Poprawnie policzona liczba może wprowadzać w błąd
Wyobraź sobie fikcyjną firmę usługową, której CRM pokazuje 42 otwarte zgłoszenia. Jeden zespół zamyka zgłoszenie po wysłaniu odpowiedzi. Drugi robi to dopiero wtedy, gdy klient potwierdzi rozwiązanie sprawy. System prawidłowo zlicza zapisane statusy, lecz wynik słabo opisuje pozostałą pracę. Sprawdzenie, czy pola są wypełnione, nie ujawni najważniejszej różnicy. Problem tkwi w znaczeniu słowa „otwarte”. Dane mogą być przetwarzane bez błędu technicznego, a mimo to nie nadawać się do decyzji, którą mają wspierać.
Ta sama baza może być dobra do jednego celu i niewystarczająca do innego. Lista adresów pocztowych może wystarczyć do wysyłki, choć nie zawiera numerów telefonów. Nie wystarczy jednak do oddzwaniania. Brytyjski Government Data Quality Framework wymienia między innymi kompletność, ważność, dokładność, unikalność, spójność i terminowość. Są to użyteczne sposoby patrzenia na dane, a nie uniwersalna ocena każdej tabeli. Ustal, kto korzysta z informacji, w jakiej sytuacji i jakie skutki może przynieść pomyłka.
Najpierw opisz, co właściwie liczysz
Zapisz prostą definicję ważnego wskaźnika. Jakie rekordy obejmuje, jakie pomija, skąd pochodzą i na jaki moment je liczysz? W fikcyjnej firmie „otwarte zgłoszenie” mogłoby oznaczać sprawę bez udokumentowanej odpowiedzi lub uzasadnionego zamknięcia do końca dnia. Sama definicja nie zagwarantuje jednolitej pracy. Daje jednak zasadę, z którą można porównać wpisy i raporty. Regularnie odświeżany wskaźnik KPI nie staje się przez to automatycznie wiarygodny.
Oddziel brak danych od danych błędnych albo nieaktualnych. Pusty adres dostawy widać od razu. Adres zapisany w poprawnym formacie może już nie dotyczyć zamówienia. Poprawny zapis daty nie dowodzi, że zdarzenie nastąpiło tego dnia. Dwa raporty mogą być zgodne, ponieważ skopiowały ten sam wcześniejszy błąd. Dlatego wybrane przypadki porównaj ze źródłowym zdarzeniem lub dokumentem. Samo porównanie dwóch ekranów może pokazać jedynie, że pomyłka została konsekwentnie powielona.
Przygotuj krótką kontrolę do ponownego użycia
Wybierz jedną zbliżającą się decyzję i wypisz pola, które na nią wpływają. Zbierz niewielki zestaw przypadków z różnych dni, źródeł i nietypowych sytuacji. Przy każdym zanotuj wartość w systemie, pierwotny dowód, zauważoną rozbieżność i możliwy wpływ na decyzję. Jeżeli nie znajdujesz dowodu, zapisz „nie można sprawdzić”, zamiast uznać wynik za prawdziwy lub fałszywy. Taka tabela pomaga znaleźć przyczynę. Celowo dobrane przypadki nie stanowią jednak reprezentatywnego pomiaru jakości całej bazy.
Proste reguły mogą zaznaczać brak wymaganych pól, powtórzone identyfikatory, niemożliwą kolejność dat i nietypowe zmiany. Kontrola powinna pokazywać wyjątek, a nie po cichu wpisywać domyślną odpowiedź. Podczas integracji danych sprawdź również znaczenie podobnie nazwanych kolumn. „Klient” może oznaczać organizację płacącą fakturę w księgowości, a osobę zgłaszającą sprawę w obsłudze. To nie musi być ta sama jednostka. Automatyczne połączenie może dać elegancki wykres i mylący wniosek.
Popraw miejsce powstawania błędu
Gdy znajdziesz rozbieżność, prześledź jej drogę. Czy informacji nigdy nie zapisano, przeniesiono ją do złego pola, przeliczono według zmienionej reguły, czy podsumowano pod niejasną nazwą? Ręczna korekta raportu niewiele da, jeśli formularz jutro wytworzy identyczną pomyłkę. Wyznacz osobę odpowiedzialną za znaczenie krytycznych pól i sposób dokumentowania zmian. Zapis śladu korekty jest przydatniejszy niż bezgłośne zastąpienie starej wartości nową.
Ustalaj kolejność poprawek według skutku i częstotliwości problemu, nie według liczby czerwonych komórek. Błędny adres na fakturze może mieć konkretną konsekwencję, podczas gdy brak opcjonalnej notatki nie musi. Rzadki, lecz poważny błąd może uzasadniać kontrolę człowieka bardziej niż masowe automatyczne czyszczenie. Gromadzenie dodatkowych danych osobowych także nie podnosi jakości samo w sobie. Zbieraj informacje potrzebne do celu i ograniczaj dostęp stosownie do ich wrażliwości.
Różne wyniki nie zawsze oznaczają awarię
Sprzedaż i księgowość mogą podawać odmienne kwoty przychodu. Być może ktoś popełnił błąd, ale możliwe są też różne okresy, zasady zwrotów lub definicje. Zestaw obok siebie reguły liczenia, zanim uznasz jedno źródło za właściwe. Wyjaśnij, do jakiej decyzji nadaje się każdy wynik. W bazie danych wartość może być zapisana spójnie, a nadal nie pasować do innego pytania. Pochodzenie i ograniczenia liczby są częścią jej praktycznej użyteczności.
Po poprawie zaplanuj kolejną kontrolę. Oferta, formularze i sposób pracy zmieniają się, podczas gdy dawne reguły mogą pozostać. Niewielki regularny przegląd ważnych pól bywa cenniejszy niż jednorazowa wielka akcja porządkowa. Sprawdź, czy liczba błędów w istotnych przypadkach maleje i czy decyzję można lepiej uzasadnić. Jeżeli reguła przestaje odpowiadać procesowi, zmień ją świadomie i zachowaj powód. Dobra jakość danych nie oznacza obietnicy doskonałości. Oznacza wiedzę, na czym możesz polegać, a gdzie nadal pozostaje niepewność.
Kiedy warto zatrzymać automatyzację
Wróć do fikcyjnego raportu o zgłoszeniach. Jeśli statusy nadal znaczą coś innego w dwóch zespołach, automatyczne wysyłanie przypomnień na podstawie wspólnej liczby może kierować pracę w niewłaściwe miejsce. Najpierw uzgodnij znaczenie statusu, pokaż kilka przykładowych spraw i sprawdź, czy obie grupy interpretują je tak samo. Następnie uruchom regułę na ograniczonym zbiorze i obserwuj wyjątki. Nie zamieniaj braku pewności w pewność tylko dlatego, że system potrafi wykonać działanie szybko.
Zapisz również, czego nadal nie wiadomo. Być może nie możesz sprawdzić wszystkich historycznych rekordów, bo dawnych dokumentów już nie ma. Oznacz ten zakres w raporcie i nie mieszaj go z nowymi, sprawdzalnymi sprawami. Dzięki temu odbiorca wie, które porównania są uzasadnione. Gdy podejmujesz decyzję, możesz świadomie użyć danych z ograniczeniem albo odłożyć wybór. To lepsze niż ukrycie luki w atrakcyjnym wykresie.
Częste pytania
Czy kompletne rekordy oznaczają dobre dane?
Nie. Wypełnione pole może być błędne, nieaktualne albo inaczej rozumiane przez dwa zespoły. Sprawdź ważny przypadek w pierwotnym dokumencie i zapytaj, czy pomyłka zmieniłaby decyzję.
Od czego zacząć przy wielu błędach?
Wybierz najbliższą decyzję oraz kilka pól, od których zależy. Zbadaj rozbieżności i miejsce ich powstania, zanim rozpoczniesz porządkowanie całej bazy bez jasnego celu.