La qualità dei dati non è un voto astratto.
La qualità dei dati non è un voto astratto. Determina quali decisioni restano difendibili con i dati disponibili. Una serie completa ma riconciliata male tra spesa, esposizioni e vendite può produrre un modello preciso sul perimetro sbagliato. I controlli vanno quindi legati all'uso: descrivere, confrontare, attribuire, prevedere e ottimizzare non richiedono la stessa evidenza.
Decisione e metodo.
Autorizzate, limitate o rinviate l'analisi secondo soglie di qualità specifiche della decisione; non lasciate mai che una media compensi un difetto bloccante. Nominate output atteso, granularità, orizzonte e costo dell'errore. Misurate completezza, validità, coerenza, unicità, freschezza, matching e riconciliazione finanziaria sul perimetro analizzato. Distinguete errore casuale, bias sistematico, rottura di definizione e assenza strutturale, documentando segmenti e periodi coinvolti. Verde autorizza, arancione richiede sensibilità e rosso limita all'esplorazione; il piano correttivo ha responsabile e data. Conservate dati grezzi e traccia di trasformazione.
Esempio calcolato.
Dataset: 96% completezza, 91% validità, 85% freschezza, 78% matching esposizione-vendite, 99% riconciliazione spesa; media 89,8%. Soglia matching per attribuzione e ottimizzazione: 90%. Divario di 12 punti colpisce soprattutto mobile, 34% delle vendite. La media non compensa. Analisi descrittiva resta consentita; attribuzione e riallocazione sono rinviate fino alla correzione degli identificatori mobili, o limitate da sensibilità senza canale.
Controlli e limiti.
Definite soglie per uso prima dei punteggi; non compensate difetto bloccante; conservate grezzo e trace; riportate segmenti, periodi e decisioni fragili. Dati tecnicamente conformi possono restare causalmente insufficienti. I controlli automatici rilevano male cambi di definizione aziendale e una percentuale globale alta può mascherare cattiva qualità concentrata.
Risorse e fonti.
Scaricare il registro dei controlli. Correlato: definire i dati necessari, controllare i dati MMM, costruire il dataset analitico. Fonti: ISO/IEC 25012:2008; Batini et al. (2009); Redman (2013).