Kort om avsnittet
Många företag bränner miljoner på att "städa" data som ingen någonsin tittar på, samtidigt som det affärskritiska drunknar i mängden. Det finns ett utbrett missförstånd i datavärlden: att god datakvalitet innebär att alla fält är korrekt ifyllda, alla poster kompletta och alla mätare gröna. Men verkligheten är en annan.
I det här avsnittet av Utbenat bryter Sebastian ned vad datakvalitet faktiskt innebär och framför allt vad det inte innebär. Svaret handlar om affärssyfte, inte perfektion. Och det kan vara skillnaden mellan att investera klokt i er data och att betala dyra pengar för att damma vinden som ingen någonsin ser.
I avsnittet lär du dig:
Röster i avsnittet
Lyssna på avsnittet
Transkribering av avsnittet
Inledning
Mitra:
Varmt välkomna till Syntra Utbenat. Detta är podden där vi under tio minuter tar orden och begreppen som slängs runt i data- och AI-Sverige och benar ut vad de faktiskt betyder tillsammans med Sebastian Mildgrim.
Vad är datakvalitet, egentligen?
Sebastian:
Tänk dig att du ska ha en stor middagsbjudning ikväll. Gästerna kommer om två timmar. Hemma är det lite stökigt. Vad gör du? Du röjer undan i hallen, torkar av matbordet och ser till att det som syns är fräscht. Du gör det som krävs för att ge ett trevligt och städat intryck.
Men tänk om du istället skjuter upp middagen i tre veckor för att hinna städa vinden. För att gå igenom den där gamla flyttkartongen med urvuxna barnkläder längst in bakom julpyntet. Gästerna får vänta, men när de väl kommer är till och med vinden skinande ren. Det låter ganska galet, eller hur? Men det är exakt så många företag hanterar sin data.
Idag ska vi prata om de där kartongerna på vinden. Vi ska prata om datakvalitet.
Problemet: Vi lägger tid på fel data
Sebastian:
Företag kan bränna miljoner på att städa information som ingen någonsin kommer använda. Samtidigt drunknar affärskritisk data i mängden. Vi har fått lära oss att data är det nya guldet. Och visst – det låter bra. Men det har också skapat en hets.
Johan på IT köper dyra verktyg som scannar databaser och hittar fel: “40 000 kundkort saknar korrekt postnummer.” Johan får panik. Projekt startas. Konsulter kallas in. Nu ska datan städas. Men ingen ställer den viktigaste frågan: Vilka kunder gäller det?
Om det visar sig att det är kunder som handlade en gång 2012 och aldrig kom tillbaka – då spelar det ingen roll om postnumret är fel. Men vi rättar det ändå. För att mätaren ska bli grön.
Myten om perfekt data
Sebastian:
Här måste vi döda en myt: Datakvalitet är inte absolut.
Det finns inget som heter perfekt data. Det finns bara data som är tillräckligt bra för sitt syfte.
Samma data – olika krav
Sebastian:
Ta Josefin på logistik. För henne är leveransadressen helig. Om den är fel kör lastbilen fel. Det kostar pengar. Här krävs 100 % kvalitet.
Men sen har vi Peter på marknad. Han vill förstå var kunderna finns geografiskt. Om en gata är fel spelar det ingen roll. Han behöver bara veta stad.
Samma data. Två olika syften. Två helt olika krav på kvalitet. Om vi tvingar Peter att vänta på perfekt adressdata bromsar vi verksamheten i onödan.
Problemet med att behandla all data lika
Sebastian:
Det andra problemet är att vi behandlar all data som lika mycket värd. Men sanningen är att de flesta företag sitter på berg av data – och bara en liten del är värdefull.
Loggfiler, gamla transaktioner och “bra att ha”-fält som skapades för tio år sedan men aldrig används. När vi sätter generella regler som “alla fält måste vara ifyllda” tvingar vi organisationen att underhålla skräpdata.
Vi betalar alltså för att lagra och förbättra data som inte skapar något värde. Det är som att hyra ett lager fullt med gamla möbler – och dessutom betala någon för att damma dem varje vecka.
Mätfällan (och varför den är farlig)
Sebastian:
“What gets measured gets done”. Det stämmer. Och det är livsfarligt om man mäter fel saker.
Säg att ett system visar att 5 000 produkter saknar färgbeskrivning. Organisationen lägger 100 timmar på att fylla i “blå”, “röd”, “svart”. Mätaren går till 100 %. Alla är nöjda. Men produkterna kanske utgick 2018. Eller så är färgen irrelevant för kunden. Ni har lagt massor av tid – utan att skapa affärsvärde.
Det är inte kvalitetssäkring. Det är kapitalförstöring.
Hur ska man tänka istället?
Sebastian:
Sluta se datakvalitet som ett IT-projekt där målet är noll fel. Målet är inte perfektion. Målet är affärsnytta.
Tänk att du ska packa inför en resa. Tvättar och stryker du alla kläder du äger? Nej. Du utgår från din resplan.
Ska du vandra – då ser du till att vandringsskorna är i bra skick. Ska du på middag – då fixar du något snyggt att ha på dig. Resten får ligga kvar. Precis så måste ni tänka kring data.
Datakvalitet = kopplat till initiativ
Sebastian:
Er “resplan” är era affärsinitiativ.
- Ska ni jobba med personalisering? → Då är kunddata kritiskt.
- Ska ni optimera transporter? → Då är vikt och volym viktigt.
Ingen datapunkt är värdefull i sig. Den blir värdefull först i ett konkret sammanhang.
Så gör ni i praktiken (på måndag)
Sebastian:
- Se över vad ni mäter
- Identifiera vilka datakvalitetsmått ni följer upp
- För varje röd siffra – ställ frågan:
- Vem använder den här datan?
- Vad händer om vi inte fixar det?
Om svaret är “Vi vet inte, men det ser snyggt ut i systemet” → Sluta mäta det
Om svaret är “Faktureringen till våra största kunder stannar” → Då är det kritiskt
Slutsats
Sebastian:
Datakvalitet handlar inte om att städa hela huset med tandborste. Det handlar om att göra fint där det faktiskt spelar roll. Vi har god datakvalitet när datan uppfyller sitt syfte. Så:
- Sluta mäta allt
- Sluta städa vinden inför gäster
- Fokusera på det som faktiskt skapar värde
Avslutning
Sebastian:
Tack för att du lyssnade på dagens avsnitt av Syntra Utbenat. Vill du prata mer om dagens ämne – eller bara prata data? Hör av dig till oss. Vi finns på LinkedIn. Eller via vår hemsida fiwe.se. Vi hörs – och ta hand om er där ute.
