Blogg

Vad är datakvalitet? Del 2

Skriven av Lundatech | 2023-jan-09 10:51:00

Hur säkerställer vi vår datakvalitet?

Detta är en ständigt närvarande diskussionspunkt i många bolag, oavsett avdelning eller arbetsuppgifter. Kvalitet på data kan utvärderas utifrån ett flertal parametrar, vilka vi började dela med oss av i förra inlägget:

  • Accessible
  • Relevant
  • Comparable
  • Valid
  • Accuracy
  • Completeness
  • Reliablity
  • Consistency
  • Current

Utifrån dessa kommer vi att rekommendera ett urval av aktiviteter, både manuella och systemdrivna, som kan hjälpa er att utvärdera och förbättra er datakvalitet.

Completeness, Komplett data

I förra blogginlägget diskuterade vi vad som kan göras för att uppnå datakvalitet utifrån perspektivet “korrekt data”. Det leder oss in på nästa variabel – hur “complete” (på svenska komplett) er data är. Här syftar vi på om ni har tillgång till er data och att ni inte har hål i den. Är datan fullständig så att den stödjer ert sätt att arbeta? Kanske behöver datan konsolideras i och mellan system för att göra den komplett. Nedan listar vi tips för hur ni kan åstadkomma “complete” data.

Processkontroll

  1. Säkerställ att de som arbetar i processen förstår vikten av korrekta data och hur felaktigheter påverkar verksamheten längre fram i kedjan.
  2. Inför tydliga kontrollerbara rutiner i processen, utför stickprov för att säkerställa att den uppfyller den datakvalitet som efterfrågas.
  3. Ställ krav på indata från externa parter, exempelvis leverantörer.


Obligatoriska fält

Hindrar att data sparas utan att obligatorisk information är med. Guidar anställda och bidrar till processkontrollen. För att göra data kvantifierbar går det att stärka kontrollen med att bara tillåta fördefinierade värden.

Master Data Check

Genomför automatiska kontroller av viktiga datapunkter, som exempelvis: 1) beloppsspann 2) dataformat 3) lista på tillåtna värden, med mera. Kontroller kan förstås också göras manuellt men är väldigt tidskrävande och introducerar nya felkällor och personberoende. Detta upptar värdefull tid som istället kan läggas på att utveckla verksamheten.

Konsolidera och Standardisera data

Viktig data hämtas ofta från flera olika källor. Jämför och koppla data från dessa för att få helhetsbild. Genom att standardisera och tvätta data, kan ni få rapporter och dashboards med ny information som inte är tillgänglig i de enskilda källsystemen.

Är er data komplett? Hur kan ni förbättra ert sätt att samla information?

 

 

Är du nyfiken på hur Business Cloud iPaaS kan hjälpa ert företag med integration och datakvalitet? Kontakta mig nedan eller boka en demo så berättar jag mer. 

  

       

 

                   

 

 

Staffan Hedbrandh, vd