Blog: Beskidte data kan knække din virksomhed

Kender du det? Du ringer til kundeservice hos dit teleselskab/forsikringsselskab/kreditinstitut, og noget af det første, du bliver bedt om af robotstemmen, er at indtaste dit personnummer, hvorefter du når frem til en medarbejder, som må bede dig om at oplyse nummeret igen, fordi det ikke er nået frem til vedkommendes computerskærm.

Eller har du prøvet at købe et produkt eller en løsning online, hvorefter firmaet begynder at sende dig mails, der reklamerer for det produkt, du lige har købt?

Beskidte data
Den slags uhensigtsmæssigheder, som kan være voldsomt irriterende for kunden, er ofte et symptom på et langt større problem hos den virksomhed, der træder i spinaten. Alt for mange virksomheder har nemlig et problem med såkaldt beskidte data, hvilket vil sige, at data om kunder, varer, leverancer, betalinger etc. er behæftet med fejl.

Blandt ofte forekommende fejltyper kan nævnes falske data (en persons fødselsdag er indtastet forkert i systemet, så det ser ud som om, han er 143 år gammel i stedet for 43), misvisende data (personen bor på Østerbrogade, men det er Østerbrogade i København og ikke i Holstebro), inkonsekvente data (et firma har flere databaser, og i den ene står en person registreret som Marie Jensen, mens hun i den anden er opført som Marie-Louise Jensen) og ikke-integrerede data (ovenstående to databaser er ikke integreret med hinanden, så Marie Jensen og Marie-Louise Jensen optræder under to forskellige kundenumre, og virksomheden ved ikke, at der er tale om én og samme person).

8 ud af 10 virksomheder
Årsagerne til fejlbehæftede data kan være mange, men typisk er der tale om mangelfuld governance, manglende standardisering af processer og forskellige teknologiske platforme, der ikke taler sammen. Da vi i EG sidste år gennemgik et stort antal Microsoft Dynamics AX-systemer i mere end 100 virksomheder i Danmark, Norge, Sverige og USA, konstaterede vi 8 ud af 10 gange fejlbehæftede eller døde data, hvilket førte til problemer med ydelsen eller sågar nedetid på systemet.

De dårlige data går ikke blot ud over systemets performance, de forhindrer også medarbejderne i at anvende systemet effektivt, hvilket ender i en ond cirkel, hvor problemerne forværres.

Kan betyde økonomisk katastrofe
Ud over at det kan koste på bundlinjen, når varer ikke bliver leveret til den rette person, eller den rigtige kunde får den forkerte vare, kan fejlbehæftede data have en række andre meget dyre konsekvenser for virksomheden. Først og fremmest kan det i yderste konsekvens være umuligt at opgradere til nyere versioner af virksomhedens ERP-system, hvis dine data er for "beskidte". Så drømmen om at komme i skyen med Dynamics 365 kan hurtigt blive til et mareridt, som handler om at redde resterne af den eksisterende AX-installation.

Så er der selvfølgelig hele compliance-aspektet, herunder omkostningerne (både de økonomiske og muligvis juridiske) ved at rapportere forkert til ejere, myndigheder og andre interessenter. Og det er en meget realistisk risiko, hvis du ikke har styr på dine stamdata. Din virksomhed skal kunne klare en it-revision, ellers narrer du dig selv, hvis du sover roligt om natten.

Endelig er der EU's nye persondataforordning, som indeholder en række strenge krav til, hvordan virksomheder skal håndtere data om kunder. Overtrædelser kan i værste fald føre til bøder på op til 4 % af en virksomheds årlige globale omsætning. Har du råd til det, blot fordi det skulle vise sig, at du ikke havde overholdt forordningens strenge sletteregler?

Det er nu, du skal handle
Hvis du ikke har styr på dine data, er det et forretningsproblem, ikke bare et it-problem. Det burde allersenest stå klart, når man tager de potentielle økonomiske og juridiske konsekvenser af datafejl i betragtning. Ergo er det også en strategisk forretningsmæssig beslutning at tage hånd om problemet.

Det kræver en systematisk tilgang, som naturligvis må tilpasses virksomhedens konkrete omstændigheder, men som fx kunne se ud som følgende fempunktsplan:

#1: Vurdering
Du skal kende omfanget af dit problem. Du bør ikke bare analysere dine data, men også alle de arbejdsprocesser, som er forbundet med skabelsen af nye data i dit system. Denne fase skal afsluttes med et overblik over nødvendige og mulige fejlrettelser og forbedringer.

#2: Planlægning
Når du har overblikket, skal du analysere, hvilke forbedringer der skal have prioritet. Der skal allokeres ressourcer til de vigtigste opgaver, og samtidig bør du også beslutte, hvilke fejlrettelser du må undlade at forfølge – enten fordi det forventede afkast er for ringe, eller fordi de i praksis er umulige at gennemføre.

#3: Implementering
Det kræver involvering fra mange interessenter i virksomheden at implementere omfattende rettelser af datafejl. Ud over it-afdelingens ansvarlige for datakvalitet skal også udviklerne, som vedligeholder og udvikler ERP-systemet og beslægtede systemer, inddrages, ligesom hele forretningen, herunder især ledelsen, har et ansvar for at udrydde fejlkilder fremadrettet.

#4: Evaluering
Taktikken kan skygge for overblikket, og måske opstår der nye fejl undervejs i den omfangsrige proces med at rette op på datakvaliteten. Derfor er en efterfølgende evaluering, hvor systemets performance overvåges nøje, af stor betydning. Derefter må evt. justeringer gennemføres.

#5: Uddannelse
Er alle medarbejdere orienteret om nye regler og arbejdsprocesser vedrørende datakvalitet? Måske er informationer på virksomhedens intranet tilstrækkelige, men kurser og undervisning kan også være en nødvendighed.

Kilde: APQC, Informit

• Del