Articolul 8 din 10 · Data & Decision Intelligence · 10 min citit

Calitatea datelor: taxa tăcută pe fiecare decizie

Poți să cazi de acord ce înseamnă fiecare cifră și tot să iei decizia greșită — pentru că datele care hrănesc cifra erau, pe tăcute, greșite. Datele proaste nu se anunță. Se afișează impecabil, se citesc convingător și percep o taxă pe fiecare decizie de care se ating.

O firmă de retail decide să mizeze mai tare pe segmentul ei cel mai performant — clienți business medii din nord. Dashboardul e clar: segmentul a crescut cu 34% anul trecut. Se mută bugete, un agent de vânzări e realocat, cheltuiala de marketing merge după date. Peste șase luni, randamentul e o fracțiune din ce s-a estimat și nimeni nu poate spune de ce.

Motivul era în date de la bun început. „Creșterea de 34%" fusese umflată de înregistrări duplicate — aceleași douăsprezece firme introduse de două-trei ori, sub nume ușor diferite, fiecare numărată ca nouă. Segmentul nu crescuse cu o treime. Crescuse cu vreo 8%. Decizia n-a fost greșită pentru că logica era proastă sau definiția neclară. A fost greșită pentru că numerele de dedesubt erau murdare, și nimic de pe ecran n-o spunea.

În articolul trecut am rezolvat problema sursei unice de adevăr — să cadă toată lumea de acord ce înseamnă o cifră. Acesta e stratul de dedesubt, și e neiertător: chiar și o singură definiție agreată, calculată într-un singur loc guvernat, e demnă de încredere doar cât datele care curg în ea. Date proaste la intrare, decizii proaste la ieșire — raportul arată la fel de autoritar oricât de defecte i-ar fi intrările.

De ce datele proaste sunt invizibile

O mașină stricată face zgomot. Datele stricate sunt tăcute. Un grafic construit pe înregistrări duplicate, învechite sau prost etichetate arată identic cu unul construit pe date perfecte — aceleași culori, aceleași linii sigure, același export lustruit. Niciun mesaj de eroare, niciun semnal roșu. Defectul iese la suprafață abia mai târziu, mai jos pe lanț, deghizat într-o decizie care n-a mers. Până atunci, e aproape imposibil de urmărit înapoi până la cauză.

O mașină stricată face zgomot. Datele stricate se afișează impecabil — și le întâlnești abia mai târziu, purtând masca unei decizii care a eșuat.

Exact această invizibilitate o face o taxă, nu un cost de o singură dată. O plătești fie că observi, fie că nu: în decizii deviate pe tăcute, în analiști care petrec 60–70% din timp curățând date în loc să le interpreteze, în erodarea lentă a încrederii odată ce oamenii învață că un raport nu poate fi luat de-a gata. E o dare pe fiecare decizie de care se ating datele, colectată pe întuneric.

Cele șase feluri în care datele se strică

„Date proaste" nu e un singur lucru. Se strică în șase feluri recognoscibile, iar numirea lor e primul pas ca să le prinzi.

Cele șase dimensiuni

Completitudine — Valori lipsă. Jumătate din clienți nu au regiunea trecută, deci orice analiză pe regiuni îi ignoră pe tăcute.
Acuratețe — Valori pur și simplu greșite. Un preț tastat 100 în loc de 1.000 nu pare greșit într-un tabel — până mișcă o medie.
Consecvență — „RO", „Romania", „România", „ROU" — același lucru trecut în patru feluri, deci o țară devine patru rânduri.
Actualitate — Date adevărate, dar învechite. Stocurile de trimestrul trecut care conduc decizia de recomandă de săptămâna asta.
Unicitate — Dubluri. Același client, aceeași factură sau tranzacție numărate de mai multe ori — capcana cu nordul de mai sus.
Validitate — Valori care încalcă regulile. O dată de livrare înainte de data comenzii; o cantitate negativă; un e-mail fără „@".

Fiecare, luată singură, e banală. Împreună, sunt motivul pentru care un raport poate fi construit cu logică perfectă, pe o definiție impecabilă, și tot să inducă în eroare pe cine îl citește.

De unde vine mizeria

Datele murdare rareori sunt vina cuiva anume — se adună din operațiuni obișnuite. Introducerea manuală, fără verificare în momentul culegerii, lasă greșelile de tastare și golurile să intre direct. Mai multe sisteme care țin înregistrări suprapuse se depărtează în clipa în care unul e actualizat, iar celălalt nu. Integrările dintre sisteme creează cusături unde câmpurile sunt tăiate, nealiniate sau pierdute pe tăcute. Iar timpul însuși degradează datele — un client se mută, un furnizor se închide, un preț se schimbă, și înregistrarea insistă în continuare pe adevărul vechi. Niciuna nu e dramatică. Toate se adună.

Economia: regula 1–10–100

Există o regulă bine bătătorită în gestiunea datelor, și merită interiorizată pentru că îți spune unde să pui efortul. Costă aproximativ 1 € să previi o înregistrare proastă la intrare, 10 € s-o găsești și s-o corectezi mai târziu la curățare și 100 € odată ce s-a luat deja o decizie pe ea.

Cifrele sunt ilustrative, dar raportul e ideea: prevenirea e de un ordin de mărime mai ieftină decât corectarea și de două ordine mai ieftină decât decizia greșită. De aceea „o curățăm noi în raport" e o strategie pierzătoare. Alegi să operezi permanent la nivelul de 10 € și, din când în când, să plătești 100 €, ca să eviți o corectură de 1 € la sursă.

Ce faci, concret

1. Repară la sursă, nu în raport

Mișcarea cu cel mai mare efect de pârghie. Orice corectură aplicată mai jos pe lanț — un filtru într-un dashboard, un script de curățare, un Excel corectat — trebuie refăcută de fiecare dată când datele se reîmprospătează și repară doar acel unic raport de care se atinge omul respectiv. Repară înregistrarea acolo unde stă și toate rapoartele se îmbunătățesc deodată.

2. Verifică în momentul introducerii

Cel mai ieftin control de calitate e cel care oprește o valoare proastă să fie salvată vreodată. Câmpuri obligatorii, liste derulante în loc de text liber, verificări de format pe e-mailuri și date, limite de interval pe cantități și prețuri. Majoritatea datelor murdare se pot preveni chiar la tastatură.

3. Elimină dublurile — și ține-le eliminate

Dublurile sunt cel mai frecvent și mai distorsionant defect. Potrivește pe câmpurile care chiar identifică o entitate, unește deliberat și pune o verificare astfel încât aceleași dubluri să nu se întoarcă pe tăcute trimestrul viitor.

4. Profilează datele periodic

Nu poți repara ce nu măsori. Scanează din când în când tabelele-cheie pentru cele șase defecte de mai sus — câte goluri, câte dubluri, câte valori invalide. O verificare lunară scurtă a calității scoate la iveală abaterea înainte să ajungă la o decizie.

5. Dă un responsabil datelor importante

Datele fără responsabil se degradează din start. Atribuie răspunderea pentru calitatea fiecărui set de date critic unei persoane cu nume, la fel cum ai atribui răspunderea pentru cifra însăși. Responsabilitatea e ce împiedică calitatea să fie treaba tuturor și, prin urmare, a nimănui.

Câștigul

Datele curate nu sunt spectaculoase și nu câștigă niciodată o demonstrație. Dar ele fac diferența dintre un sistem de sprijin al deciziilor care câștigă încredere și unul care, pe tăcute, o trădează. Firmele care tratează calitatea datelor ca pe o întreținere continuă — nu ca pe un proiect de o singură dată — încetează să mai plătească taxa tăcută. Analiștii lor interpretează în loc să frece, rapoartele lor sunt urmate fără a doua verificare, iar deciziile lor se sprijină pe un teren care chiar ține.

Află cât de curate îți sunt, de fapt, datele.

Încarci un set de date în PrismIQ, iar un agent AI îl profilează pentru tine — semnalând goluri, dubluri, etichete inconsecvente și valori în afara intervalului înainte să ajungă la o decizie — apoi produce un raport clar, în limbaj de business, fără cunoștințe tehnice.

Un număr, trei răspunsuri: problema sursei unice de adevăr · De ce eșuează culturile bazate pe date