Als je kijkt naar hoe bedrijven hun marketingcampagnes opzetten, dan zie je dat datakwantiteit als iets goeds gezien wordt. Een boel verkeer – goed. Virale posts zijn de heilige graal: ze genereren duizenden page views per uur. Likes en shares – hoe meer hoe beter.

En uit al dit verkeer en sociale interesse hopen de bedrijven voor een hoge kwantiteit aan leads en conversies. Maar wanneer het op data aankomt, is kwantiteit op zich niet de drijvende kracht achter omzet en succes. Simpelweg een boel data hebben helpt niet. Het kan zelfs je visie vertroebelen en het moeilijker maken om beslissingen te maken, wat leidt tot hogere kosten en minder efficiëntie.

Dus: kwaliteit en kwantiteit zijn niet exclusief aan elkaar verbonden, maar er is zeker wel een relatie tussen beiden. Daarom schreef Martin Doyle voor Smart Data Collective over data: kwaliteit of kwantiteit?

Een virtueel adresboek bijhouden

Terwijl we beter bekend worden met wat we allemaal kunnen in de digitale wereld, beginnen we niet iedere keer opnieuw maar migreren we data. Denk aan de laatste keer dat je een nieuwe smartphone gekocht hebt. Heb je alles van je oude apparaat verwijderd en al je contacten opnieuw ingevoerd? Of heb je de data naar de cloud gemigreerd en het zo van je oude apparaat naar je nieuwe apparaat overgezet?

Natuurlijk is het gemakkelijker om je data te bewaren, en dat heeft van ons datahamsteraars gemaakt. We bewaren data die al lang over datum is. Wanneer we data bewaren, dan importeren en exporteren we het. Dit importeren en exporteren kan zorgen dat er fouten in de data sluipen. Contactnamen, nummers en andere stukken data kunnen subtiele verschillen hebben tussen verschillende apparaten. Dit is je misschien ook wel eens opgevallen: sommige gegevens slaan niet goed op nadat je tussen apparaten gewisseld hebt en je moet ze handmatig aanpassen om ze werkende te krijgen.

Hoe zit het met Big Data?

Wanneer je nadenkt over de enorme honger naar Big Data in onze business, dan lijkt de overeenkomst met een smartphone vergezocht. Big Data is iets goeds toch? Moeten we niet eerst onze pijlen richten op kwantiteit?

Big Data is gladgestreken en opgeschoond. Het is gestandaardiseerd en verwerkt zodat bedrijven het kunnen begrijpen. Er is een focus op kwaliteit en kwantiteit. Dat is waarom de meeste Big Data van grote organisaties komt die al het voorwerk al gedaan hebben.

In contrast, de meeste rauwe data die we allemaal verzamelen is van weinig waarde totdat we een datakwaliteitsproces hebben lopen. Dit is waarom datawetenschappers zo gewaardeerd worden: ze kunnen schone data aanleveren waar je mee aan de slag kunt. Als we simpelweg de inhoud van miljoenen spreadsheets in een tekstbestand dumpen dan zou dit Big zijn, maar niet mooi.

De Business Case voor kwaliteit

Je kunt een argument maken dat een hoge datakwaliteit niet goedkoop is. Een groot volume behalen is. We kunnen simpelweg voor altijd op de database zitten, waardoor deze zonder beperking doorgroeit. Dat zou zeker de goedkoopste manier zijn.

Maar als je kijkt naar de kosten, moeten we verspilling en waarde afwegen – niet alleen de prijs.

• We kunnen verspilling definiëren als elke activiteit die langer duurt (of meer kost) als gevolg van een dataset van lage kwaliteit. Dit kan fysieke verspilling zijn, zoals teruggezonden post en weggegooid papierwerk. Maar verspilling kan ook in andere vormen komen: verspilde opslagmedia, opslagruimte of tijd.
• In dezelfde context, waarde is het belang die je aan een specifieke dataset toewijst; de plek in de organisatie. Hoe waardevol is een CRM die vol zit met gegevens die incompleet zijn of de set corrumperen? Als het sales team met 2-jaar oude contactgegevens werkt, hoe waardevol is deze informatie dan in vergelijking met een nieuwe lead?

Overweeg dat 60 tot 70 procent van IT budgetten van enterprise organisaties opgaan aan infrastructuur en activiteiten. Overweeg hoe onbehulpzaam het is wanneer we constant ongesorteerde, niet-accurate, ongeldige en bedorven data in een CRM stoppen die nu al moeite heeft om alles bij te houden.

Wanneer we kijken naar hoe er met data omgegaan wordt, dan is de ‘goedkoopste’ optie altijd de meest verspillende en leidt tot de minste resultaten. Nog erger, slechte data die je al verzameld hebt zal zich verspreiden naar alle geïntegreerde systemen, waardoor het nog lastiger wordt om die systemen te verbeteren. Tijdens elk stap zou data aan de basis van een besluit moeten staan. Als het dit niet direct kan doen, dan heb je een probleem met je datakwaliteit.

Data op waarde leren schatten

In het leven genereren we tegenwoordig meer data dan over de gehele loop van het menselijk bestaan. We houden ook meer data vast, zowel persoonlijk als professioneel. Slimme bedrijven begrijpen wanneer data behulpzaam is. Ze moeten ook kunnen herkennen wanneer ze simpelweg data aan het hamsteren zijn, zonder een duidelijk plan.

We moeten afstappen van het idee dat data goed is voor business en dieper kijken naar de aard van de data die we bewaren. Als je duizenden euro’s gaat uitgeven aan het implementeren van CRM systemen, dan moeten we deze systemen voeden met bruikbare en accurate data.

Kwaliteit en kwantiteit zijn niet exclusief aan elkaar verbonden. Je kunt een grote, redelijk accurate CRM hebben. Maar je kunt dit niet bereiken zonder te investeren in de kwaliteit en niet zonder goed te begrijpen dat het verhogen van de kwantiteit alleen niet de kans op succes vergroot.