Ĉu vi iam ĉagrenis vin pro nekompletaj nomoj, malĝustaj retpoŝtadresoj kaj falsaj telefonnumeroj?
Vi traktas malbonajn datumojn kaj malutilas viajn merkatajn klopodojn.
En ĉi tiu rapida peco, mi helpos vin kompreni, kio estas malbonaj datumoj, kiel vi povas signife redukti ĝin, kaj kion vi povas fari por malebligi, ke ĝi influu viajn merkatajn klopodojn.
Jen iras!
Komprenante Malbonajn Datumojn
Malbonaj datumoj estas iuj ajn datumoj, kiuj suferas de malprecizaj, malvalidaj, malmodernaj, nekompletaj informoj. Bedaŭrinde, plej multaj datumoj kolektitaj por merkatado havos ĉi tiujn problemojn kiel enecan trajton.
Ekzemple, la retejo, kiun vi uzas por kolekti datumojn, povas esti plenigita de la sama persono plurfoje, uzante plurajn retpoŝtajn identigilojn. La persono eble ankaŭ tajpas siajn nomojn kun ortografia eraro. Iuj eĉ donas falsajn atestilojn!
Se vi havas nur kelkajn centojn da datumoj, vi povas apliki simplajn Excel-filtrilojn por ordigi ĝin, sed kiam vi havas centojn da miloj da registroj kaj ĝi devenas de multaj fontoj?
Alia signifa problemo kun malbonaj datumoj estas tiu de duobligado. Citante la saman ekzemplon supre, rekorda rekordo estas duobligita tri fojojn ĉiufoje, kiam ili uzas alian retpoŝtan adreson! Ĉi tio kaŭzas gravan duobligon de datumoj, kiu detruas la kvaliton de viaj datumoj. Vi eble pensos, ke vi havas kvin malsamajn kondukojn, sed ili vere estas nur unu persono. Multiplikigu ĉi tiun ekzemplon per 10 fojoj kaj vi havas centojn da duobligitaj informoj, kiujn vi bezonos ordigi.
Tradicie, ĉi tiuj problemoj ĉiam estis aranĝitaj per uzo de unikaj identigiloj - kiel atribui specifan numeron al ento aŭ uzi ĉefan signon kiel la [Telefono] aŭ [Retpoŝto] signo por ordigi informojn, sed la problemo kun ĉi tiu aliro estas ĝi neglektas la eblon de eraroj kaj kopioj kun la ĉefaj unikaj identigiloj kaj signoj mem!
Do kvankam vi eble pensas, ke unika identigilo kiel aŭtomata seria numero, kiel ekzemple 'retformular001' povas esti uzata por identigi aŭ forigi kopiojn, verŝajne unu uzanto havas, 'retformform001-005.' Kaj se por ĉiu formo, ili donas alian adreson, aŭ alian detalon, aŭ eĉ maltrafas kritikan informpecon kiel familinomojn aŭ mezajn nomojn, estos pli komplike por vi solvi.
La doloro estas reala. Komercistoj devas trakti malbonajn datumojn ĉiutage. Kaj la efiko estas tiel severa, ke ĝi povus kosti laborpostenojn al homoj!
Kiel Vi Reduktas La Ŝancojn de Malbonaj Datumoj?
Krudaj datumoj estas esence malbonaj datumoj. Sed tio ne signifas, ke vi ne povas bridi ĝin. Rimarku, kiel mi fokusas bremsi anstataŭ tute malebligi ĝin - tio estas ĉar vi ne povas malhelpi malbonajn datumojn okazi. Cetere vi ne povas certigi 100% purajn datumojn. La plej bona kalkulo de datumarkoj estas 97/100 - tio signifas, ke el ĉiuj 100 registroj, tri diskoj estas konsiderataj kiel misaj defaŭlte. Do la celo ne estas tute malebligi malbonajn datumojn, sed certigi, ke la datumoj, kiujn ni bezonas uzi por diversaj celoj, estas sufiĉe bonaj.
Pluraj aferoj, kiujn vi povas fari por redukti malbonajn datumojn, inkluzivas:
- Agordi fortajn antaŭajn kolektajn datumajn procezojn (kiel la ekzempla retejo supre)
- Uzu a programoj pri purigado de datumoj por certigi, ke viaj datumoj estas purigitaj realtempe.
- Kreu fokusitan datumkolektan strategion. Se datuma kampo ne plenumas vian celon, vi ne bezonas kolekti ĝin.
- Trejnu dungitojn pri la bazoj de datumkolektado, enirado de datumoj kaj revizio de datumoj. Plej multaj datumaj eraroj estas kaŭzitaj de malbonaj eniraj praktikoj.
- Se vi povas pagi ĝin, dungu specialiston pri datumoj por helpi vin starigi politikon pri kolektado de datumoj kaj istrado de datumoj.
Malbonaj datumoj ne nur malutilas por via kompanio, sed ĝi ankaŭ povas kaŭzi fortajn leĝajn monpunojn se vi ne bone istras ĝin. Estas dekoj da realtempaj kazoj de kompanioj pagantaj pezajn monpunojn, ĉar ili ne faris sian diligentecon per datumoj.
Estas nepre memori, ke malbonaj datumoj nur signifas malĝustajn aŭ koruptajn datumojn, ĝi ankaŭ signifas datuman sekurecon kaj plenumadon de datumoj. Se vi ne havas aliron al kvalitaj datumoj, vi ne povas efektivigi fortikan strategion pri plenumado kaj plenumado de datumoj.
Por kalkuli viajn merkatajn klopodojn, komencu certigante, ke vi havas altkvalitajn datumojn por labori.
