Independentemente do que se venda, desde carros até biscoitos, o acesso aos dados de qualidade é o eixo central de qualquer negócio. Este fator ajuda as empresas a medirem a efetividade das campanhas de marketing, os representantes de vendas a descobrirem e decifrarem tendências de consumo e os executivos a identificarem as oportunidades de redução de custos na cadeia de abastecimento. Tudo isso acontece ao mesmo tempo em que aumentam a eficiência da força de vendas e a produtividade da empresa.

Embora seja uma questão frequentemente ignorada, o acesso aos dados de qualidade pode ser a diferença entre alcançar ou não uma meta. Infelizmente, dados ruins, incompletos ou inexistentes podem impactar e até mesmo paralisar uma empresa. Porém, tudo isso pode ser evitado se você puder montar uma forte justificativa de negócios para melhorar a qualidade dos dados.

Geralmente, as pessoas ficam na dúvida quando questionadas pelos líderes de negócio sobre qual é o ROI (Retorno sobre Investimento) da compra de um produto voltado para qualidade de dados. Em primeiro lugar, não entre em pânico. Na realidade você deveria ficar contente, pois isso significa que a direção decidiu fazer da qualidade dos dados uma potencial vantagem estratégica para o negócio. Este é um modo raro de se começar uma justificativa para um programa de qualidade de dados, pois é incomum encontrar métricas de qualidade de dados estabelecidas ou claramente definidas.

Apesar da abordagem de cima para baixo, geralmente, ser a mais eficiente em última instância, é provável que a necessidade de se trabalhar a qualidade dos dados tenha origem de forma orgânica dentro da empresa. Já a abordagem de baixo para cima, que é a mais comum, oferece uma grande oportunidade para que os funcionários defendam a melhoria dos dados e, como resultado, tenham um impacto positivo no negócio.

A melhoria na qualidade dos dados pode ser aplicada a uma vasta gama de departamentos e unidades de negócios. No entanto, para exemplificar o processo, utilizaremos a área de marketing e vendas para descrever os cinco passos necessários para justificar um programa de qualidade de dados:

1. Entender como a empresa mede a performance e apresentar o ROI da qualidade de dados em termos que as áreas de negócios possam entender

Pode ser óbvio, mas para entender melhor como uma empresa mede a performance, pergunte às pessoas diretamente responsáveis pelas decisões de negócio. Você verificará que a área de marketing pretende, por meio de campanhas mais eficientes, aumentar o nível de conhecimento da marca e a geração de demanda junto ao público. Enquanto isso, a área de vendas falará da importância do aumento da taxa de conversão e da base de potenciais clientes. Depois que você compreender como estes grupos medem a performance, será possível entender em quais áreas as melhorias podem ser feitas.

Com esta informação nas mãos, coloque o ROI da qualidade de dados em termos que os tomadores de decisão possam entender. Por exemplo, descreva que, ao eliminar duplicidades de pessoas, identificar contatos que moram em um mesmo endereço e padronizar e validar os endereços de correspondência, é possível reduzir os custos e aumentar a taxa de conversão das campanhas. Ao tornar mais fácil para as áreas de negócio a visualização da relação direta entre qualidade e maior receita, fica muito mais fácil conseguir apoio para projetos como estes.

2. Assumir a responsabilidade sobre os dados, analisando e identificando anomalias

Uma questão que sempre atropela aqueles que estão em uma cruzada para aumentar a qualidade dos dados é determinar quem é o responsável por este tema: o departamento de TI ou a área de negócios? Dados ruins e a paralisia criada por informações em mau estado podem impactar as áreas de TI e de negócio da mesma forma. Por isso, não se trata de uma questão de exclusividade e é vital que haja colaboração para a limpeza dos dados. É fundamental que todos estejam alinhados para assegurar que os líderes de negócio entendam o impacto que a qualidade dos dados pode ter nos resultados finais da empresa, e que a área de TI compreenda como o negócio usa e mede os dados.

A partir daí, devemos analisar os dados e identificar as anomalias. É nesse momento que uma ferramenta de investigação e classificação de dados será indispensável. Ao classificá-los, é fácil revelar o conteúdo, a qualidade e a estrutura dos dados com esforço mínimo. Este método ajudará a identificar problemas reais com os dados na forma que eles se relacionam com as necessidades dos negócios. Se o grupo de marketing quiser aumentar o impacto de uma campanha de mala direta, a classificação dos dados ajudará a identificar as anomalias, tais como informações inexistentes de endereço ou telefone, referências incorretas, entradas duplicadas para o mesmo contato e problemas de uniformidade. 

Um pequeno esforço de melhoria dos dados pode impactar dramaticamente o sucesso de uma campanha.

3. Categorizar as anomalias

Uma vez que a análise inicial esteja completa, será necessário colocar as anomalias em categorias. Ao dividir as questões de qualidade de dados em seis grupos, é possível montar a justificativa de investimento ao mesmo tempo em que os resultados tornam-se facilmente digeríveis, tanto para os líderes de TI quanto para as áreas de negócios. As seis categorias são: 

• Completude: os dados necessários estão disponíveis? Todos os campos estão preenchidos?

• Conformidade: todos os dados estão no formato especificado? (exemplos: CEP, telefone, CPF)

• Consistência: os atributos interdependentes possuem valores consistentes? (exemplo: o código de moeda é compatível com o país?)

• Precisão: os dados estão dentro do conjunto de valores esperados para cada atributo 

• Duplicação: existem múltiplas e desnecessárias versões do mesmo dado?

• Integridade: os relacionamentos entre os dados são válidos?

De uma perspectiva de retorno do investimento, uma vez que os dados estão categorizados, fica muito mais fácil tomar um conjunto apropriado de ações para corrigir os dados ruins. Por exemplo, se uma lista de clientes de marketing demonstra dados de contato imprecisos e incompletos, é fácil justificar que seria mais barato corrigir estas informações do que gastar tempo para pesquisar os dados corretos ou comprar uma nova lista.

Categorizar anomalias permite aos líderes de negócio identificar rapidamente os problemas para poder tomar decisões informadas.

4. Identificar o impacto de negócios das anomalias de dados 

Após classificar os dados e identificar as anomalias, é vital trabalhar junto aos tomadores de decisão para entender os efeitos que as anormalidades podem ter sobre o negócio. Exemplificando, um perfil de dados de clientes mostra que 20% dos registros têm números de telefone inoperantes ou apresentam dados inexistentes. Como isso impacta a habilidade de oferecer upgrades ou realizar vendas cruzadas de uma linha de produtos para outra aos clientes já existentes?

Se os líderes das áreas de negócios soubessem, no início do processo, que o teto operacional da sua força de vendas seria de no máximo 80% de eficiência, certamente teriam expectativas diferentes sobre os resultados de suas campanhas.

5. Apresentar a justificativa para o projeto de qualidade de dados

Ao justificar a necessidade de uma iniciativa de qualidade de dados, é importante esclarecer como a falta da qualidade nos dados pode afetar negativamente a eficiência operacional de uma organização e a precisão das decisões de negócios. Com os dados compilados, analisados, categorizados e marcados por anomalias conhecidas, é possível montar facilmente uma justificativa para aumentar as práticas de qualidade de dados.

A cada dia que uma empresa passa convivendo com informações incompletas ou desorganizadas, maiores são as chances dela se tornar vítima da paralisia por conta de informações ruins. Apesar de ter usado marketing e vendas como exemplo, a realidade é que dados ruins levam a decisões de negócio equivocadas e afetam toda a empresa. 

Por isso, justificar a necessidade deste tipo de projeto é libertar a sua companhia da defasagem causada por dados em mau estado.