Calidad de datos vs. Análisis de datos - Se pueden tener ambos

Los datos perfectos

Los profesionales de las finanzas de todas las organizaciones orientadas al crecimiento comparten conmigo lo importante que es para ellos disponer de datos "perfectos". La lucha constante por alcanzar y mantener el nivel necesario de calidad de los datos les quita el sueño. De hecho, hace que incluso las organizaciones con más visión de futuro dejen de lado la inversión en análisis de datos. El argumento es el siguiente: "Necesito tener datos perfectos antes de buscar formas de optimizar nuestro análisis de datos".

Sin embargo, adoptar este enfoque mantiene a las organizaciones atrapadas en un ciclo en el que los datos perfectos son inalcanzables. He aquí por qué: la verdad del asunto es que los criterios que subyacen a la búsqueda de datos "perfectos" por parte de una organización varían drásticamente. Por ejemplo, cuando una empresa lanza un producto al gran público, es fundamental poder informar sobre el número inicial de unidades vendidas. En consecuencia, los datos perfectos se definen en gran medida como "rápidamente accesibles". En cambio, si una organización se prepara para una fusión, la recopilación de información de todos sus departamentos y sedes cobrará importancia. En ese caso, la "exhaustividad" es un factor importante a la hora de definir la calidad de los datos.

En última instancia, aunque cada organización hace hincapié en elementos diferentes, las organizaciones confían más en los datos cuando reúnen varios criterios, entre ellos 1) la pertinencia en función del contexto; 2) la capacidad de acceder a ellos cuando se necesitan; 3) la facilidad de comprensión; y 4) el grado en que pueden utilizarse para impulsar acciones significativas.

Reconocer la naturaleza variable de los datos "perfectos" permite a las organizaciones adoptar el análisis de datos sin sentir que tienen que resolver todos sus problemas de calidad de datos. Esto se debe a que uno de los resultados positivos de realizar análisis rigurosos es que los datos se acercan más a la definición de datos "perfectos" de la organización. En otras palabras, conseguir la calidad de datos que se necesita es una consecuencia del análisis de datos, no un requisito previo. En consecuencia, cualquier herramienta que le ayude a comprender mejor sus datos mejora en última instancia su calidad.