Jaki problem to rozwiązuje
Jednorazowe sprzątania danych nie trzymają. Sześć tygodni po wielkiej deduplikacji nowe duplikaty przychodzą przez formularze i importy, handlowcy wymyślają nowe wartości dla pól, które już mają konwencje, a etapy cyklu życia dryfują od definicji. Przyczyną źródłową jest to, że złe dane są objawem procesu: każdy powracający problem z danymi prowadzi do punktu wejścia, integracji albo workflowu, który wciąż go produkuje. Czyszczenie danych bez naprawy procesu to wynajmowanie czystości na miesiąc.
Jak pracujemy
Pracujemy na obu warstwach w rytmie miesięcznym. Warstwa danych: zaplanowane przejścia higieniczne obejmujące duplikaty, formatowanie, kompletność właściwości na rekordach, które mają znaczenie, i kondycję list. Jakość mierzymy spójną kartą wyników, więc poprawa jest widoczna z cyklu na cykl zamiast anegdotyczna.
Warstwa procesu to miejsce, gdzie dzieje się procent składany. Każdy powracający problem z danymi śledzimy do jego źródła, czy to formularz bez walidacji, szablon importu, którego nikt nie zaktualizował, integracja zapisująca zastane wartości, czy krok procesu, który handlowcy pomijają, i naprawiamy źródło. Po kilku cyklach przejścia higieniczne znajdują coraz mniej, co jest celem.
Zgłoszenia zmian procesu od Twojego zespołu płyną przez ten sam backlog: nowa definicja cyklu życia, zmieniona reguła przekazania, restrukturyzacja właściwości. Wpływ na dane oceniamy przed wdrożeniem, bo większość edycji procesu jakiś ma.
Deliverables
- Miesięczna karta wyników jakości danych z trendem w cyklach
- Cykliczne przejścia deduplikacyjne i higieniczne
- Naprawy przyczyn źródłowych w punktach wejścia danych i integracjach
- Korekty procesu wdrażane z priorytetyzowanego backlogu
- Udokumentowane standardy danych i konwencje pól