Как начать внедрять качество данных в компании?

Продолжаем рубрику #dq_ответы_на_вопросы

Данные бывают разные, а используют их примерно все 😊
Внезапное «Мам, пап, завтра надо ступу бабы Яги в натуральную величину из эко-материалов» – тоже про качество данных.
И «Ой, мы продали билетов на концерт больше, чем мест в зрительном зале» - оттуда же.
И «случайно» ошибиться номером, и еще много чего бытового.

Все организации держатся на данных. Основное, что есть – знания о клиентах, партнёрах, сделках, обязательствах и т.д. Ошибки в этих знаниях могут стоить очень дорого, как в плане репутационных рисков, так и в плане финансовых потерь.

Так как же сделать так, чтобы все данных были верными? Договариваться. Со всеми:
🤵с руководством, что на эту задачу нужны люди, деньги и время;
🤵с подчиненными, что на них упадёт дополнительная работа;
🤵с коллегами, чтобы они предоставляли реальные данные не на кухне, а официальными каналами связи;
🤵с партнерами, что оттого, какие данные они предоставят, зависят существенные условия договора.

Как? Понять, что может мотивировать этих людей.
Например,
💸для руководства – посчитать трудозатраты по вашей сфере ответственности, хотя бы примерно (не известно, что обнаружится, когда вы всерьёз возьметесь за эту задачу), выгоду и экономию, которую получит отдел или компания после приведения данных в порядок;
💸Для подчиненных – в чем будет упрощение или удобство при работе с нормальными данными, возможно материальная мотивация;
💸Для коллег – может быть уменьшение взаимных задач по доделыванию и исправлению ошибок, а может – новый общий интересный проект;
💸Для партнеров – выгодные условия, сокращения сроков, приоритет выполнения заказов и др.

Желательно, договариваться одновременно со всеми.

Предварительно для каждой категории оппонентов приготовить ответы на основные возможные вопросы: зачем, что это даст, сколько это будет стоить, сколько займет времени первый этап, кто именно будет делать, кто за что нести ответственность, что вы готовы взять на себя и главное – что будет, если этого не сделать в какие-то разумные сроки. Еще можно продумать, какой минимальный уровень качества устроит вас, даст обещанное окружающим, по каким критериям это планируется измерять.

Ну а перед всем этим – понять, что вы хотите получить, внедряя работу над качеством данных в организации, в каком состоянии они сейчас, где есть слабые места и на что они влияют.

#качестводанных #dataquality