Sejak ledakan teknologi dalam beberapa dekade terakhir, data semakin diposisikan sebagai peluru perak yang dapat memperbaiki semua cobaan dan kesengsaraan dunia modern. Bagi perusahaan teknologi raksasa yang mengumpulkan (kebanyakan) data pihak ketiga dalam jumlah besar, data adalah minyak baru — dijual dalam tong ke perusahaan mana pun yang ingin mencari dan menskalakan audiens. Namun KPI pada keefektifan data menjadi semakin layak, bisnis mulai mempertanyakan jumlah data yang telah mereka beli.
Sejalan dengan ini, pemerintah dan kelompok hak konsumen menjadi sadar akan meningkatnya volume kebisingan yang tidak diinginkan yang dilemparkan ke klien dan pelanggan potensial. Bisnis, baik B2B dan B2C, menjadi bertanggung jawab atas kesalahan langkah data — contohnya Meta yang didenda 17 juta euro untuk jumlah data yang buruk.
Meskipun demikian, data — khususnya, ‘big data’ — telah menjadi titik fokus bagi bisnis, yang harus dimiliki untuk membangun dan mempertahankan pertumbuhan. Namun, hal ini menutupi kebenaran mendasar: jika berkaitan dengan data, efektivitas bukanlah tentang kuantitas, melainkan tentang kualitas.
Mana yang lebih berharga: Kumpulan data 1000 prospek anonim yang belum pernah membeli dari Anda, atau kumpulan data yang dikelola dengan baik dan terperinci dari 100 pelanggan terbaik Anda? Tak perlu dikatakan, yang terakhir keluar di atas. Tetapi ini membutuhkan waktu bagi perusahaan untuk menyadarinya. Karena semakin banyak bisnis menyadari hal ini — juga menjadi jelas bahwa melakukan sesuatu tentang hal itu terbukti sulit bagi banyak orang.
Masalah kualitas data, tata kelola, dan akses menghalangi banyak organisasi untuk memaksimalkan data yang mereka — secara teori — miliki. Dan karena jumlah data dan kecepatan yang dihasilkan keduanya meningkat, banyak bisnis menemukan bahwa mereka hanya membutuhkan sistem dan proses yang lebih baik untuk mengelola dan mengakses data.
Menghitung data: Kualitas Data
Bagi mereka yang berada di garis depan dalam menghitung data, Kualitas Data (perhatikan huruf kapital) adalah istilah yang diakui yang definisinya telah berkembang melampaui ‘kualitas data’ yang jelas. Menurut Badan Pengetahuan Manajemen Data, definisi yang diterima adalah bahwa Kualitas Data “adalah perencanaan, implementasi, dan pengendalian aktivitas yang menerapkan teknik manajemen kualitas pada data untuk memastikannya sesuai untuk konsumsi dan memenuhi kebutuhan konsumen data.”
Inti dari Kualitas Data dapat dipecah menjadi bagian-bagian penyusun apakah itu lengkap, valid, tepat waktu, unik, akurat dan/atau konsisten. Sementara ini mungkin tampak relatif mendasar, banyak bisnis gagal menjalankan kebersihan data mereka dengan benar, melihatnya sebagai tugas Sisyphean yang tidak akan menghasilkan pengembalian investasi waktu yang mahal. Namun – ironisnya – untuk melihat ‘data’ sebagai tugas akhir yang luar biasa dan tidak pernah berakhir pada daftar tugas bisnis benar-benar kehilangan tujuan akhir dari manajemen data yang tepat, yaitu untuk menemukan dan memeras dimensi data yang paling penting: nilai.
Kualitas Data: Pendekatan trinitas terhadap nilai
Coba uraikan nilai kualitas data menjadi tiga area berbeda: nilai bisnis, risiko, dan nilai finansial, yang dapat diatribusikan ke setiap bagian informasi. Dengan mengadopsi pendekatan trinitas ini, analis dan praktisi data lainnya (internal dan eksternal) dapat menetapkan kepemilikan dan prioritas ke berbagai area inti dari data yang dimiliki, di seluruh proyek kualitas data.
Pada kenyataannya, ini memerlukan penetapan nilai nyata ke data, jadi untuk kembali ke trio nilai kami, ini mungkin terlihat seperti:
Nilai bisnis: Kemungkinan data gaji karyawan tidak banyak berguna bagi tim pengembang produk, tetapi sesuatu yang HR akan menemukan nilai yang besar, juga alamat email pelanggan untuk departemen pemasaran Risiko: Informasi identitas pribadi (PII) apa yang Anda pegang? Jika tidak dilindungi secara memadai, bisnis kemungkinan akan terkena denda GDPR, atau serupa, tergantung pada geografiNilai finansial: Perusahaan e-niaga cenderung menemukan sebagian besar nilai finansial dari data — alamat email dan nomor kartu kredit adalah persyaratan minimum untuk bertransaksi. Membuat profil data dan menjaganya agar tetap diperbarui dan dengan kualitas setinggi mungkin memungkinkan bisnis e-niaga mengukur nilai pelanggan rata-rata dan membangun penjualan
Manfaat memberlakukan Kualitas Data praktik terbaik sangat banyak, tetapi secara khusus, ada beberapa manfaat utama dan jelas:
Pertama, ada peningkatan ROI yang tak terbantahkan dari aktivitas pemasaran, mengingat peningkatan keandalan penargetan dari data yang lebih baik. Ini juga memungkinkan tim pemasaran dan produk untuk melakukan sinkronisasi dalam mempersonalisasi penawaran produk — sesuatu yang semakin diharapkan oleh pelanggan Anda. Lalu ada pengambilan keputusan yang lebih baik dan lebih cepat dari peningkatan visibilitas yang akan dimiliki setiap divisi internal atas wilayah kekuasaan mereka.
Mungkin kurang menarik bagi sebagian besar karyawan, tetapi masih sangat penting, adalah peningkatan kepatuhan terhadap peraturan yang ada dan yang baru saat peraturan tersebut diberlakukan. Dan terakhir, namun tidak kalah pentingnya, adalah waktu yang dihemat dari perbaikan yang kami sebut ‘data kotor’ – – pengalaman saya sendiri menunjukkan bahwa antara $1-10 dapat disimpan per catatan dengan Kualitas Data praktik terbaik.
Risiko praktik data yang belum matang
Praktik data yang belum matang dapat menyebabkan beberapa risiko kritis bisnis yang signifikan jika dibiarkan. Seperti yang telah disinggung, tetapi perlu ditegaskan kembali, ada pengeluaran pemasaran yang sia-sia dari data pelanggan yang tidak akurat, dan potensi denda dari data yang tidak sesuai — seperti yang kita ketahui dengan GDPR ini bisa menjadi 20 juta Euro atau 4 persen dari omzet tahunan, UE akan dengan senang hati mengambil mana saja lebih tinggi! Di luar ini, ada kerusakan inti yang ditimbulkannya terhadap fungsi dan profitabilitas bisnis sehari-hari.
Di dunia kita yang didukung oleh teknologi, bisnis terus-menerus mengulang dan berkembang atau menghadapi dominasi dan tersingkir oleh persaingan yang agresif. Kualitas data yang buruk dapat menghambat proyek modernisasi, karena sistem lama diperbarui tanpa pemetaan yang benar atau data yang buruk. Ini juga mencegah AI dan pembelajaran mesin melakukan keajaiban mereka, karena outputnya hanya sebaik input data. Itu juga menghapus kemampuan untuk benar-benar strategis. Data memiliki kekuatan untuk membantu bisnis mengantisipasi masa depan – baik melalui tren pembelian pelanggan yang berkembang, atau melihat di mana gudang/kantor berikutnya harus ditempatkan – jadi bukan hanya pengalaman pelanggan langsung yang gagal saat kualitas data tidak dikedepankan dan pusat fokus organisasi.
Manajemen Data: ‘Kesempatan Hebat’
Jadi mulai dari mana? Bisa dibilang langkah pertama dan terpenting untuk memperbaiki masalah adalah mengenali Anda memilikinya. Dengan pemikiran ini, bisnis dari segala bentuk dan ukuran harus membuat profil data mereka untuk lebih memahami keadaan permainan (data) saat ini. Ada beberapa alat manajemen data, banyak dengan versi gratis untuk bisnis kecil, di mana Anda dapat memulai jalan menuju kualitas data yang lebih baik. Dan bagi mereka yang telah memulai pencarian Kualitas Data, selalu ada nilai dalam melihat kembali posisi, dan selalu bahkan peningkatan kecil yang dapat menuai hasil besar.
Kredit Foto: Gorodenkoff/Shutterstock
Nick Stammers adalah Wakil Presiden Inggris & EMEA, Ataccama.
