In che modo si può garantire la qualità dei dati?

Tecnologia: Customer Intelligence     Topic: Dati & Analytics  Dati Informazioni Insights  

Nel 2013 Dama UK ha identificato sei dimensioni su cui far convergere i controlli tecnici e di business:

Completezza – la percentuale di dati archiviati rispetto al potenziale del 100%;
Unicità – nessuna istanza verrà registrata più di una volta in base al modo in cui tale cosa viene identificata;
Tempestività – il livello a cui i dati rappresentano la realtà nel momento richiesto;
Validità – i dati sono validi se sono conformi alla sintassi (formato, tipo, intervallo) della sua definizione;
Accuratezza – il livello in cui i dati descrivono correttamente l’oggetto o l’evento che viene descritto;
Coerenza – l’assenza di differenza, quando si confrontano due o più rappresentazioni di una “cosa” con una definizione.

Per realizzare un sistema di data quality che verifichi queste sei dimensioni si possono seguire sei diversi passaggi.

  1. Definire quali sono gli obiettivi di qualità che si vogliono raggiungere, coinvolgendo le varie persone che utilizzano i dati e stabile una policy aziendale che illustri le regole di raccolta e di analisi per tutti gli attori coinvolti.
  2. Valutare se i set di dati disponibili rispettano le regole stabilite per determinare l'accuratezza completezza, coerenza, validità e tempestività.
  3. Analizzare i risultati e misurare il divario rispetto agli obiettivi che si è posti e individuare le cause che influiscono sulla scarsa qualità dei dati.
  4. Decidere quali azioni sono necessarie per migliorare i dati.
  5. Implementare le azioni correttive individuate.
  6. Continuare a monitorare periodicamente il rispetto delle regole stabilite e la qualità dei dati.

La parte più impegnativa, in termini di tempo necessario, è la definizione degli impianti di controllo che verificano la conformità dei dati rispetto una serie di criteri, producono esiti e consentono di intercettare i dati anomali.

 

Autorizzo L'Ippocastano srl, titolare del trattamento dei dati, a utilizzare i miei dati per comunicazioni inerenti le attività di CMI Customer Management Insights.
L'autorizzazione è obbligatoria per poter processare la tua azione. Leggi la Privacy Policy

VOCI CORRELATE

Cosa sono i dati non strutturati?

I dati non strutturati sono i dati conservati senza alcuno schema.

Leggi

Che differenza c’è tra dati, informazioni e insight?

I dati sono i fatti grezzi e non organizzati che sono generalmente sotto forma di testo e numeri.

Leggi

Quali dati dei clienti posso raccogliere?

Comunemente si distinguono quattro tipologie di dati che sono utili per analizzare la relazione con il cliente.

Leggi

Quale impatto ha sulle vendite l'analisi dei dati?

Le vendite possono generare rapidamente una nuova crescita dei ricavi raccogliendo costantemente dati e metriche sui prodotti più richiesti e agendo sulle informazioni che producono.

Leggi

Perché dovrei utilizzare i dati?

Sono diversi i motivi per cui non si può più fare a meno di avviare un programma di analisi e utilizzo dei dati provenienti da tutte le interazioni con i clienti.

Leggi

Cosa sono i dati semi-strutturati?

I dati semi-strutturati sono informazioni che non risiedono in un database relazionale o in qualsiasi altra tabella di dati…

Leggi

Posso migliorare l’assistenza ai clienti analizzando i dati?

Una volta addestrati, i sistemi basati sui dati possono funzionare con tutti i canali esistenti, inclusi voce , e-mail , SMS , chat , Messenger, Twitter, WhatsApp , WeChat, Slack e altri…

Leggi

Cosa sono i dati strutturati?

I dati strutturati sono quei dati conservati in database, organizzati secondo schemi e tabelle. Questa è la tipologia di dati più indicata per i modelli di gestione relazionale delle informazioni.

Leggi

Che differenza c’è tra dati e informazioni?

Dati e informazione sono spesso utilizzati come sinonimi, ma in realtà i due termini, dal punto di vista informatico, hanno un significato differente.

Leggi