داده ابزار اصلی بازاریابان، مدیران تبلیغاتی، داده کاوان و مدیران استراتژیست می باشد. هر اندازه داده ها صحیح و قابل اطمینان باشد، نتایج حاصل از برنامه ریزی برمبنای آن نیز دقیق تر خواهد بود.

اما آیا همه داده ها کاربردی و مثمر ثمر هستند؟ یا در بین داده ها، اطلاعات ناقص، قدیمی، تکراری و... وجود دارد؟ داده هایی که نه تنها مفید نیستند بلکه تدوین استراتژی و تصمیم گیری های اساسی بر پایه آن به زیان سازمان خواهد بود. در این مقاله خواهیم گفت که داده های کثیف چه ویژگی هایی دارند و روش های پاک سازی این گونه داده ها چیست؟

داده کثیف چیست؟

داده کثیف به داده هایی گفته می شود که حاوی اطلاعات اشتباه، ناسازگار، ناموجود و یا غیر استاندارد است. داده های کثیف را میبایست پیش از ورود به دیتابیس پاکسازی و مرتب نمود.

مهم ترین منبع تغذیه CRM و هر نوع برنامه مدیریت مشتریان، داده های مشتریان است اما داده های صحیح، استاندارد و قابل اطمینان.

چه زمان با داده های کثیف مواجه می شویم؟

داده های صحیح مهم ترین سرمایه های یک سازمان جهت برنامه ریزی و تصمیم گیری های کلیدی هستند. سازمان ها 12 درصد درآمد خود را با سرمایه گذاری بر روی اطلاعات کثیف از دست می دهند.

بهترین زمان برای پاکسازی داده ها همان زمانیست که اطلاعات را برای ورود به دیتابیس در اختیارمان قرار می دهند. این اطلاعات ممکن است سررسید، اسناد و پوشه های کاغذی باشند و یا فایل های اکسل و خروجی از جدول بانک اطلاعاتی. بعبارتی می بایست داده ها را پیش از ورود به دیتابیس اصلی پاکسازی و مرتب نمود.

پیدایش داده های کثیف به دو علت است. عمدی و تصادفی. برخی به طور تصادفی در هنگام ورود اطلاعات توسط اپراتور یا خود مشتری رخ می دهد. برای مثال شخص هنگام تکمیل اطلاعات فرم تماس، آدرس ایمیل خود را به غلط درج می کند و یا کارشناس ثبت اطلاعات، شماره تماس مشتری را به اشتباه ثبت می نماید.

یکی از زمان هایی که باید بر روی ورود اطلاعات به بانک اطلاعاتی دقت داشته باشیم، انتقال داده ها از یک سیستم به دیتابیس می باشد. نکته حائز اهمیت توجه به این موضوع است که داده های خام هرگز به صورت تمیز، مرتب و استاندارد وجود ندارد. وظیفه ما تمیز کردن این داده هاست.

هزینه های ناشی از سرمایه گذاری بر روی داده های غلط چیست؟

چنانچه بهترین سرمایه گذاری را داشته باشیم اما داده هایمان غلط باشند، زیان فراوانی را برای سازمان به همراه خواهد داشت.اثرات منفی پایه گذاری برنامه ها و تصمیمات استراتژیک بر اساس داده های کثیف بر کسی پوشیده نیست. به چند مورد اشاره می کنیم:

هزینه ارسال پیامک یا ایمیل مستقیم به آدرس تکراری یا نادرست

هزینه مدیریت ضعیف ارتباط با مشتری

هزینه ارسال پیشنهادات هدفمند به سرنخ ها

هزینه از دست دادن اعتماد اعضای تیم به رهبری و تصمیمات شما

با داده های کثیف چه کنیم؟

خطای انسانی در ورود سهوی داده های کثیف یک مساله همیشگی و امری اجتناب ناپذیرست. راه های متعددی وجود دارد که تاثیرات منفی داده های کثیف را به طور چشمگیری کاهش می دهد. آموزش صحیح پرسنلی که وظیفه ورود اطلاعات را برعهده دارند اولین و مهم ترین گام می باشد.