4 ting der langsomt (men sikkert) ødelægger dine data

4 måder, hvorpå datakvaliteten kan blive kompromitteret

Du kører en kampagne, og dashboard'et lyser op som et juletræ.

Alt ser ud til at fungere perfekt undtagen… Salget. Det bevæger sig ikke.

Hvordan kan det være, hvis det alt virker?

Dette sker meget, og grunden til, at du ikke ved det, er, at ingen gerne indrømmer det. Der er ret mange grunde til, at dette kan ske, men ingen af dem er forkerte data. Dataene er korrekte, de fortæller bare ikke dig, hvad du tror, de fortæller.

Tag et par minutter, og lad os gennemgå nogle af problemerne, der muligvis forårsager dette puslespil.

Hvad kaster dine data væk uden at du bemærker det

Tallene på dit dashboard ser så pæne og perfekte ud, at det er næsten hjertesplittende at indrømme, at det du ser ikke er virkelighed. Hvad du ser er målinger af virkeligheden, og problemet med målinger er, at de altid udelader nogle ting.

Sagen er, at du har data, ja. Men forstår du det virkelig? Sandsynligvis ikke.

Her er fire af de mest almindelige grunde til, "hvorfor" alt dette sker.

1. Tal er ikke alt

I sig selv er et råtal (et datapunkt) bare et tal. Det er stort set ubrugelig.

Bare fordi du kan se, at salget er faldet 15% siden i sidste tirsdag, betyder det ikke, at du kan rette det op eller vide, hvorfor det skete. Din instinkt fortæller dig at finde ud af, hvad der er galt; måske internettet klikkede, måske dine annoncer virker ikke så godt… Du ved det ikke, og det er præcis pointen.

Den 15% vil ikke fortælle dig, om din største konkurrent lancerede et salg på netop den dag tabet skete. Den 15% vil heller ikke fortælle dig, at mere end halvdelen af dit almindelige kundegrundlag ikke arbejdede den dag på grund af en lokal ferie eller et lokaliseret strømafbrud, der varede 4-5 timer.

Det er ting som sådan, som du er afhængig af at opbygge en effektiv forretningsstrategi baseret på, som ikke vil komme ud alene på baggrund af et råtal.

Så nyttig som dit dashboard er, det viser kun resultatet, ikke årsagen, så hvad gør du? Du springer til konklusioner, fordi du vil rette tingene ASAP.

Desværre er alt du kan gøre at gætte, hvis du arbejder med nul kontekst omkring disse tal.

2. Ting uden for din kontrol, der stadig påvirker dine data

Nogle tal ændrer sig på grund af noget, du gjorde eller ikke gjorde.

Andre ændrer sig på grund af ting, som du absolut ingen kontrol over har, som vejret. En storm kommer ud af det blå, og din butik sidder tom, fordi gaderne er tomme. Hvis du kun ser på det, tallene viser, ser dette ud til, at din virksomhed går for langsomt, men det er ikke sandheden.

Du har med noget at gøre, som du ikke sporer, og det er det. I dette tilfælde kunne en vejr API være en livredder, fordi det ville gøre det muligt for dig at sætte nøjagtige vejrrelaterede data ind i din software, som igen ville gøre det muligt for dig at forberede dig bedre, når det er nødvendigt.

Men vejret er ikke den eneste faktor uden for din kontrol; trafik, helligdage, lokale begivenheder, ændringer i sæsoner, det hele spiller en rolle, og dine interne data viser intet af det.

3. Dine data er ikke så aktuelle, som det ser ud

"Direkte" og "realtid" er problematiske termer, fordi de får dig til at tro, at du ser, hvad der sker lige nu. Men det er du ikke. I bedste fald ser du på, hvad der skete for nogle få minutter siden, fordi systemer ikke kan synkroniseres med lysets hastighed.

Data goes from one tool to another in batches, and by the time you see it on your screen, it's no longer as current as you think.

Du kunne sige, at nogle få minutters forsinkelse ikke er slutningen på verden. Og ja, det er det ikke. Men grunden til, at du ønsker at holde dette i tankerne, er, at selv små forsinkelser kan få dig til at reagere på forkert måde.

Huller i timing ødelægger det, du tror, der sker lige nu, så mens du tror, du træffer beslutninger baseret på aktuelle faktorer, gør du det ikke.

4. Mennesker har større indvirkning på data end du tror

Den ubehagelige sandhed er, at så snart der er mennesker involveret, bliver data ændret.

Mange mennesker antager, at problemer med data skal være tekniske, og de glemmer at se på deres eget team som kilden til rodet. Hold har en tendens til kun at fokusere på de KPIs, som de sporer, og ignorerer alt andet.

Som du sikkert kan se i nu, er det langt fra ideelt.

Her er et hurtigt eksempel til at forklare dette:

Lad os sige, at nogen har indtastet en kundeadresse i 5 forskellige formater, fordi de ikke kunne finde den rigtige mulighed på dropdown-menuen. Er det en systemfejl? Absolut ikke, det er bias og inkonsistens, og dashboard'et vil ikke advare dig om det.

Husk, at data også afspejler adfærd, ikke kun systemer. Vi vil alle have rene data, men for at få det, skal vi se på, hvordan mennesker interagerer med det.

Konklusion

Det ville være dejligt, hvis data kunne bryde ud i flamme eller skrige blodigt mord, når det bliver ødelagt, men det sker ikke. Det er bare... Drifts. Lidt her, lidt der, og du har fået et tal, der betyder intet, fordi det ikke er korrekt.

Når du ser på alt det, som denne artikel talte om på dens egen, er det alt (ærligt talt) ret kedelig stof.

Det er ikke dramatisk. Det er heller ikke skræmmende eller spændende. Men hvad sker der, når du sammenfatter alt dette?

Så ville der ske noget skræmmende – du ville træffe "alt eller intet" forretningsbeslutninger baseret på tal, der giver ingen mening.

Og det mest skræmmende?

Du ved ikke engang det.