您聽過三星證券臭名昭著的「胖手指」錯誤嗎？這是一個典型的例子，說明一個簡單的資料輸入錯誤如何使該公司損失1,050 億美元並嚴重損害其聲譽。
當一名員工在輸入股息支付時錯誤地輸入了「股份」而不是「贏得」時，就發生了錯誤。作為股權計畫的一部分，該公司應向每位員工發放1,000 韓元（約1 美元）（共有2,000 名員工參與）。然而，由於這項錯誤，該公司不得不向員工發行28 億股股票（價值1,050 億美元），而不是28 億韓元。儘管該錯誤在37 分鐘內被發現，但仍導致股價下跌11%，造成3 億美元的損失和關鍵客戶的不信任。
雖然三星的案例很極端，但網路上有數千個組織因資料品質不佳而蒙受重大損失的例子。在本部落格中，我們將揭示更多現實世界的實例，以強調不良數據如何影響業務運營、行銷績效和整體投資回報率，並討論防止這些代價高昂的錯誤的策略。
組織中普遍存在的數據品質問題及其根本原因
業務資料庫中最常見的資料錯誤包括資訊不完整、重複記錄、輸入錯誤、過時或遺失的詳細資訊以及格式不一致。但這類數據品質問題背後的根本原因是什麼？為了解釋這一點，著名的數據品質管理公司SunTec India 對其來自不同行業的50 名客戶進行了調查，包括醫療保健、金融、房地產和電子商務。他們的報告強調了影響組織資料中心化資料衛生的幾個關鍵因素。
1.缺乏明確的數據治理協議
82% 的調查受訪者表示，他們的組織缺乏資料收集、處理、儲存和檢索的正式指南。缺乏預先建立的協議通常會導致資料孤島、重複記錄、非結構化資訊以及業務資料庫內的差異等問題。
2. 手動資料輸入過程中的人為錯誤
約75% 的受訪者表示，他們使用手動資料輸入方法，但沒有充分的資料驗證或驗證流程。這通常會導致拼字錯誤、條目不完整和資訊遺失等錯誤，這主要是由於資料輸入說明不足或缺乏主題專業知識，最終損害資料的品質。資料驗證對於確保資料的一致性、完整性和準確性至關重要，以避免此類差異。
3. 系統整合錯誤
68% 的參與者強調，格式不相容的遺留系統、整合先前的資料映射不當以及系統間分類不一致是導致業務資料錯誤和不一致的關鍵因素。
4.資料庫日常維護流程不完善
調查發現，只有25% 的公司製定了定期資料庫審核、更新和維護的協議。隨著客戶和業務數據很快就會過時，持續監控和更新這些資訊至關重要。忽略更新或豐富數據可能會導致錯誤的見解、不準確的預測並錯失成長機會。
糟糕的數據如何影響前景和客戶旅程
從最初的互動到後續和再行銷，需要準確和完整的數據來培養銷售漏斗中客戶旅程的每個階段。然而，不良數據可能會在各個層面影響您的行銷工作：
1. 目標定位不準確
無論您是想針對潛在客戶進行初始外展還是跟進現有客戶，您都需要相關數據來做出有影響力的宣傳。如果沒有關於他們的偏好和購買歷史的準確和最新的信息，您最終可能會瞄準錯誤的受眾群體或浪費您的行銷努力。
例如，如果公司擁有有關潛在客戶行業或職位的過時訊息，他們可能會發送與潛在客戶當前角色或需求不相符的行銷資料，從而導致參與度較低。
2. 無效的個人化
個人化行銷可以幫助企業創造比行業平均高出40% 的收入。
圖片來源：麥肯錫
然而，它的成功取決於您如何將客戶資料劃分為相關類別。隨著時間的推移，客戶偏好會發生變化，因此他們的數據需要定期更新。如果您沒有正確或準確的用戶資料來進行客戶細分，那麼您最終很可能將他們分類到錯誤的細分中並破壞個人化工作（尤其是在電子商務等行業）。
個性化不佳的一個著名例子是亞馬遜的事故，一名不孕婦女由於資料分割不正確而收到了嬰兒登記電子郵件。
3. 失去成長機會
如果客戶資料（包括購買歷史記錄、瀏覽行為和購買偏好詳細資訊）不準確、不完整或分析不當，您可能會錯過追加銷售或交叉銷售的機會。
例如，如果您的數據分析系統未正確地將所有購買歸因於客戶（例如，由於客人結帳或店內購買未連結到線上個人資料），您將只能看到部分客戶行為。這些不完整的數據可能會阻止您有效識別和利用追加銷售或交叉銷售的機會，最終阻礙潛在的收入成長。
4. 不正確的線索評分
潛在客戶評分系統依靠數據根據潛在的終身價值對潛在客戶進行評估和排名。如果輸入這些模型的資訊不正確或不相關，它們可能會對潛在客戶進行錯誤分類（高潛力潛在客戶被低估，低潛力潛在客戶被優先考慮）。因此，銷售團隊可能不會優先考慮一些高潛力的潛在客戶，錯過了寶貴的機會。
5. 潛在客戶培養不力
有效的潛在客戶培育需要在最佳時間提供個人化內容，以引導潛在客戶通過銷售漏斗。如果內容分享得太早或太晚，可能無法吸引或疏遠潛在客戶。為了微調這個時機，必須分析客戶的購買週期——他們從最初的興趣到最終的決定需要多長時間。只有當您擁有更新且準確的客戶資料時，才能進行此分析。如果沒有它，您可能會在內容交付方面做出錯誤的決策，從而導致潛在客戶培育結果不佳。
行銷和其他業務運作中的不良數據成本
我們已經看到數據品質問題如何對外展工作和客戶體驗產生負面影響。然而，如果我們用數字來說話，不良數據對業務投資報酬率的影響可能會更糟。讓我們透過流行的1x10x100 規則來理解這一點。
簡而言之，該規則規定，最初防止資料輸入錯誤的成本為1 美元，一旦發現錯誤，修復錯誤的成本為10 美元，在將其整合到營運後糾正錯誤的成本為100 美元。
例如，如果一家公司有50 萬筆記錄，其中30% 不準確，那麼糾正這些問題的費用可能高達1,500 萬美元，而從一開始就預防這些問題的費用僅為15 萬美元。
多項調查都強調了不良數據對企業帶來的成本。根據Gartner 的一項此類研究，每年，不同行業的企業因不良數據平均損失1,290 萬美元。此成本包括修正資料輸入錯誤的直接成本和行銷營運資料不良、資源浪費和錯失機會的間接成本。
1. 現實範例：Unity Technologies 由於數據不佳而面臨1.1 億美元的損失
2022 年第一季度，由於受眾定位工具中的數據品質問題，Unity Technologies 的股票價值下跌了37%。該平台旨在幫助遊戲玩家投放廣告並透過遊戲獲利，但從主要客戶獲取了錯誤數據。這導致機器學習演算法的預測不準確，從而導致廣告定位無效。該事件不僅損害了公司的品牌聲譽，還造成了約1.1 億美元的成本，包括模型重新訓練和重新開發以及直接收入損失。
維護資料衛生的實用且有效的方法
為了最大限度地減少或避免不良數據的成本，請在您的組織中實施以下最佳實踐：
1. 識別不良數據的來源
進行全面的審計，以追蹤資料不準確的根源，無論是由於手動輸入錯誤、系統整合缺陷還是過時的記錄。解決這些根本原因可確保準確的數據收集並提高整體數據品質。您可以利用數據分析工具來追蹤一段時間內的數據品質指標。它有助於找出數據品質何時何地開始惡化。
2.定期審核、清理及驗證業務數據
建立系統的工作流程來定期審核和管理您的資料。根據可靠來源驗證訊息，識別不一致和過時的條目，並更新缺少的詳細資訊。這種主動策略可以防止數據惡化，並節省時間和資源，否則這些時間和資源將用於在後期解決數據問題。
3. 制定資料治理政策
為了安全地收集、儲存、檢索和使用數據，實施強大的治理框架至關重要。為資料存取、使用和安全性制定明確的準則，以防止未經授權的存取或更改，並確保符合監管標準。為資料管理指派特定角色，包括資料擁有者、保管人和安全資料處理實務的使用者。
4. 實施多層級品質檢查
初始資料輸入驗證：在資料輸入期間使用驗證規則和檢查來防止錯誤。這些規則可能包括格式檢查、範圍驗證和必填欄位驗證。 中級品質審核：對資料進行定期抽查或批次審核，以識別和修正初始輸入期間未發現的問題。這可以手動完成或使用自動化資料品質工具完成。 最終品質保證：在將數據用於關鍵決策或報告之前對數據進行全面審查。這包括確保數據符合所有品質標準並且沒有錯誤。
5. 利用主題專家和自動化工具進行資料清理和驗證
採用策略性的人機互動方法來增強資料管理。使用自動化工具執行重複資料刪除、標準化和錯誤檢測等日常任務。對於複雜的數據挑戰、資訊豐富和徹底驗證，請尋求主題專家的協助。
6.外包資料清理服務
如果您缺乏資料專家或想要增強內部能力，外包資料清理服務可能是可行的解決方案。透過與可靠的數據品質管理公司合作並利用他們的專業知識，您可以大規模簡化數據處理、實施最佳實踐並利用先進技術來有效提高整體數據品質。
尾註
在這個不斷發展的商業環境中，數據品質是保持競爭力不可妥協的因素。無論您是利用尖端人工智慧來自動化任務並自訂您的服務範圍，還是更喜歡更實際的方法，擁有可靠且完整的數據對於推動成功至關重要。為了實現這一數據驅動的願景，請專注於三個關鍵要素：在整個數據中心化實施全面的數據品質規則，利用自動化工具無縫整合、細化和清理數據，以及培養促進所有部門之間協作的數據管理文化和團隊。透過優先考慮這些元素，您可以確保您的數據仍然是競爭策略中的強大資產。
資訊來源：由0x資訊編譯自SOCIALNOMICS。版權歸作者Brown Walsh所有，未經許可，不得轉載