La calidad de los datos determina el crecimiento y el valor añadido. Cada vez más empresas utilizan soluciones de software profesionales para tomar decisiones basadas en datos y automatizar procesos. Sin embargo, las recomendaciones de la inteligencia artificial y tecnologías similares solo serán buenas si los datos de los que se dispone lo son. Cualquiera que desee tomar decisiones financieras con visión de futuro y estratégicamente inteligentes debería, por tanto, comprobar la calidad de sus datos y optimizarlos de forma estructurada.
Una mala calidad en los datos cuesta millones a las empresas
12,9 millones de dólares es el coste medio anual que tiene para las empresas la mala calidad en los datos. Esta cifra es muy elevada, pero este resultado del análisis de Gartner (2021) no es sorprendente si tenemos en cuenta que cada vez se toman más decisiones estratégicas basadas en datos y que las aplicaciones de análisis de datos forman parte del trabajo diario en muchos departamentos corporativos. Especialmente en el departamento financiero, las herramientas de gestión del rendimiento empresarial han adquirido una enorme importancia.
¿Deberíamos abrirnos a este nuevo mercado? ¿De cuánto presupuesto disponemos para actividades de marketing? ¿Qué salarios son viables? Unos datos deficientes pueden tener el mismo efecto negativo que unos malos asesores. Sin embargo, aún a día de hoy, las empresas siguen dando muy poca importancia a la calidad de sus datos o no saben cómo optimizar de forma retroactiva sus enormes reservas de datos.
¿Cuáles son las consecuencias de disponer de datos de calidad insuficiente?
Las consecuencias derivadas de los datos de mala calidad son demasiado graves como para que las empresas ignoren el problema.
Decisiones equivocadas
No cabe duda de que a partir de los datos se pueden tomar decisiones complejas mucho más rápido. No obstante, si los datos no son correctos, los análisis de los mismos pueden llevar a las empresas a rechazar interesantes oportunidades de negocio, tomar caminos estratégicamente desfavorables y, sin darse cuenta, asumir altos riesgos económicos.
Riesgos de cumplimiento
Concretamente, unos datos financieros incorrectos o incompletos pueden tener consecuencias legales y ser motivo de sanciones si se detectan durante una inspección fiscal, sin olvidar la pérdida de reputación de la empresa en caso de que esto se descubra.
Procesos ineficaces
Cuando los empleados tienen que buscar datos que faltan o verificar datos repetidos y contradictorios, pierden un valioso tiempo de trabajo. Para poder automatizar y acelerar los procesos, las empresas deben contar con una base de datos adecuada.
En resumen: una mala calidad de los datos cuesta dinero y es perjudicial de cara al futuro.
¿Qué determina la buena calidad de los datos?
Las causas de la mala calidad de los datos son múltiples. Para poder aprovechar el potencial de los datos como motor de crecimiento, las empresas deben asegurarse de que la calidad de los mismos sea elevada y constante. En función de para qué se vayan a utilizar esos datos, se decidirá qué criterios de calidad se ponderan y cómo.
Gartner distingue 9 criterios de calidad:
- Exactitud
- Actualidad
- Accesibilidad
- Importancia
- Exhaustividad
- Coherencia
- Comprensibilidad
- Fiabilidad
- Singularidad
¿Cómo pueden las empresas mejorar la calidad de sus datos?
Tanto si se trata de una empresa que cotiza en bolsa como si es una mediana empresa, una cosa es segura: si se quiere mejorar de forma sostenible la calidad de los datos, hay que emprender un cambio gradual. Para ello es necesario disponer de una estrategia de datos global, soluciones informáticas sólidas y, sobre todo, estructuras, procesos y la motivación necesaria para redefinir los datos.
Los siguientes 7 pasos pueden servir de guía para lograr la mejora en la calidad de los datos:
1. Definir objetivos
¿En qué áreas de la empresa se quiere mejorar la calidad de los datos? ¿Qué beneficios empresariales se esperan? Analice el statu quo para identificar la necesidad de actuar y establecer prioridades. Establezca parámetros para medir el progreso de su proyecto de calidad de datos.
2. Establecer responsabilidades
Si las responsabilidades no están suficientemente definidas, los datos se introducirán una vez y no se volverán a comprobar. Sin embargo, es esencial tener un sistema de gestión estructurado de la calidad de los datos. ¿Quién es responsable de la gestión de los datos en los distintos equipos y departamentos? ¿Quién comunica las normas vigentes y vela por su cumplimiento? ¿Quién transmite los comentarios y las solicitudes al departamento de informática? ¿Quién dirige la estrategia de datos en la empresa?
3. Limpiar las bases de datos
Especialmente si hasta ahora ha estado trabajando con varias soluciones integrales, vale la pena comprobar y limpiar los datos existentes. Al eliminar redundancias y datos obsoletos, introducir nuevos sistemas y centralizar el almacenamiento de datos, no solo reducirá sus necesidades de almacenamiento, sino que también minimizará el riesgo de que se produzcan errores de transmisión.
4. Optimizar la infraestructura informática
La utilización de distintos sistemas ERP, de contabilidad o de recursos humanos en la empresa matriz y en las filiales de los distintos departamentos conlleva un mayor riesgo de incoherencias en los datos. Si las bases de datos no están sincronizadas, los departamentos trabajarán con distintos niveles de conocimiento. Una sincronización incorrecta crea datos duplicados y confusión entre los empleados. Por lo tanto, es importante comprobar regularmente el funcionamiento y la actualización de las interfaces de datos y, en el mejor de los casos, crear una única fuente de confianza para sus datos. Esto es especialmente importante para el área de contabilidad. El director de finanzas necesita un sistema unificado para lograr el éxito de la gestión empresarial y, además, facilita el cumplimiento de todos los requisitos legales de elaboración de informes.
5. Establecer normas y procedimientos
Introduzca estándares de calidad obligatorios para los datos en todas las áreas de la empresa y defina procesos de trabajo que garanticen permanentemente la calidad de los mismos. Esto empieza con la definición de normas de clasificación, sigue con la aplicación de procesos de prueba y termina con la automatización del archivado y la eliminación de datos.
6. Ofrecer formación
El mantenimiento adecuado de los datos suele ser una tarea que queda en segundo plano. En algunos casos, los empleados simplemente carecen de los conocimientos necesarios para utilizar correctamente el software correspondiente con el fin de buscar en los registros de datos existentes, ampliarlos y crear nuevos datos correctamente. Con la formación adecuada, se puede aumentar la competencia de los empleados en materia de datos y ampliar sus conocimientos.
7. Fomentar una cultura de datos positiva
Los datos son quizá la materia prima más importante del siglo XXI. Si la calidad de los datos se considera únicamente una cuestión del departamento de informática, las empresas tendrán dificultades a la hora de aprovechar su potencial. El manejo de los datos debe convertirse en algo natural en todos los ámbitos. Hay que promover una cultura de datos positiva y difundir su valor (de alta calidad) para el trabajo diario de los empleados. Además, la dirección debe dar ejemplo en el manejo eficaz de los datos. Solo así conseguiremos establecer una cultura de los datos en la que éstos proporcionen un asesoramiento fiable.
