad de llamadas de ventas que realiza con éxito, ¡y su cuota es alta! En un día cualquiera, es más fácil lidiar con los errores que tomarse el tiempo para llegar al marketing, a pesar de que una pequeña inversión en tiempo la liberará en el futuro.
Es fácil ver las acciones de Laura como justificadas. Después de todo, ella necesita cumplir con su cuota, incluso ante la mala información. Pero al encargarse de corregir los datos y no comunicar sus necesidades al departamento de marketing, asume la responsabilidad de la calidad de los datos creados por otros. Y todos los días ella incorpora un mal hábito en su rutina. Además, si alguien más usara los mismos datos de marketing, no tendrían acceso a las correcciones de Laura, y el ciclo de errores y correcciones continuaría en otro lugar.
No hay escasez de Lauras en cada trabajo, departamento y en todos los niveles. Sin pensarlo mucho, ¡demasiadas personas toman el enfoque equivocado y hacen malas prácticas de calidad de datos en su trabajo!
Si bien estos problemas son sutiles y poderosos, cualquier gerente puede asumirlos y adoptar la mentalidad de que "la calidad de los datos significa crear datos correctamente la primera vez" dentro de su esfera de influencia. Comience preguntándose si se ha vuelto demasiado tolerante con los datos incorrectos y ha asumido el trabajo adicional que genera. Luego, asuma el rol de cliente la próxima vez que experimente algún tipo de problema. No se queje simplemente, "¡esto no es lo que quiero!", Más bien, piense profundamente en lo que realmente necesita y abra un diálogo con los creadores de datos. Trabajen juntos para hacer una mejora, luego otra y otra. Después de un corto tiempo, esto se convertirá en una segunda naturaleza.
A nivel de la empresa, los líderes superiores deben insistir en que todos asuman estos roles. Con ese fin, recomiendo que un pequeño pero poderoso equipo de profesionales de calidad de datos forme y administre un programa general, capacite a las personas sobre cómo hacer el trabajo, ayude a los clientes y creadores a conectarse y ayude cuando surjan dificultades.
Cambiar paradigmas es difícil. Afortunadamente, crear datos correctamente la primera vez paga grandes dividendos. Ahorra tiempo y dinero, y posiblemente, como en el caso de la clínica de salud, ¡a veces vive! Genera confianza en los datos y conduce a mejores decisiones. Todos somos clientes de datos y creadores de datos. Asumir estos roles ayuda a las personas a construir la mentalidad correcta en torno a la calidad de los datos y detener los problemas de datos antes de que comiencen.
Thomas C. Redman, "el Doc de datos", es presidente de Data Quality Solutions. Ayuda a las empresas y a las personas, incluidas las nuevas empresas, las multinacionales, los ejecutivos y los líderes en todos los niveles, a trazar sus cursos a futuros basados en datos. Pone especial énfasis en la calidad, el análisis y las capacidades organizativas.
Datos
Harvard Business Review
No puede hacer nada importante en su empresa sin datos de alta calidad, y la mayoría de las personas sospechan, en el fondo, que sus datos no están actualizados. Hacen todo lo posible para limpiar sus datos, instalar software para encontrar errores automáticamente y buscar la confirmación de fuentes externas, esfuerzos que llamo "la fábrica de datos ocultos". Es un trabajo costoso que lleva mucho tiempo, y la mayoría de las veces, no va bien
¡Aún peor, la limpieza nunca desaparece! Imagine que ha limpiado todos sus datos existentes perfectamente, pero no ha abordado el problema de la mala calidad en la fuente. A medida que adquiera nuevos datos, también adquirirá nuevos errores que afecten su trabajo. Usted y su equipo volverán a perder el tiempo lidiando con errores. La limpieza como el principal medio de calidad de datos ha pasado mucho tiempo antes de su fecha de caducidad.
En lugar de corregir la calidad de los datos mediante la búsqueda y corrección de errores, los gerentes y los equipos deben adoptar una nueva mentalidad, una que se centre en crear datos correctamente la primera vez para garantizar la calidad durante todo el proceso. Este nuevo enfoque, y los cambios necesarios para que esto suceda, debe ser el primer paso para cualquier líder que se tome en serio el cultivo de una mentalidad basada en datos en toda la empresa, la implementación de la ciencia de los datos, la monetización de sus datos o incluso simplemente esforzarse por ser más eficiente . Requiere verse a usted mismo y al papel que desempeña en los datos de una manera nueva, identificando y atacando sin piedad las causas fundamentales de los errores, haciéndolos desaparecer de una vez por todas.
Eliminar la mayoría de las causas es sorprendentemente fácil. Por ejemplo, en una clínica de salud, el personal a menudo tenía dificultades para contactar a los pacientes después de la visita cuando necesitaban programar más pruebas, cambiar medicamentos, etc. Nadie sabía con qué frecuencia ocurría esto ni exactamente cuánto tiempo se desperdiciaba, pero podía afectar la salud de los pacientes y era frustrante para el personal.
Entonces, los empleados de la clínica observaron los datos asociados con las últimas 100 visitas de pacientes y descubrieron que el número de teléfono era incorrecto para 46 de ellos. Revisaron sus procedimientos y descubrieron que nadie era responsable de obtener esos datos. Hicieron un cambio simple: cuando los pacientes se registraron, la persona de recepción les pidió que verificaran sus números de teléfono. Fue lo primero que solicitaron a su llegada: “Es bueno volver a verla, Sra. Jones. ¿Puedo confirmar su número de teléfono celular? ”Esta clínica volvió a medir un par de semanas después: los errores en los números de teléfono celular fueron prácticamente eliminados.
El proceso que utilizó la clínica de salud parece universal: clasifique los datos que necesita; medir la calidad de los datos necesarios; identificar áreas donde la calidad podría mejorarse e identificar la (s) causa (s) raíz (s); y eliminar esas causas. Es notablemente flexible, fácil de enseñar y fácil de usar.
Profundizando en el ejemplo, verá que la clínica de salud también presenta dos roles importantes en la calidad de los datos: el cliente de datos y el creador de datos. El cliente es la persona que usa los datos. El creador, por otro lado, es la persona que crea, o ingresa primero, los datos necesarios (tenga en cuenta que las máquinas, dispositivos y algoritmos también usan y crean datos. Por lo tanto, el cliente o creador también puede ser la persona responsable de tales máquinas , dispositivos y algoritmos).
Es esencial que las personas se reconozcan a sí mismas como clientes, aclaren sus necesidades y comuniquen esas necesidades a los creadores. Las personas también deben reconocerse a sí mismas como creadores y realizar mejoras en sus procesos, de modo que proporcionen datos de acuerdo con las necesidades de sus clientes. En la clínica de salud, el personal posterior a la visita no se reconoció a sí mismo como clientes y el personal de escritorio no se reconoció a sí mismo como creador. Una vez que lo hicieron, completar el proyecto de mejora fue sencillo.
Creo que la calidad mejora rápidamente cuando los equipos y las empresas adoptan este enfoque, asumen estos roles y siguen los pasos. Las personas en empresas grandes y pequeñas, en industrias tan diversas como servicios financieros, petróleo y gas, comercio minorista y telecomunicaciones, las han utilizado para realizar mejoras de orden de magnitud en facturación, clientes, personas, producción y otros tipos de datos y , como resultado directo, mejoró el rendimiento de su equipo. En algunos casos, los ahorros llegan a cientos de millones por año.
Entonces, ¿por qué no son la norma? Resulta que una variedad de problemas organizativos y culturales se interponen en el camino. Al igual que aquellos en la clínica, muchos solo son vagamente conscientes de que tienen un problema; piensan que los datos pertenecen a TI o tienen miedo de hacer las conexiones necesarias a través de los silos organizacionales. De hecho, las personas han adquirido malos hábitos cuando se trata de la calidad de los datos y los malos hábitos son difíciles de romper.
Para ver cómo estos malos hábitos echan raíces y crecen, considere a Laura, una vendedora que recibe datos de contacto del departamento de marketing. Es consciente de que los datos no son muy buenos: pasa un par de horas al día haciendo correcciones. El rendimiento de Laura se basa en la cantidad de llamadas de ventas que realiza con éxito, ¡y su cuota es alta! En un día cualquiera, es más fácil lidiar con los errores que tomarse el tiempo para llegar al marketing, a pesar de que una pequeña inversión en tiempo la liberará en el futuro.
Es fácil ver las acciones de Laura como justificadas. Después de todo, ella necesita cumplir con su cuota, incluso ante la mala información. Pero al encargarse de corregir los datos y no comunicar sus necesidades al departamento de marketing, asume la responsabilidad de la calidad de los datos creados por otros. Y todos los días ella incorpora un mal hábito en su rutina. Además, si alguien más usara los mismos datos de marketing, no tendrían acceso a las correcciones de Laura, y el ciclo de errores y correcciones continuaría en otro lugar.
No hay escasez de Lauras en cada trabajo, departamento y en todos los niveles. Sin pensarlo mucho, ¡demasiadas personas toman el enfoque equivocado y hacen malas prácticas de calidad de datos en su trabajo!
Si bien estos problemas son sutiles y poderosos, cualquier gerente puede asumirlos y adoptar la mentalidad de que "la calidad de los datos significa crear datos correctamente la primera vez" dentro de su esfera de influencia. Comience preguntándose si se ha vuelto demasiado tolerante con los datos incorrectos y ha asumido el trabajo adicional que genera. Luego, asuma el rol de cliente la próxima vez que experimente algún tipo de problema. No se queje simplemente, "¡esto no es lo que quiero!", Más bien, piense profundamente en lo que realmente necesita y abra un diálogo con los creadores de datos. Trabajen juntos para hacer una mejora, luego otra y otra. Después de un corto tiempo, esto se convertirá en una segunda naturaleza.
A nivel de la empresa, los líderes superiores deben insistir en que todos asuman estos roles. Con ese fin, recomiendo que un pequeño pero poderoso equipo de profesionales de calidad de datos forme y administre un programa general, capacite a las personas sobre cómo hacer el trabajo, ayude a los clientes y creadores a conectarse y ayude cuando surjan dificultades.
Cambiar paradigmas es difícil. Afortunadamente, crear datos correctamente la primera vez paga grandes dividendos. Ahorra tiempo y dinero, y posiblemente, como en el caso de la clínica de salud, ¡a veces vive! Genera confianza en los datos y conduce a mejores decisiones. Todos somos clientes de datos y creadores de datos. Asumir estos roles ayuda a las personas a construir la mentalidad correcta en torno a la calidad de los datos y detener los problemas de datos antes de que comiencen.
Thomas C. Redman, "el Doc de datos", es presidente de Data Quality Solutions. Ayuda a las empresas y a las personas, incluidas las nuevas empresas, las multinacionales, los ejecutivos y los líderes en todos los niveles, a trazar sus cursos a futuros basados en datos. Pone especial énfasis en la calidad, el análisis y las capacidades organizativas.
No hay comentarios:
Publicar un comentario