Datakvalitet: 7 fejl, der undergraver jeres rapportering
Tal bliver sjældent forkerte på én gang. De skrider stille, ét lille kompromis ad gangen, indtil ingen længere tør bruge dem uden at tjekke efter. Her er de syv steder, det som regel sker — og hvad der lukker dem.
Der findes en bestemt slags møde, hvor to personer sidder med hver sin rapport og hvert sit tal for det samme. Diskussionen handler aldrig om forretningen. Den handler om, hvis tal der er det rigtige, og den ender som regel med, at nogen lover at «kigge på det».
Næsten hver gang kan årsagen findes blandt de syv mønstre herunder. Ingen af dem er dramatiske. Det er netop derfor, de overlever så længe.
1. Begrebet er aldrig blevet defineret
«Omsætning» lyder entydigt, indtil man spørger, om det er før eller efter rabat, om kreditnotaer trækkes fra i den måned de udstedes eller den måned de vedrører, og om koncerninterne salg tæller med.
Uden en skreven definition træffer hver rapportbygger sit eget valg. Alle valgene er forsvarlige. Tallene bliver forskellige alligevel.
Sådan lukkes det: Skriv definitionen ned, giv den en ejer, og lad rapporterne hente den fra ét sted i stedet for at gentage den. Uenigheden skal afklares én gang — ikke hver gang nogen bygger noget nyt.
2. Den samme beregning findes flere steder
Dækningsgraden regnes i datamodellen, igen i et dashboard og en tredje gang i et regneark, fordi det gik hurtigere. I det øjeblik der er to kopier, er det kun et spørgsmål om tid, før den ene rettes og den anden ikke gør.
Sådan lukkes det: Læg al forretningslogik i modellen, og lad præsentationslaget være dumt. Kan et dashboard ikke svare uden at regne selv, mangler der noget i fundamentet.
3. Ingen historik — kun tilstanden lige nu
Kildesystemer viser, hvordan verden ser ud i dag. Når en kunde flytter segment, eller et produkt skifter kategori, ændrer de fleste systemer det bare — og så ændrer fortiden sig med. Sidste års rapport viser pludselig noget andet end sidste år.
Sådan lukkes det: Gem ændringer i stamdata som versioner med gyldighedsdato, og beslut bevidst, om historiske tal skal følge den gamle eller den nye inddeling. Begge svar kan være rigtige. Kun ét af dem må være tilfældigt.
4. Manglende data ser ud som nul
En integration fejler i tre dage. Rapporten viser ikke en fejl — den viser et fald. Nogen konkluderer, at salget er faldet, og handler på det.
Det er den farligste kategori af datakvalitetsfejl, fordi resultatet ligner et gyldigt svar.
Sådan lukkes det: Skeln mellem «nul» og «ved ikke» hele vejen igennem, og lad rapporten sige det tydeligt, når data mangler. En rapport, der ærligt melder, at den ikke er opdateret, er langt mere værd end en, der gætter.
5. Nøglerne matcher ikke på tværs af systemer
Kunden hedder «A/S Nordisk Handel» i det ene system og «Nordisk Handel A/S» i det andet. Koblingen laves på navn, fordi der ikke er andet — og så tæller den samme kunde som to.
Sådan lukkes det: Vælg én entydig nøgle per entitet, helst noget stabilt som et CVR-nummer eller et kundenummer, og hold en oversættelsestabel for de kilder, der bruger noget andet. Automatisk navnematch må gerne foreslå — det må ikke beslutte.
6. Fejl opdages af brugerne
Hvis den måde, I finder fejl på, er at nogen siger «det tal ser forkert ud», så er kvalitetskontrollen udliciteret til jeres kolleger. De finder kun de fejl, der er store nok til at falde i øjnene — og de finder dem, efter beslutningen er truffet.
Sådan lukkes det: Læg automatiske kontroller ind efter hver opdatering: rækketal inden for et forventet spænd, ingen dubletter på nøglen, ingen tomme værdier i obligatoriske felter, summer der stemmer mod kilden. Fejler en kontrol, skal en person have besked — ikke en log, ingen læser.
7. Ingen ved, hvor tallet kommer fra
Det sidste mønster er det mest udbredte: opsætningen virker, men ingen kan gøre rede for, hvad der sker undervejs. Så tør ingen ændre noget, og hver ny rapport bygges ved siden af den gamle i stedet for oven på den.
Sådan lukkes det: Dokumentér, mens I bygger — kilde, transformation, definition, ejer. Ikke som et bilag til sidst, men som en del af leverancen. Prøven er enkel: kan en ny medarbejder finde ud af, hvad et begreb betyder, uden at spørge nogen?
Hvad det er værd
Datakvalitet føles som en omkostning, indtil man regner på alternativet: timerne der går med at afstemme, beslutningerne der udskydes, og de rapporter der bygges forfra, fordi ingen stoler på de eksisterende.
Det meste af arbejdet er heller ikke teknisk. Det er at få truffet nogle beslutninger, der har ligget uafklarede — og skrive dem ned. Resten følger.
Skal vi kigge på jeres? Se hvordan vi arbejder med struktur og datakvalitet, eller læs videre om ledelsesrapportering, man kan stole på.
Ofte stillede spørgsmål
- Hvad er datakvalitet?
- Datakvalitet er, hvor godt data svarer til virkeligheden og til den brug, de er tiltænkt. I praksis måles det på seks ting: er data komplette, korrekte, konsistente, aktuelle, entydige og gyldige. Et datasæt kan være teknisk fejlfrit og stadig have dårlig kvalitet, hvis det måler noget andet, end brugeren tror.
- Hvordan opdager vi dårlig datakvalitet, før brugerne gør?
- Ved at lade systemet kontrollere sig selv efter hver opdatering: antal rækker inden for et forventet spænd, ingen dubletter på nøglen, ingen manglende værdier i felter der ikke må være tomme, og summer der stemmer med kilden. Fejler en kontrol, skal nogen have besked — og rapporten skal sige, at den ikke er opdateret, frem for at vise et forkert tal.
- Hvem har ansvaret for datakvalitet?
- Ansvaret deles: kildesystemets ejer svarer for, at data indtastes rigtigt, og datafundamentets ejer svarer for, at de behandles rigtigt. Det, der som regel mangler, er en navngiven ejer af selve definitionen — den person, der beslutter, hvad et begreb betyder, når to afdelinger er uenige.
- Kan man rette dårlige historiske data?
- Nogle gange. Systematiske fejl — et forkert fortegn, en fejlmappet kategori — kan ofte rettes bagudrettet, hvis rådata er gemt. Manglende registreringer kan ikke genskabes. Derfor er den vigtigste beslutning at gemme rådata uændret fra dag ét, så en fejl opdaget om et år stadig kan rettes.
Læs videre
Skal jeres tal være til at stole på?
Book en uforpligtende samtale på 30 minutter. Vi gennemgår, hvordan jeres rapportering hænger sammen i dag, og hvor det første konkrete skridt ligger.