Den reelle betydningen av middelmådig datakvalitet er hindret konkurransekraft.
Det å ha middelmådig datakvalitet fungerer ganske sikkert her og nå. Det er ikke så mange anledninger at det oppleves som et akutt problem. Dette fordi vi som virksomhet får gjort det vi skal gjøre – vi får registrert nye kunder, konverteringer, omsetning og andre hendelser. Vi får sendt ut den kvitteringen og vi får sendt ut det nyhetsbrevet.
I siste leddet mellom virksomheten og kunden er alt ok – «noen» skaffer det datagrunnlaget du trenger.
Men hvordan ser det egentlig ut i de lagene der dataen skapes, forvaltes, oppdateres og deles?
Dette er ikke et teoretisk problem – det merkes i hverdagen og særlig i to retninger.
Mellom dataplattform og økonomi/finans
For å si det litt enkelt, økonomi/finans trenger konsistente tall, stabile definisjoner og kontroll.
Når begreper og datamodeller ikke er tydelig forankret, oppstår diskusjoner om hva som faktisk er riktig tall. Rapportering tar lengre tid, avstemminger øker og tilliten svekkes. Den tar tid å bygge opp igjen.
For Dataplattformen betyr det flere spesialtilpasninger, flere forklaringsrunder og mer vedlikehold.
For økonomi betyr det høyere risiko – når tall ikke er entydige, stopper beslutninger.
Mellom dataplattform og marked / kundeteam
Marked og kundeteam lever av tempo og de trenger segmenter de kan stole på, triggere som faktisk fungerer og at KPI-er betyr det samme i alle kanaler.
Når definisjoner spriker eller data må kvalitetssikres manuelt før hver kampanje, reduseres gjennomføringsevnen.
Personalisering blir tyngre, automatisering blir mer sårbar og AI-initiativer stopper i datarensing.
For kundevendte miljøer oppleves det som treghet. For dataplattformen oppleves det som stadig flere ad hoc-krav. Begge parter optimaliserer for sitt mandat.
Uten tydelig struktur, felles forståelse og klart ansvar, blir det friksjon og den kan bli varig.
Det handler om hele virksomheten
Selv om det merkes sterkest i økonomi og i kundevendte miljøer, er konsekvensene virksomhetskritiske.
- Strategiske beslutninger tas på sviktende grunnlag
- IT-kostnader øker uten at innovasjonstakten følger med
- Maskinlæring og AI-initiativer forsinkes
- Organisasjonen mister endringstempo
Derfor kan ikke dette løses lokalt, det må eies på virksomhetsnivå. Når tall ikke stemmer, eller ikke oppleves som pålitelige, er det ikke et rapporteringsproblem.
Det er et styringsproblem.
