Qualidade de dados vs. Análise de dados - Você pode ter os dois

Os dados perfeitos

Os profissionais de finanças de todas as organizações voltadas para o crescimento compartilham comigo a importância de ter dados "perfeitos". A luta constante para atingir e manter o nível necessário de qualidade dos dados realmente os mantém acordados à noite. De fato, isso faz com que até mesmo as organizações mais voltadas para o futuro deixem de lado o investimento em análise de dados. O argumento é o seguinte: "Preciso ter dados perfeitos antes de procurar maneiras de otimizar nossa análise de dados".

No entanto, essa abordagem mantém as organizações presas em um ciclo em que os dados perfeitos são inatingíveis. Eis o motivo: a verdade é que os critérios subjacentes à busca de dados "perfeitos" por uma organização variam drasticamente. Por exemplo, quando uma organização passa por um lançamento de produto altamente público, ser capaz de informar o número inicial de unidades vendidas é fundamental. Como resultado, os dados perfeitos são definidos em grande parte como sendo "rapidamente acessíveis". Por outro lado, se uma organização estiver se preparando para uma fusão, a coleta de informações de todos os seus departamentos e locais terá destaque. Nesse caso, a "completude" é um fator importante na definição da qualidade dos dados.

Em última análise, embora cada organização enfatize elementos diferentes, as organizações confiam mais nos dados quando eles combinam vários critérios, incluindo: 1) relevância em função do contexto; 2) capacidade de acessá-los quando necessário; 3) facilidade de compreensão; e 4) grau em que podem ser usados para promover ações significativas.

Reconhecer a natureza variável dos dados "perfeitos" permite que as organizações adotem a análise de dados sem achar que precisam resolver todos os problemas de qualidade dos dados. Isso porque um dos resultados positivos da realização de análises rigorosas são dados que se aproximam mais da definição de dados "perfeitos" da organização. Em outras palavras, obter a qualidade de dados necessária é uma consequência da análise de dados e não um pré-requisito. Como resultado, qualquer ferramenta que o ajude a entender melhor seus dados acaba melhorando sua qualidade.