Los 6 tipos de datos incorrectos a evitar para una empresa con enfoque data-driven

 

La clave para un enfoque data-driven y, con ello, asegurar a la empresa un crecimiento óptimo en base a la información corporativa, viene no solo de obtener datos sobre la actividad y los clientes, sino de la importancia de que estos datos sean de calidad y, sobre todo, que no sean erróneos.

Hoy en día, la principal fuente de toma de decisiones empresariales proviene de los conjuntos de datos recopilados. Esto lleva a los CEO a una creciente preocupación porque estas fuentes no sean erróneas para evitar acciones basadas en información errónea. ¿Cómo localizar los diferentes tipos de datos incorrectos que pueden acabar en nuestras bases y, sobre todo, cómo podemos evitarlos?

Los 6 tipos de datos incorrectos que distinguir en un enfoque data-driven

 

Para ganarle, es básico primeramente conocer al enemigo, y en el caso de un enfoque data-driven empresarial, uno de los máximos adversarios son los malos datos: aquellos cuya existencia ensucian los conjuntos destinados a asegurar el buen funcionamiento de la corporación y su constante crecimiento.

Así, jamás seremos capaces de implantar un enfoque data-driven en la empresa mientras convivan las siguientes tipologías de incorrecciones con el resto de datos en los que basamos decisiones relevantes a la empresa:

#1 Datos imprecisos

 

El contexto es vital para la toma de cualquier decisión. Si no conocemos el contexto en el que se produce una decisión, difícilmente podremos apoyarla, y en el mundo empresarial la certeza lo es todo. Por esta razón, lo impreciso en los datos es una de las mayores incorrecciones a la hora de hablar de data quality.

¿De qué nos sirve saber que María está interesada en contactarnos si lo único que sabemos de ella es un nombre y una vía de contacto (quizás la fecha y hora en el que se produce gracias a la analítica web, pero poco más…)? Mantener un dato tan poco cohesionado como éste supone planificar acciones que no llegarán a su destinatario o tiempo invertido en obtener más información que se podría dedicar a conseguir leads más cualificados.

A estos casos de falta de información básica se le suma errores o incorrecciones en la recolección que impiden tratar adecuadamente el contacto, como pudiera ser que el email no esté bien escrito o se confunda un dígito en el número de teléfono.

Es por ello que aquellos datos que contienen errores ortográficos, números incorrectos, información por detallar o campos en blanco produzcan análisis inviables dentro del tratamiento del dato.

#2 Datos incontrolados

 

Todo aquello que se deja sin supervisión periódica corre el riesgo de perder su utilidad o incluso resultar nocivo para el resto de datos tratados. ¿Trabajarías con una base de datos heredada de la que desconoces su procedencia? Aunque estos datos se recopilaran con la mayor exactitud y pulcritud en su momento, desconocer el objeto por el que se recogieron nos deja un vacío informativo demasiado amplio como para confiar en la información que contienen.

Por otra parte, no hace falta que la producción haya sido “a ciegas”: dentro de nuestra propia organización o en la misma línea temporal de tiempo, se puede llevar a cabo una recopilación que resulte poco fiable por su falta de control, como pudiera ser el caso de aquellos datos recopilados en campañas que no hayan tenido en cuenta la aceptación de la RGPD, en los que se crucen sin ningún protocolo desde diversas fuentes o que lleguen a nuestro almacén de datos sin más información sobre su procedencia.

Todo lo que causa incertidumbre da pie al error, es por ello por lo que aquellos datos que quedan sin monitoreo continuo sobre su procedencia o razón de ser, se contaminan con el tiempo resultando incorrectos para un enfoque data-driven.

#3 Datos estáticos

 

Siguiendo con el anterior ejemplo de bases heredadas, ¿trabajarías con un conjunto de datos  recopilado hace más de una década y en el que no se ha intervenido desde entonces?

Destinar recursos tanto de tiempo como económicos para una campaña destinada a estos contactos podría suponer que gran parte de ellos hayan cambiado de correo electrónico (y que por tanto no hayan recibido el mensaje), de dirección o número de teléfono o que hayan perdido totalmente el interés por la campaña objeto de la recopilación de sus datos.

Los datos, como todo, tienen caducidad, por lo que debemos procurar intervenirlos, actualizarlos o simplemente verificarlos cada cierto tiempo, quedando obsoletos o inutilizables aquellos que no cumplan con este proceso.

 

Los seis tipos de datos incorrectos a evitar en un empresa con un enfoque data-driven

 

#4 Datos que no se acogen a la legalidad

 

Trabajar con datos significa trabajar con protocolos que aseguren su correcto tratamiento. Existen unos límites marcados que deberían resultar obvios como que no se debe contactar con quienes no nos otorga su permiso ni recopilar aquello que no sirva para fines beneficiosos en ambos sentidos, tanto del contacto (recibir un servicio o información útil) como de la empresa (entablar una relación con el cliente que le aporte crecimiento).

Para ello, existen marcos regulatorios externos como la RGPD a nivel europeo, la LOPD a nivel nacional u otras legislaciones como la CCPA californiana, destinados a velar por un uso responsable y adecuado de la información personal. No cumplir con estos protocolos comporta no solo sobrepasar niveles éticos, sino sanciones económicas que pueden llegar a cantidades millonarias.

Es por esta razón que debemos tener la total certeza de que todo dato con el que trabajamos se acoge estrictamente a los estándares regulatorios, lo que comporta que se haya recopilado de forma legal, se almacene correctamente y se proteja su acceso para que solo lo trabajen aquellos que estén autorizado para ello, así como que solo contenga la información útil e imprescindible para su validez.

#5 Datos inseguros

 

A colación de la legalidad del dato, conviene ahondar en la importancia de que su conservación otorgue tanto seguridad a la empresa, como a quienes lo ceden para un bien común.

Esto comporta que los datos deben estar protegidos, tanto a nivel de seguridad ante ciberataques o intrusión de terceros, como dentro de la misma empresa donde residen: que solo sean visibles a quienes lo necesitan para su cometido empresarial. No obstante, un mismo dato puede ser visible de forma parcial según quien acceda a él, siendo el caso por ejemplo de la información sensible: información financiera como tarjetas de crédito, nóminas, etc., raza u orientación sexual, etc.

Esta es una de las claves vitales dentro de un enfoque data-driven, ya que solo se consigue en este aspecto en el momento en el que ciertos campos de información, solo son visibles a quienes lo necesitan, quedando restringido para el resto. Este enfoque no es posible si, por ejemplo, conservamos los contactos en Excel con toda la información dentro de una carpeta común, ya que el acceso sería total y no parcial como se pretende.

#6 Datos latentes

 

A mitad de camino entre los estáticos y los incontrolados, encontramos los datos latentes como la sexta tipología de datos que resultan incorrectos en la visión data-driven de una empresa.

Denominamos datos latentes a aquellos que se dejan inactivos y no se utilizan por cualquier razón en un repositorio. Al no compartirse ni actualizarse, acaban perdiendo valor y resultando por ello invalidados.

Son aquellos datos cuya desconfianza inicial producen que se aparten del uso común que se hace del resto de datos con los que convive y que, a pesar de ser aparentemente validados (al haberse introducido de forma correcta en el conjunto y de contar con toda la información necesaria) despiertan cierta falta de seguridad sobre su uso (ya sea por desconocer su procedencia, por no “encajar” su formato junto al del resto, etc.).

Esa “discriminación” continuada en el tiempo produce que acabe transformándose en las ya mencionadas incorrecciones de datos estáticos y/o incontrolados.

Por qué implantar un enfoque data-driven en la empresa

 

Tras repasar las seis tipologías de datos incorrectos más frecuentes dentro de un conjunto datístico, ¿confiarías plenamente y con un 100% de seguridad en la respuesta, en que ninguno de los seis tipos convive en los conjuntos de datos con los que trabaja tu empresa?

Por esta razón es importante tener en cuenta el enfoque data-driven dentro de las estrategias de empresa. Solo con las herramientas correctas y con los protocolos adecuados que conviertan tu corporación en data-driven, podemos responder con un contundente “sí” en cuanto a la confianza de nuestros datos.

 

No contar con un enfoque data-driven se traduce en una desconfianza sobre los datos que se manejan en la empresa

 

La confianza en los datos es vital para una correcta toma de decisiones y para poder obtener el máximo beneficio de ellos, y si existe una mínima desconfianza en ellos, se traduce en incertidumbre, uno de los máximos enemigos del éxito empresarial.

Por otra parte, -y aquí tenemos otra de las claves de un enfoque data-driven-, tener una base de datos limpia y segura no consiste únicamente en eliminar todo lo que ofrezca desconfianza: obtener una buena base de datos cuesta tiempo y recursos, por lo que eliminarla parcial o totalmente supone eliminar todo el trabajo realizado previamente.

La clave por tanto está en intervenirlos: en tener los mimbres adecuados para detectar qué datos son los incorrectos dentro de la inmensidad que puede alcanzar un conjunto o la agilidad del flujo de digestión continua de éstos, para intervenirlos adecuadamente.

Esto significa que, un dato inconcluso no tiene por qué ser eliminado: bastaría con obtener la información faltante que lo complete sin que ello conlleve a priori comenzar una nueva extracción. ¿Cómo? Por ejemplo, mediante algoritmos o automatizaciones que extraigan información ya presente y la traduzca en campos que completen el dato, como sería el caso de la deducción de que un número de teléfono pertenece a X provincia o nación en base a su prefijo.

Esta complementación del dato también se puede llevar a cabo manualmente sí, mediante una herramienta especializada en gestión de la calidad del dato, se nos alerta de “errores” que pueden ser corregidos manualmente como duplicidades, faltas de ortografía, etc.

¿Y por dónde empezar para poder llevar a cabo estos procesos data-driven? Por la formación, la automatización y el control. Tres pilares básicos que no solo otorgan confianza, sino que también agilizan procesos y reducen costes.

 

Enternativa basa su enfoque data-driven en una metodología precisa para su puesta en marcha

 

Desde elternativa somos especialistas en convertir a las empresas en data-driven, basando su establecimiento no solo en la asesoría, sino sobre todo en el acompañamiento. Mejoramos los procedimientos de gestión de datos aplicando las herramientas adecuadas a cada necesidad y formando y capacitando a quienes deben usarlas. ¿Quieres saber más sobre cómo empezar desde ya a dar un enfoque data-driven a tu empresa?

 

Contáctanos para aportar un enfoque data-driven a tu empresa