Argumentar a favor de datos de mejor calidad

«Cuesta diez veces más completar una unidad de trabajo simple cuando los datos tienen algún defecto que cuando están perfectos».

Esto simple regla general proporciona un punto de luz sobre el tema de que a los que nos dedicamos a la profesión de los datos no nos ha ido bien. Nos esforzamos por ofrecer argumentos de negocio sólidos para mejorar la calidad de los datos que llamen la atención y centren el esfuerzo. La mayoría de los altos ejecutivos saben muy bien que sus datos no están a la altura. Pero a falta de un argumento comercial, la calidad de los datos no pasa el corte entre las prioridades contrapuestas.

Por supuesto, los verdaderos líderes saben que esto no es excusa. Dada la creciente importancia de los datos para todos los aspectos de su negocio, saben que deben desarrollar una comprensión de los costes de una mala calidad de los datos, a pesar de las deficiencias de la metodología.

Estos costes incluyen los costes directos pero antes ocultos, los costes más importantes pero intangibles, como la pérdida de confianza, y los costes de oportunidad perdidos. Este post tiene como objetivo ayudar a los líderes a tener un panorama general, empezando por los costes que puedan estimar y utilizándolos como plataforma para entender los costes desconocidos y desconocidos.

Primero, desarrolle un buen ojo para los trabajos sin valor añadido. La facturación a los clientes es un buen ejemplo. Cuando un cliente se queja de un error de facturación, dedica tiempo a investigar la corrección y a hacer las paces con el cliente. Dedica mucho tiempo y esfuerzo, pero no le va mejor de lo que le iría si hubiera facturado correctamente al cliente la primera vez. Ha trabajado mucho, pero no puede cobrar más por sus problemas.

Trabajar para encontrar y corregir los errores forma parte integral de la mayoría de los procesos operativos y, una vez que vigilan con ahínco el trabajo que no tiene valor añadido, la mayoría de los líderes pueden eliminarlo. Estos costes son estimables. Simplemente aísla el trabajo sin valor añadido, cuenta a las personas que lo realizan y aplica los factores de carga correctos. Como alternativa, puede medir la tasa de error y utilizar la regla general para obtener una primera estimación.

De cualquier manera, los resultados suelen ser impresionantes. Incluso una tasa de error global muy baja del 3% añade casi un 30% de costes sin valor añadido. Números como estos dejan claro que la mejor manera de reducir los costes podría ser mejorar la calidad.

También hay mucho trabajo de gestión sin valor añadido. Se debe a la fría y brutal realidad de que la mayoría de los directivos simplemente no utilizan datos en los que no confíen: «Estas cifras no se ven bien. Vamos a verificarlos antes de tomar esta decisión». Luego se esfuerzan por verificar o justificar todos los números.

En principio, se podrían medir los costes asociados, pero palidecen en comparación con los costes de intentar gestionar cuando no sabe lo que está pasando. No puede actuar con rapidez, no puede tomar buenas decisiones y no puede alinear a la gente con la obra. Se desconocen los costes de oportunidad perdidos y es casi seguro que se desconocen. Por lo tanto, la segunda clave es reconocer que La famosa observación del Dr. Deming — «los costes más importantes (de la calidad en la fabricación) se desconocen y se desconocen» — se extiende también a los datos. Y aunque es difícil, debe hacer frente a estos costes.

Volvamos al ejemplo de facturación una vez más, ya que también ofrece buenos ejemplos de oportunidades perdidas. Los clientes solo se quejan de los errores de facturación que les perjudican, principalmente de la sobrefacturación. Pero si está sobrefacturando, es casi seguro que también está facturando menos. Como los clientes no se quejan de eso, ha perdido la oportunidad de recaudar los ingresos que se le adeudaban. Peor aún, estos errores de facturación dificultan la creación de una relación duradera y de confianza con sus clientes; estos costes de oportunidad perdidos probablemente no se conozcan.

Para muchas organizaciones, el impacto más importante de los datos incorrectos recaerá en sus esfuerzos de big data. Sencillamente, los datos erróneos hacen que todo lo relacionado con el big data, desde descubrir algo realmente novedoso en los datos hasta crear un producto o servicio en torno a ese descubrimiento, adquirir el soporte necesario y, por último, monetizar el nuevo producto o servicio, sea mucho más difícil. Y nadie sabe cómo cuantificar los costes asociados a un descubrimiento que cambió la industria y que podría haber hecho pero no hizo.

A medida que defienda datos de mejor calidad en su organización, aprenda a aplicar la disciplina de desarrollo de infonomía. Si bien en el lenguaje cotidiano, está bastante claro que los datos de mala calidad son pasivos y los datos de alta calidad son activos, no aparecen en el balance. Doug Laney, de Gartner, y otros son crear un cuerpo de práctica que complementa los métodos de contabilidad actuales para ayudar a abordar este déficit. Están desarrollando modelos de valoración que ayudan a cuantificar los valores económicos y no económicos de los datos desde diversas perspectivas. Elija el que mejor se adapte a sus circunstancias y aplíquelo.

Por último, reconozca que no todos los datos se crean de la misma manera. Reduzca el esfuerzo al tamaño centrándose en sus datos, clientes, operaciones y estrategias más importantes. Comprométase con estimaciones sólidas del trabajo sin valor añadido. Enganche el corazón con historias que dan vida a los costes desconocidos e incognoscibles.

Los simples gerentes encuentran todo esto realmente abrumador. Los verdaderos líderes reconocerán las dificultades, pero también verán las oportunidades, la oportunidad de entender lo que realmente está sucediendo, de generar apoyo a la vez, a la baja y de forma lateral; y de lanzar el programa de calidad de los datos que saben que sus organizaciones necesitan.