Blog

El impacto de la mala calidad de los datos: Riesgos, retos y soluciones

Es un reto correlacionar un problema de datos con el riesgo o el impacto empresarial.

La mala calidad de los datos puede tener riesgos devastadores para su empresa. La mayoría de los trabajadores de la organización se dan cuenta del impacto de la mala calidad de los datos, pero les resulta difícil argumentar sobre el papel, ya sea para justificar la inversión en planes de mejora de la calidad de los datos o para convencer a sus superiores jerárquicos de que tomen medidas. Por eso es imprescindible relacionar los problemas de calidad de los datos con los posibles riesgos empresariales y los costes asociados, para poder llamar la atención de las partes interesadas necesarias a tiempo y aplicar las posibles soluciones.

En este blog, veremos cómo varios problemas de calidad de datos pueden introducir graves riesgos para su empresa y qué medidas posibles puede tomar para superarlos.

Diseño de la matriz de riesgo de datos – negocio

David Loshin (en su libro La guía del profesional para la mejora de la calidad de los datos ) presenta una plantilla muy útil para relacionar los defectos de los datos con el impacto en el negocio y los costes resultantes. He resumido la plantilla en la siguiente tabla:

ProblemaEdiciónRiesgo empresarialCuantificadorCoste (anual)
Este es el problema de calidad de los datos que reside en su conjunto de datos. Estos son los diversos problemas que pueden surgir debido al problema de los datos. Este es el impacto que el problema puede tener en la empresa. Esto cuantifica el impacto en términos de una medida empresarial. Esto proporciona una estimación periódica de los costes incurridos debido al impacto empresarial.
Ejemplo
Nombre del cliente e información de contacto mal escritos Registros duplicados creados para el mismo cliente Servicio de atención al cliente: Aumento del número de llamadas entrantes Mayor tiempo del personal Se necesitan 30.000 dólares más de tiempo del personal
Servicio al cliente: Disminución de la satisfacción del cliente Reducción de pedidos, pérdida de clientes ~Unos 500 pedidos menos este año (en comparación con la estimación)
Cuentas: Impacto en el flujo de caja Aumento de la volatilidad del flujo de caja No se puede confiar en el flujo de caja estimado alrededor del 20% de las veces
Cuentas: Aumento de la demanda de auditoría Mayor tiempo del personal Se necesitan 20.000 dólares más de tiempo del personal

Esta plantilla resume con precisión el tipo de impacto que un problema de calidad de datos (algo tan pequeño como un nombre de cliente mal escrito) puede tener en su negocio. Hay que tener en cuenta algunas cosas sobre esta plantilla:

  • Un problema de calidad de datos puede dar lugar a múltiples problemas. Por ejemplo, un nombre de cliente o una información de contacto mal escritos también pueden llevar a un cliente incorrecto en su base de datos y a perder el contacto de un cliente auténtico.
  • Un solo problema puede tener múltiples impactos en varios sectores empresariales. En la tabla anterior, hemos visto cómo un problema tenía dos impactos en el Servicio de Atención al Cliente y dos impactos en el departamento de Contabilidad. El mismo problema puede tener más impacto en estos departamentos, o posiblemente más impacto en otros verticales, como Ventas, Marketing, Producto, etc.
  • Es necesario localizar el cuantificador y puede haber varios cuantificadores para un mismo impacto.
  • El coste es estimado y puede medirse en cualquier momento periódico, por ejemplo, mensualmente, trimestralmente, anualmente, etc.

La plantilla mencionada anteriormente sienta las bases para relacionar todo tipo de problemas de calidad de datos con los riesgos empresariales estimados. Pero para ayudarle a rellenar la plantilla de su caso de negocio específico, en este blog enumero los siguientes aspectos:

  • Los diferentes tipos de problemas de calidad de datos presentes en los principales activos de datos de una organización, y
  • Los riesgos empresariales más comunes incurridos debido a estos problemas de calidad de datos.

Empecemos.

Problemas de calidad de los datos

Echemos un vistazo a los problemas de calidad más comunes que se encuentran en los conjuntos de datos de una organización.

  1. Datos incorrectos: Son los datos que no se ajustan a la realidad. Suele ocurrir debido a:
    1. Información obsoleta: Los datos tienden a cambiar con el tiempo y deben ser revisados periódicamente.
    2. Errores humanos: Los errores de escritura, las faltas de ortografía y la comprensión errónea de los datos son algunas de las razones más comunes de los problemas de calidad de los datos.
    3. Metadatos ambiguos: La falta de entendimiento claro sobre el significado de ciertos campos de datos puede hacer que almacene información incorrecta.
  2. Datos duplicados: Se refiere al almacenamiento de múltiples registros pertenecientes a la misma entidad.
  3. Datos incompletos: Esto se refiere a dejar campos necesarios vacíos en sus conjuntos de datos.
  4. Formatos y patrones incoherentes: Esto se refiere a tener los mismos datos almacenados en múltiples formatos y patrones, en lugar de seguir el formato y patrón estandarizado.
  5. Faltan dependencias: Algunos campos de datos se dejan en blanco ya que sus campos dependientes están vacíos. Por ejemplo, un Código Postal vacío puede hacer que el campo de Geocódigos de apoyo quede en blanco.
  6. Diferentes unidades de medida: Esto se refiere al almacenamiento del mismo campo de datos en múltiples unidades de medida, lo que hace que se carezca de una escala de unidades de medida estandarizada.

Riesgos empresariales asociados a la mala calidad de los datos

Para estimar el impacto de la mala calidad de los datos en una empresa, es necesario identificar el papel que desempeñan los datos en varios procesos empresariales. Esto le ayudará a resaltar qué procesos están destinados a estropearse y causar retrasos si los datos tienen alguno de los problemas mencionados anteriormente. A continuación, he enumerado los riesgos empresariales más comunes asociados a la mala calidad de los datos.

1. Oportunidades perdidas

De los 3,64 millones de clientes potenciales generados cada año, el 45% de los clientes potenciales se filtran como clientes malos debido a datos duplicados, formato no válido, validación de correo electrónico fallida y campos que faltan. Fuente

Una empresa es propensa a perder oportunidades en múltiples frentes si tiene una mala calidad de datos en conjuntos de datos dispares. Por ejemplo, si los datos de los clientes potenciales son deficientes, se puede perder la oportunidad de identificar posibles clientes. Del mismo modo, una información deficiente sobre los productos puede poner en peligro su capacidad para elaborar estrategias eficaces de desarrollo de productos en función de las necesidades del mercado. Los competidores de su ámbito tomarán definitivamente la delantera en el mercado si disponen de conjuntos de datos más fiables y precisos.

2. Pérdida de ingresos

Las organizaciones consideran que la mala calidad de los datos es responsable de una media de 15 millones de dólares al año en pérdidas. Fuente:

Este es, sin duda, uno de los mayores riesgos que su empresa puede experimentar debido a la mala calidad de los datos. Los datos incompletos o incorrectos (ya sea la información de contacto de los clientes, la información de los productos o la ambigüedad en el conjunto de datos financieros) pueden hacerle perder clientes potenciales e incurrir en pérdidas de ingresos como resultado. Si estos errores no están relacionados con una mala gestión de la calidad de los datos, le costará entender por qué su equipo no consigue alcanzar sus objetivos anuales de ventas o ingresos.

3. Reducción de la eficiencia operativa y la productividad

La mayoría de los equipos de datos en 2021 dijeron que no utilizan ningún software de calidad de datos y que confían en las comprobaciones manuales de calidad de datos. Fuente

Cuando el personal de una organización corrige manualmente los problemas de calidad de los datos antes de utilizarlos, puede suponer una carga para sus índices de eficiencia y productividad. Muchos analistas y científicos de datos consideran que dedican más tiempo a preparar y limpiar los datos, en comparación con la realización de análisis y predicciones fiables sobre el futuro de la empresa. Por esta razón, su empresa necesita un sistema integral que utilice la tecnología para automatizar la validación de la calidad de los datos e implementar procesos de calidad de datos a tiempo. Esto puede transformar sus datos para que sean utilizables en cada etapa de su ciclo de vida, sin necesidad de realizar ningún esfuerzo adicional en tiempo de ejecución.

4. Insatisfacción del cliente

Del 37% de los encuestados que trabajan en la experiencia del cliente para los procesos de cara al exterior, sólo el 30% supervisa proactivamente los impactos de la calidad de los datos. Fuente:

En esta época, los clientes buscan la personalización. La única manera de convencerles de que le compren a usted y no a un competidor es ofrecerles una experiencia que sea especial para ellos. Haga que se sientan vistos, escuchados y comprendidos. Para lograrlo, las empresas utilizan una gran cantidad de datos generados por los clientes para comprender su comportamiento y sus preferencias. Si estos datos tienen graves defectos, es obvio que acabará infiriendo detalles erróneos sobre sus clientes o compradores potenciales. Esto puede conducir a la reducción de la satisfacción del cliente y la lealtad a la marca.

5. Análisis erróneo

El 84% de los directores generales están preocupados por la calidad de los datos en los que basan sus decisiones. – Fuente

Hay dos formas de predecir el mercado futuro, la demanda y la necesidad. Una es seguir tu instinto. La segunda consiste en examinar los datos del pasado para identificar patrones y prever el futuro probable. Es evidente que la segunda forma es más fiable. Pero cuando se trata de inteligencia empresarial o de análisis de mercado, sus conocimientos van a ser tan buenos como los datos de entrada. Si los datos alimentados a su algoritmo de análisis tienen múltiples problemas de calidad de datos, los patrones identificados van a ser inexactos, lo que le llevará a construir una percepción incorrecta sobre el futuro del mercado.

6. Daño a la reputación

El consumidor medio dedica 13 minutos y 45 segundos a leer opiniones antes de tomar una decisión de compra. – Fuente

La mala información del producto es una de las principales razones por las que los clientes devuelven los productos comprados. El producto no era como se comercializaba en la página web. Pero en algunos casos, la mala calidad de los datos puede costarle más que los productos devueltos. En marzo de 2017, el Rescue 116 se estrelló contra un obstáculo de 282 pies: la isla de Blackrock, frente a la costa del condado de Mayo. Las investigaciones posteriores revelaron que el operador de helicópteros del CHC Ireland no contaba con un sistema «formalizado, normalizado, controlado o periódico». Debido a ello, en la base de datos utilizada por el operador para revisar las rutas de vuelo faltaban detalles sobre la isla de Blackrock.

Se informó de que la tripulación no fue advertida de este obstáculo en su ruta de vuelo hasta que estuvieron a 13 segundos de él. Lo peor es que se registró una queja sobre esta inexactitud de la base de datos de los guardacostas irlandeses 4 años antes del incidente, pero no se tomó ninguna medida correctiva. En un mundo en el que todas las acciones se basan en los datos, estos incidentes demuestran que se subestima mucho el coste de la mala calidad de los datos.

7. Falta de cumplimiento

El artículo 5 del RGPD establece que los datos personales deben ser exactos y, en caso necesario, estar actualizados. – Fuente

Las normas de cumplimiento de datos (como el GDPR, la HIPAA y la CCPA, etc.) están obligando a las empresas a revisar sus estrategias de gestión de datos. Según estas normas de cumplimiento de datos, las empresas están obligadas a proteger los datos personales de sus clientes y a garantizar que los propietarios de los datos (los propios clientes) tengan derecho a acceder a ellos, modificarlos o borrarlos.

Además de estos derechos concedidos a los propietarios de los datos, las normas también responsabilizan a las empresas de seguir los principios de transparencia, limitación de la finalidad, minimización de los datos, exactitud, limitación del almacenamiento, seguridad y responsabilidad. Es muy difícil cumplir estas normas si los datos subyacentes no son precisos, completos, válidos y seguros. Y la falta de cumplimiento puede limitar las operaciones de su empresa, especialmente desde el punto de vista geográfico.

8. Aumento de los costes financieros

La estimación de IBM del coste anual de la mala calidad de los datos, solo en Estados Unidos, en 2016 es de 3,1 billones de dólares. – Fuente

Todos estos riesgos empresariales mencionados anteriormente se acumulan en una cosa: le cuestan más dinero que si tuviera un sistema de gestión de la calidad de los datos de principio a fin. Tanto si paga para contratar más personal como si actualiza constantemente los procesos del sistema para garantizar la calidad de los datos, no acabará obteniendo los resultados que pretende. Lo mejor es invertir en la implantación de un sistema único y completo de gestión de la calidad de los datos que limpie y prepare todos los tipos de datos que se manejan en su organización, para poder controlar los crecientes costes financieros.

Conclusión:

La aplicación de medidas de calidad de datos coherentes, automatizadas y repetibles puede ayudar a su organización a alcanzar y mantener la calidad de los datos en todos los conjuntos de datos.

Data Ladder ha servido soluciones de calidad de datos a sus clientes desde hace más de una década. DataMatch Enterprise es uno de sus principales productos de calidad de datos, disponible como aplicación independiente y como aplicación integrable. API – que permite la gestión de la calidad de los datos de principio a fin, incluyendo perfil de datos, de limpieza, que coinciden, deduplicación, y purgade la fusión.

Puede descargar la versión de prueba gratuita hoy mismo o programar una sesión personalizada con nuestros expertos para entender cómo nuestro producto puede ayudar a implementar las mejores prácticas para alcanzar y mantener la calidad de los datos a nivel empresarial.

In this blog, you will find:

Try data matching today

No credit card required

"*" señala los campos obligatorios

Hidden
Este campo es un campo de validación y debe quedar sin cambios.

Want to know more?

Check out DME resources

Merging Data from Multiple Sources – Challenges and Solutions

¡Vaya! No hemos podido localizar tu formulario.