การทำความเข้าใจผลกระทบของข้อมูลที่ไม่ดี – DATAVERSITY

คุณทราบถึงต้นทุนของข้อมูลคุณภาพต่ำหรือไม่ ด้านล่างนี้ ฉันสำรวจความสำคัญของความสามารถในการสังเกตข้อมูล วิธีลดความเสี่ยงของข้อมูลที่ไม่ดี และวิธีการวัด ROI ด้วยการทำความเข้าใจผลกระทบของข้อมูลที่ไม่ดีและการนำกลยุทธ์ที่มีประสิทธิภาพไปใช้ องค์กรต่างๆ จะสามารถเพิ่มประโยชน์สูงสุดจากโครงการริเริ่มด้านคุณภาพข้อมูลของตนได้ 

ข้อมูลกลายเป็นส่วนสำคัญของการตัดสินใจยุคใหม่ ดังนั้นคุณภาพของข้อมูลจึงเป็นสิ่งสำคัญยิ่งเพื่อให้แน่ใจว่าผู้มีส่วนได้ส่วนเสียทางธุรกิจจะได้ข้อสรุปที่ถูกต้อง 

แต่สิ่งที่ผู้นำข้อมูลยุคใหม่ทุกคนจะบอกคุณมีดังนี้: การจัดการคุณภาพข้อมูลเป็นเรื่องยาก ต้องใช้เวลาและความพยายาม นอกจากนี้ ROI (ผลตอบแทนจากการลงทุน) มักจะวัดได้ยาก 

ข้อมูลแย่แค่ไหน?

ข้อมูลที่ไม่ดีอาจนำไปสู่การสูญเสียทางการเงินที่สำคัญได้ Gartner ประมาณการว่าทุกๆ ปี คุณภาพข้อมูลที่ไม่ดีจะทำให้องค์กรต้องเสียค่าใช้จ่ายโดยเฉลี่ย $ 12.9 ล้าน. ในปี พ.ศ. 2022 ซอฟต์แวร์ Unity รายงานการสูญเสียรายได้ 110 ล้านดอลลาร์ และมูลค่าตลาด 4.2 พันล้านดอลลาร์ “ผลที่ตามมาของการนำเข้าข้อมูลที่ไม่ดีจากลูกค้ารายใหญ่” บริษัทระบุ ในทำนองเดียวกัน เกิดข้อมูลที่ไม่ดี Equifaxซึ่งเป็นหน่วยงานรายงานเครดิตที่มีการซื้อขายในตลาดหลักทรัพย์ เพื่อส่งคะแนนเครดิตที่ไม่ถูกต้องให้ผู้ให้กู้ ล้าน ของลูกค้า เมื่อเร็วๆ นี้ เหตุการณ์ข้อมูลทำให้เกิดความขัดข้องครั้งใหญ่ต่อการจราจรทางอากาศในสหราชอาณาจักรและไอร์แลนด์ มีรายงานว่าเที่ยวบินกว่า 2,000 เที่ยวถูกยกเลิก ส่งผลให้นักเดินทางหลายแสนคนติดอยู่ ความเสียหายทางการเงินสะสมของสายการบินต่างๆ อยู่ที่ประมาณ 126.5 ล้านดอลลาร์

ผลกระทบของข้อมูลที่ไม่ดี 

ข้อมูลเป็นหัวใจสำคัญของทุกธุรกิจยุคใหม่ ความรับผิดชอบหลักของทีมข้อมูลคือการสร้างและบำรุงรักษาผลิตภัณฑ์ข้อมูลที่ให้บริการแก่ลูกค้าทั้งภายในและภายนอก ในขณะเดียวกันก็ทำให้องค์กรสามารถขยายขนาดและบรรลุวัตถุประสงค์ได้ 

เมื่อพูดถึงการรับรองว่าความคิดริเริ่มด้านข้อมูลขององค์กรจะพร้อมสำหรับความสำเร็จ ความคาดหวังพื้นฐานบางประการจากทีมข้อมูลสามารถสรุปได้ดังนี้:

• uptime: ข้อมูลคือบริการ ดังนั้นการรับรองว่าข้อมูลจะพร้อมใช้งานเมื่อจำเป็นจึงเป็นสิ่งสำคัญ
• การรักษาความปลอดภัย: การปฏิบัติตามกฎระเบียบ (เช่น GDPR หรือ HIPAA) ทีมงานมีหน้าที่รับผิดชอบในการดำเนินมาตรการและแนวปฏิบัติเพื่อปกป้องข้อมูลที่ละเอียดอ่อนและรักษาความเป็นส่วนตัวของข้อมูล
• ความเชื่อถือได้: ของทั้งข้อมูลและแพลตฟอร์มข้อมูล ส่วนหนึ่งครอบคลุมถึงสถานะการออนไลน์ แต่ยังรวมถึงคุณภาพและความแม่นยำของข้อมูลในแง่ดั้งเดิม 
• ขนาด: แพลตฟอร์มข้อมูลควรอนุญาตให้มีความสามารถในการปรับขนาดเพื่อรองรับปริมาณข้อมูลที่เพิ่มขึ้น จำนวนกรณีการใช้งาน และความต้องการของธุรกิจ
• นวัตกรรม: ข้อมูลควรขับเคลื่อนนวัตกรรม และนี่คือประเด็นสำคัญที่ทีมข้อมูลจะต้องเป็นตัวอย่างโดยการนำนวัตกรรมเข้าและออกจากแนวปฏิบัติด้านข้อมูล 

การบรรลุถึงคุณภาพของข้อมูลผ่านการสังเกตข้อมูล

ความสามารถในการสังเกตข้อมูลเป็นโซลูชันในการตรวจสอบและรักษาความสมบูรณ์ของข้อมูลในเชิงรุกตลอดวงจรการใช้งาน ด้วยการใช้เทคนิคการบันทึก การติดตาม และการตรวจสอบ องค์กรต่างๆ จะได้รับการมองเห็นสตรีมข้อมูล ระบุและแก้ไขปัญหาคุณภาพของข้อมูลได้อย่างรวดเร็ว และป้องกันการหยุดชะงักของแดชบอร์ดการวิเคราะห์ การรู้เท่าทันข้อมูลซึ่งเกี่ยวข้องกับการจัดหา การตีความ และการสื่อสารข้อมูล เป็นสิ่งจำเป็นสำหรับผู้มีอำนาจตัดสินใจในการแปลข้อมูลให้เป็นมูลค่าทางธุรกิจอย่างมีประสิทธิภาพ การปลูกฝังวัฒนธรรมที่ขับเคลื่อนด้วยข้อมูลและการลงทุนในเครื่องมือที่เหมาะสมเป็นขั้นตอนสำคัญในการบรรลุคุณภาพข้อมูลผ่านการสังเกตข้อมูล 

การหาปริมาณ ROI ของความสามารถในการสังเกตข้อมูล

การวัด ROI ของความสามารถในการสังเกตข้อมูลช่วยให้ผู้นำธุรกิจเข้าใจถึงคุณค่าและประโยชน์ที่เกี่ยวข้องกับการลงทุนในแนวปฏิบัตินี้ ตัวชี้วัดเชิงปริมาณหลายตัวสามารถใช้เป็นจุดเริ่มต้นในการประเมินต้นทุนของข้อมูลที่ไม่ถูกต้อง รวมถึงอัตราการเกิดขึ้นหรือจำนวนเหตุการณ์ต่อปี เวลาในการตรวจพบ และเวลาในการแก้ไข

ผลกระทบของ ปัญหาคุณภาพของข้อมูล อาจแตกต่างกันไปขึ้นอยู่กับขนาดและความซับซ้อนของการดำเนินธุรกิจ เพื่อประเมินความเสียหายและสร้างเคสที่แข็งแกร่งสำหรับโซลูชันความสามารถในการสังเกตข้อมูล เราเสนอตัวชี้วัดหลัก 5 ประการที่ผู้ปฏิบัติงานด้านข้อมูลสามารถนำไปใช้และตรวจสอบได้อย่างง่ายดาย ซึ่งสามารถใช้เพื่อสนับสนุนเคสภายใน:

1. จำนวนและความถี่ของเหตุการณ์: แม้ว่าบางบริษัทอาจประสบกับเหตุการณ์ข้อมูลในแต่ละวัน แต่บางบริษัทอาจต้องใช้เวลานานหลายวัน หรือหลายสัปดาห์โดยไม่มีเหตุการณ์ดังกล่าว ความวิกฤตของเหตุการณ์อาจแตกต่างกันไปจากบางสิ่งที่ “เล็กน้อย” เช่น ข้อมูลเก่าที่เชื่อมโยงกับแดชบอร์ดที่ไม่มีใครใช้มานาน ไปจนถึงปัญหาการทำสำเนาข้อมูลที่ทำให้เซิร์ฟเวอร์ชาร์จไฟเกินและหยุดทำงานในที่สุด (เรื่องจริง, เน็ตฟลิกซ์ 2016). เราพบว่าสิ่งนี้มักเชื่อมโยงกับ: ขนาดและความซับซ้อนของแพลตฟอร์มข้อมูล อุตสาหกรรมของบริษัท (บางอุตสาหกรรมมีข้อมูลที่สมบูรณ์มากกว่าอุตสาหกรรมอื่น ๆ ) ประเภทสถาปัตยกรรมข้อมูล (รวมศูนย์ กระจายอำนาจ ไฮบริด) ฯลฯ การจัดทำเอกสารเหตุการณ์จะทำให้ ความคิดที่ดีกว่าว่าจะมองหาอะไรในครั้งต่อไป เหตุการณ์ที่เกิดขึ้นซ้ำๆ มักเป็นตัวบ่งชี้ที่ดีว่าบางสิ่งที่อยู่ข้างใต้ต้องการการดูแลอย่างใกล้ชิด  
2. การจำแนกเหตุการณ์: เหตุการณ์ข้อมูลไม่ได้มีความรุนแรงเท่ากันทั้งหมด บางส่วนอาจเล็กน้อยและบรรเทาได้ง่าย ในขณะที่บางส่วนอาจส่งผลร้ายแรง การบันทึกเหตุการณ์วิกฤตเป็นสิ่งสำคัญเพื่อให้แน่ใจว่ามีการยกระดับและจัดลำดับความสำคัญอย่างเหมาะสม นี่คือจุดที่สายข้อมูลสามารถเป็นเครื่องมือได้ เนื่องจากช่วยให้สามารถประเมินผลกระทบปลายน้ำของเหตุการณ์เพื่อให้เข้าใจถึงภาวะวิกฤตได้ดียิ่งขึ้น เหตุการณ์ที่เชื่อมโยงกับแดชบอร์ดโปรดของ CEO หรือฐานข้อมูลการผลิต หรือผลิตภัณฑ์ข้อมูลที่สำคัญมีแนวโน้มที่จะมีความสำคัญสูง 
3. เวลาเฉลี่ยในการตรวจจับ (MTTD): เมื่อพูดถึงการสร้างความไว้วางใจในข้อมูลและทีมข้อมูล ฝันร้ายของผู้ปฏิบัติงานข้อมูลทุกคนคือการที่ผู้มีส่วนได้ส่วนเสียทางธุรกิจเป็นคนแรกที่ตรวจพบปัญหาคุณภาพของข้อมูล อาจส่งผลเสียต่อความน่าเชื่อถือของทีมและความสามารถของบริษัทในการขับเคลื่อนด้วยข้อมูลอย่างแท้จริง เมื่อคุณเริ่มบันทึกเหตุการณ์และจำแนกเหตุการณ์วิกฤติ สิ่งสำคัญคือต้องติดตามวิธีการตรวจพบเหตุการณ์และเวลาที่ทีมข้อมูลใช้เพื่อรับทราบเหตุการณ์เหล่านั้น ตัวชี้วัดนี้สามารถเป็นตัวบ่งชี้ที่ดีถึงความแข็งแกร่งของการจัดการเหตุการณ์ของคุณ แต่ยังลดลงอีกด้วย หมายความว่าคุณลดความเสี่ยงที่เหตุการณ์จะทำให้เกิดความเสียหายมากขึ้น 
4. เวลาเฉลี่ยในการแก้ไข (MTTR): จะเกิดอะไรขึ้นเมื่อมีการรายงานเหตุการณ์? MTTR คือเวลาเฉลี่ยที่ใช้ระหว่างการรับทราบถึงเหตุการณ์ข้อมูลและการแก้ไขปัญหา เวลาในการแก้ไขได้รับอิทธิพลอย่างมากจากความวิกฤตของเหตุการณ์และความซับซ้อนของแพลตฟอร์มข้อมูล ซึ่งเป็นสาเหตุที่เราพิจารณาค่าเฉลี่ยสำหรับวัตถุประสงค์ของกรอบการทำงานนี้
5. เวลาเฉลี่ยในการผลิต (MTTP) คือเวลาเฉลี่ยที่ใช้ในการจัดส่งผลิตภัณฑ์ข้อมูลใหม่ หรืออีกนัยหนึ่งคือเวลาเฉลี่ยในการทำการตลาดสำหรับผลิตภัณฑ์ข้อมูล นี่อาจเป็นเวลาที่นักวิเคราะห์ใช้ "ทำความสะอาด" ข้อมูลสำหรับแบบจำลองวิทยาศาสตร์ข้อมูล ตามความเป็นจริง ฟอร์บการเตรียมข้อมูลคิดเป็นประมาณ 80% ของงานของนักวิทยาศาสตร์ข้อมูล ในโลกที่เราต้องการปฏิบัติต่อข้อมูลในฐานะผลิตภัณฑ์ การปรับปรุงคุณภาพข้อมูลอาจส่งผลโดยตรงต่อการลดเวลาในการออกสู่ตลาด 

นอกเหนือจากตัวชี้วัดเชิงปริมาณข้างต้นแล้ว ตัวชี้วัดอื่นๆ ที่ไม่สามารถวัดปริมาณได้ง่ายกว่าแต่มีความสำคัญพอๆ กันก็คุ้มค่าที่จะพิจารณาเมื่อพิจารณาถึงต้นทุนของข้อมูลที่ไม่ดี

• การพังทลายของความไว้วางใจ: ในข้อมูล และ ทีมข้อมูล ในความคิดของฉัน นี่เป็นผลที่ตามมาที่อันตรายที่สุดของข้อมูลที่ไม่ดี ซึ่งอาจส่งผลให้เกิดปัญหาที่ใหญ่กว่า เช่น การหมุนเวียนในทีมข้อมูล หรือการสูญเสียความไว้วางใจในความสามารถของบริษัทในการขับเคลื่อนด้วยข้อมูลและตามทันภูมิทัศน์ทางดิจิทัลที่เปลี่ยนแปลงไป และเมื่อความเชื่อใจถูกทำลายลงแล้ว มันก็ยากมากที่จะได้กลับมาคืนมา จากประสบการณ์ก่อนหน้านี้ ฉันทำงานกับผู้บริโภคข้อมูลที่ไม่ต้องการใช้ข้อมูลและอยากจะพึ่งพา "ประสบการณ์" และ "ความรู้สึกสัญชาตญาณ" ในสภาพแวดล้อมการซื้อขายหุ้นที่มีความผันผวนมากกว่าการใช้ข้อมูลโดยรู้ว่ามีโอกาสสูงที่จะไม่ถูกต้อง . 

• การสูญเสียผลผลิต: ด้วยข้อมูลที่ไม่ดี ทีมต่างๆ จะถูกบังคับให้ต่อสู้และแก้ไขข้อผิดพลาดที่เกิดขึ้น การดับเพลิงอย่างต่อเนื่องนี้ไม่เพียงแต่ทำให้เหนื่อยเท่านั้น แต่ยังส่งผลเสียอีกด้วย เวลาอันมีค่าที่สามารถนำมาใช้ในการวางแผนเชิงกลยุทธ์และการริเริ่มการเติบโตนั้นถูกใช้ไปอย่างสิ้นเปลืองในการแก้ไขปัญหา โดยหันเหทรัพยากรไปจากงานที่สำคัญกว่า

• ความเสี่ยงด้านกฎระเบียบและชื่อเสียง: ข้อผิดพลาดในการรายงานทางการเงินหรือการจัดการข้อมูลส่วนบุคคลในทางที่ผิดอาจส่งผลให้เกิดค่าปรับและการต่อสู้ทางกฎหมาย การจัดการกับปัญหาด้านการปฏิบัติตามกฎระเบียบเป็นการลดประสิทธิภาพการผลิตลงอย่างมาก และยังไม่ต้องพูดถึงภาระทางการเงินที่เกิดขึ้นอีกด้วย

• ผลการดำเนินงานทางธุรกิจที่ไม่ดี: นอกจากการสูญเสียประสิทธิภาพการทำงานภายในทีมข้อมูลแล้ว ข้อมูลที่ไม่ดียังสามารถขัดขวางผลการดำเนินงานโดยรวมของธุรกิจได้ เนื่องจากบริษัทต้องต่อสู้กับความพร้อมและความน่าเชื่อถือทางดิจิทัลต่อหน้าลูกค้า และเสี่ยงต่อภัยคุกคามจากภายนอก 

ปัญหาคุณภาพของข้อมูลอาจส่งผลให้เกิดปัญหาต่างๆ รวมถึงการสูญเสียความไว้วางใจในข้อมูล ประสิทธิภาพการทำงานและขวัญกำลังใจของทีมลดลง การไม่ปฏิบัติตามกฎระเบียบ และคุณภาพของการตัดสินใจลดลง ข้อมูลที่ถูกจัดเก็บไว้ภายในแผนกหรือหน่วยธุรกิจทำให้การรับมุมมองภาพรวมของภาพรวมข้อมูลขององค์กรเป็นเรื่องท้าทาย ซึ่งอาจนำไปสู่การตัดสินใจที่ไม่มีประสิทธิภาพ ขัดขวางวัฒนธรรมข้อมูล และอาจเป็นอันตรายต่อการปฏิบัติตามกฎระเบียบ เช่น GDPR และ HIPAA นอกจากนี้ ทีมข้อมูลอาจหงุดหงิดจากการใช้เวลามากเกินไปในการแก้ไขปัญหาข้อมูล ส่งผลเสียต่อความพึงพอใจในงาน และอาจนำไปสู่การเลิกจ้างของพนักงาน 

กฎ 1x10x100

กฎ 1x10x100 ซึ่งเป็นหลักการที่ได้รับการยอมรับอย่างกว้างขวางในการจัดการเหตุการณ์ เน้นย้ำถึงต้นทุนที่เพิ่มขึ้นซึ่งเกี่ยวข้องกับคุณภาพของข้อมูลที่ไม่ดี ตามกฎนี้ ค่าใช้จ่ายในการแก้ไขปัญหาคุณภาพข้อมูล ณ จุดเริ่มต้นจะอยู่ที่ประมาณ 1 เท่าของต้นทุนเดิม หากตรวจไม่พบปัญหาและแพร่กระจายภายในระบบ ค่าใช้จ่ายจะเพิ่มขึ้นเป็นประมาณ 10 เท่า ซึ่งเกี่ยวข้องกับความพยายามในการแก้ไขและการแก้ไข อย่างไรก็ตาม หากคุณภาพของข้อมูลที่ไม่ดีไปถึงผู้ใช้ปลายทางหรือขั้นตอนการตัดสินใจ ต้นทุนก็อาจพุ่งสูงขึ้นถึง 100 เท่าของค่าใช้จ่ายเริ่มแรกอันเนื่องมาจากผลที่ตามมาทางธุรกิจที่สำคัญ รวมถึงการหยุดชะงักในการดำเนินงาน การสูญเสียโอกาส และความไม่พอใจของลูกค้า กฎข้อนี้เน้นย้ำถึงผลกระทบแบบทวีคูณของคุณภาพข้อมูลที่ไม่ดี ทำให้เป็นสิ่งสำคัญสำหรับองค์กรในการลงทุนด้านความสามารถในการสังเกตข้อมูล ซึ่งจะช่วยรักษาปัญหาหากเกิดขึ้น ให้ใกล้กับสาเหตุที่แท้จริงมากกว่าที่ปลายน้ำ

สรุป

ปัญหาคุณภาพข้อมูลส่งผลกระทบอย่างมากต่อธุรกิจ ส่งผลให้สูญเสียทรัพยากรและพลาดโอกาส การลงทุนในความสามารถในการสังเกตข้อมูลถือเป็นสิ่งสำคัญในการป้องกันและลดความเสี่ยงที่เกี่ยวข้องกับข้อมูลที่ไม่ดี ด้วยการใช้ประโยชน์จากตัวชี้วัดเชิงปริมาณและการพิจารณาปัจจัยที่ไม่สามารถวัดปริมาณได้ องค์กรต่างๆ จึงสามารถวัด ROI ของความสามารถในการสังเกตข้อมูล และแสดงให้เห็นถึงคุณค่าของมันต่อผู้มีอำนาจตัดสินใจ การรับรองความน่าเชื่อถือของข้อมูล การส่งเสริมการตัดสินใจโดเมนที่มีประสิทธิภาพ การปฏิบัติตามกฎระเบียบ และการส่งเสริมทีมข้อมูลที่พึงพอใจ ล้วนเป็นส่วนสำคัญในการเพิ่มประโยชน์สูงสุดของโครงการริเริ่มด้านคุณภาพข้อมูล การเปิดรับความสามารถในการสังเกตข้อมูลเป็นการลงทุนเชิงกลยุทธ์ที่ปกป้องความถูกต้อง ความน่าเชื่อถือ และการใช้ข้อมูลในโลกที่ขับเคลื่อนด้วยข้อมูลในปัจจุบัน 

องค์กรที่สร้างแนวทางปฏิบัติในการสังเกตที่หลากหลายจะมองเห็นสภาพแวดล้อมที่เชื่อมโยงกันได้ดีขึ้น ซึ่งส่งผลให้เกิดการหยุดทำงานน้อยลง การแก้ไขปัญหาเร็วขึ้น มีความมั่นใจมากขึ้นในความน่าเชื่อถือของแอป และท้ายที่สุด รายได้ที่เพิ่มขึ้นและลูกค้ามีความสุขมากขึ้น

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
• เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
• เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
• เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
• ที่มา: https://www.dataversity.net/putting-a-number-on-bad-data/