博客

让我们利用新年伊始的契机，回顾我们在2014年取得的成功，这些成功与数据管理策略密切相关。清晰、完善、准确的数据显然不易取得，否则这一领域的业务不会如此庞大，也不会成为企业的艰巨挑战。过去20年间，我曾遇见无数对高质量参考数据饶有兴趣的商业领袖。他们在谈话中表示，十分期待在日常商业运营的同时就能让获取的数据更加清晰、准确和完善。我赞同把改善数据质量作为目标——它是企业成功的关键因素，但经验告诉我，获得出色的数据看似容易，实则艰难。

只有通过勤奋的工作、卓越的数据管理以及持续的测试才能获得高质量数据。就像一套个人健康指标一样，拥有一个显示各种数据质量参数的可靠的分析界面非常重要，您可以对这些参数进行持续监控。数据质量总在不断变化，时而变好，时而变坏，因此采取频繁的周期性评估，可让您在数据质量变差至无可挽回之前采取纠正措施。

对改善数据质量这一极端复杂的商业问题，以下三则简单方法将大有裨益：

1. 定义“数据成功”——检查您想要管理的所有数据。如果数据不能驱动行为（增加收入或提高效率）或避免风险，那还有什么价值？请修正您对“数据成功”的定义，转而关注更重要的事。此外，当商业环境发生改变时，也要做出相应改变。数据成功可以定义为：能够促进销售、增加产品试用量和医生拜访次数，或能够改善销售策略。下面我会尽可能具体地阐述这个问题。
2. 评估数据的成功——评估这一点有些困难，因为早期的关注点都落在区域数据的精确度之上，可能造成误导。几乎所有新启动的数据实施项目都会在初期遭遇挑战，前90天是决定数据采用是否成功的关键时期。试试通过工单系统进行量化，您就能看到分析结果大有改善。评估数据是否成功有一些好办法，您可以考虑：主数据库当中难以找到、有待创建的新纪录有多少条？您的客户主数据和第三方参考数据之间的匹配度有多高？如今，当更出色的数据和数据控制成为大势所趋之时，过去采用的具体评估方法已然不再重要。您的团队所采用的个人记录也构成了独特的数据库。对于那些严重依赖数据的目标（电子邮件、产品试用、营销展示），其数据质量及程序性能应当基于大量随机样本进行评估，而非一次性抽样。
3. 与合作伙伴共同设立目标，实现数据改进——每天都要使用、测试、挑战这些数据。一线销售团队的成员也许是最先察觉某位医生已经离职，或者新医生上岗的人。这种情况下，一位卓越的合作伙伴就知道如何利用与客户互动获得的重要信息，巧妙保持数据的准确性。所以要牢记您对数据成功的定义（促进销售、提高效率或者避免风险），只收集关键信息数据，而非对各种细节数据一把抓。

如果您在新的一年里对数据质量和数据性能抱有更高期待，那么您一定会找到志同道合的伙伴。想在数据准确度和数据质量方面达到最优水准，还有很多工作要做。不过上述几条简单的建议就能助您走上正轨。