Ota yhteyttä

Kääritään hihat ja tehdään tuloksia!

Lähetä meille viesti

Yritykset saavat järjestelmistä paljon tietoa, mutta onko se hyödynnetty kaikilta osin ja kuinka laadukasta data on? Yrityksissä ei välttämättä edes olla tietoisia kaikista dataongelmista. Tärkeää olisi huomioida myös onko kaikki asiat osattu ottaa huomioon. Tämän takia yrityksessä olisikin hyvä olla tiedon laatuvastaava, jonka tehtävänä on seurata datan oikeellisuutta, kehittää tarvittavat prosessit ja ohjeistaa käyttäjät tekemään asioita oikein.

Tietovarastoinnin automatisoiduissa prosesseissa valvotaan datan virheitä ja puutteita sekä voidaan ohjata raja-arvoihin sopimattomat arvot virheiksi. Datan oikeellisuuden varmistamiseksi tehdään myös tarkistusprosesseja, joissa verrataan datoja keskenään ja etsitään poikkeamia. Virheelliset tiedot ohjataan automaattisesti virheiksi, joita seurataan päivittäin. Virheellinen data voidaan korjata operatiivisessa järjestelmässä heti ja tiedot saadaan oikeellisiksi pikaisesti. Yrityksissä on paljon myös tietoja, joilla on erityiset vaatimukset tiedon oikeellisuudesta, kuten taloushallintoon liittyvällä datalla.

Virheet voidaan ottaa siis kiinni jo datan latauksissa eikä vasta sitten, kun raportit näyttävät vääriä lukuja. Väärät luvut voivat olla raportilla pitkäänkin, ennenkuin joku huomaa ne ja näin on saatettu tehdä vääriä tulkintoja jo kauankin. Huonolla datalla voidaan tehdä vääriä päätöksiä tai pienillä asioilla voi olla suuriakin vaikutuksia.

Kilpailu on kovaa ja toiminnan pitäisi olla mahdollisimman kustannustehokasta. Tuotekustannuksen komponentteja on toimijasta riippuen useita. Esim: raaka-ainekustannukset, pakkaustarvikkeet, työkustannukset, logistikan kustannukset sekä markkinoinnin kiinteät. Jos näistä joku on analysointimielessä annettu puutteellisesti, aiheuttaa se vääristymän katteessa. Jos yksi näistä kustannuksista jää antamatta tai annetaan vaikka sen voimassaoloaika väärin, jää tuotteen kustannuksista esim 0,05 euroa pois. Vielä jos tämä osuu jonkin volyymituotteen, kuten kaupan merkkituotteen, kohdalle niin virhe kertautuu jo huomattavasti. Esimerkiksi asiakasryhmän omalla merkkituotteella 100 000 kiloa kuukaudessa muuttaa tuolla puuttuneella kustannuksella katteen 5000e paremmaksi, kuin mitä pitäisi. Toinen asiakasryhmä ei osta tuota tuotetta, joten sen kate on oikein, mutta jää virheen takia vertailussa kaikenaikaa heikommaksi. Tätä ei välttämättä heti huomata raportilla, mutta datan käsittelyssä tämä olisi helppo saada kiinni ja heti korjattavaksi.

Tiedon laatu on siis yksi tiedolla johtamisen tärkeimpiä asiota. Oletko miettinyt missä kunnossa datanne on? Viimeistään nyt kannattaisi ottaa tämä kallisarvoinen asia työpöydälle eikä enää jättää sitä vain puheiksi.