CRM ja tietoalustatVerkkokauppa ja vähittäiskauppaSähköpostimarkkinointi ja automaatio

Tietojen standardointi: Määritä, testaa ja muunna

Vaikka organisaatiot ovat siirtymässä kohti tietokulttuurin luomista koko yritykseen, monet kamppailevat edelleen saadakseen tietonsa oikein. Tietojen hakeminen erilaisista lähteistä ja eri muotojen ja esityksiä samoista tiedoista saaminen aiheuttaa vakavia esteitä tietomatkallesi.

Tiimit kokevat viiveitä ja virheitä suorittaessaan rutiinitoimintojaan tai poimiessaan oivalluksia tietojoukoista. Tällaiset ongelmat pakottavat yritykset ottamaan käyttöön tietojen standardointimekanismin, joka varmistaa, että tiedot ovat yhtenäisessä ja yhtenäisessä näkymässä koko organisaatiossa. 

Katsotaanpa tarkemmin tietojen standardointiprosessia: mitä se tarkoittaa, sen sisältämät vaiheet ja kuinka voit saavuttaa standardoidun datanäkymän yrityksessäsi.

Mitä on tietojen standardointi?

Yksinkertaisesti sanottuna tietojen standardointi on prosessi, jossa data-arvot muunnetaan väärästä muodosta oikeaksi. Standardoidun, yhtenäisen ja johdonmukaisen tietonäkymän mahdollistamiseksi koko organisaatiossa tietoarvojen on oltava vaaditun standardin mukaisia ​​– niiden tietokenttien kontekstissa, joihin ne kuuluvat.

Esimerkki tietojen standardointivirheistä

Esimerkiksi saman asiakkaan kahdessa eri paikassa asuva tietue ei saa sisältää eroja etu- ja sukunimessä, sähköpostiosoitteessa, puhelinnumerossa ja asuinosoitteessa:

NimiSähköpostiosoitePuhelinnumeroSyntymäaikaSukupuoliAsuinosoite
John Oneeljohn.neal@gmail.com516465949414/2/1987M11400 W Olimpic BL # 200
Lähde 1
EtunimiSukunimiSähköpostiosoitePuhelinnumeroSyntymäaikaSukupuoliAsuinosoite
JohannesO'nealjohn.neal_gmail.com+ 1 516-465-94942/14/1987Mies11400 W Olimpic 200
Lähde 2

Yllä olevassa esimerkissä voit nähdä seuraavan tyyppisiä epäjohdonmukaisuuksia:

  1. rakenteelliset: Ensimmäinen lähde kattaa asiakkaan nimen yhtenä kenttänä, kun taas toinen lähde tallentaa sen kahtena kenttänä – Etu- ja Sukunimi.
  2. Kuvio: Ensimmäisessä lähteessä on a kelvollinen sähköpostimalli pakotettu sähköpostiosoitekenttään, kun taas toisesta puuttuu näkyvästi @ symboli. 
  3. Tietotyyppi: Ensimmäinen lähde sallii vain numerot Puhelinnumero-kentässä, kun taas toisessa on merkkijonotyyppinen kenttä, joka sisältää myös symboleja ja välilyöntejä.
  4. Format: Ensimmäisen lähteen syntymäaika on muodossa KK/PP/VVVV, kun taas toisen lähteen se on muodossa PP/KK/VVVV. 
  5. Verkkotunnuksen arvo: Ensimmäinen lähde sallii sukupuolen arvon tallentamisen muodossa M tai F, kun taas toinen lähde tallentaa täydellisen lomakkeen – mies tai nainen.

Tällaiset tietojen epäjohdonmukaisuudet johtavat siihen, että teet vakavia virheitä, jotka voivat aiheuttaa yrityksellesi paljon aikaa, kustannuksia ja vaivaa. Tästä syystä toteuttamalla päästä päähän -mekanismi tietojen standardointi on erittäin tärkeää tietohygienian ylläpitämisessä.

Kuinka standardoida tiedot?

Tietojen standardointi on yksinkertainen nelivaiheinen prosessi. Mutta riippuen tiedoissasi olevien epäjohdonmukaisuuksien luonteesta ja siitä, mitä yrität saavuttaa, standardointimenetelmät ja -tekniikat voivat vaihdella. Tässä esittelemme yleisen nyrkkisäännön, jonka avulla mikä tahansa organisaatio voi voittaa standardointivirheensä. 

  1. Määrittele mikä standardi on

Minkä tahansa tilan saavuttamiseksi sinun on ensin määriteltävä, mikä tila todella on. Tietojen standardointiprosessin ensimmäisessä vaiheessa on tunnistettava, mitä on saavutettava. Paras tapa tietää, mitä tarvitset, on ymmärtää liiketoiminnan vaatimukset. Sinun on skannattava liiketoimintaprosessisi nähdäksesi, mitä tietoja tarvitaan ja missä muodossa. Tämä auttaa sinua asettamaan perustan tietovaatimuksillesi.

Tietojen standardimäärittely auttaa tunnistamaan:

  • Tietovarat, jotka ovat tärkeitä liiketoimintaprosessillesi, 
  • tarvittavat tietokentät kyseisestä omaisuudesta,
  • Tietotyypin, muodon ja mallin arvojen on vastattava,
  • Näiden kenttien hyväksyttävien arvojen alue ja niin edelleen.
  1. Testaa tietojoukot määritettyä standardia vastaan

Kun sinulla on vakiomääritelmä, seuraava vaihe on testata, kuinka hyvin tietojoukot toimivat niitä vastaan. Yksi tapa arvioida tätä on käyttää tietojen profilointi työkaluja, jotka luovat kattavia raportteja ja löytävät tietoja, kuten tietokentän vaatimusten mukaisten arvojen prosenttiosuuden, kuten:

  • Noudattavatko arvot vaadittua tietotyyppiä ja muotoa?
  • Ovatko arvot hyväksyttävän alueen ulkopuolella?
  • Käytetäänkö arvoissa lyhennettyjä muotoja, kuten lyhenteitä ja lempinimiä?
  • olemme osoitteet ovat standardoituja tarpeen mukaan - esim USPS standardointi USA:n osoitteisiin?
  1. Muunna epäyhdenmukaiset arvot

Nyt on vihdoin aika muuttaa arvoja, jotka eivät ole määritellyn standardin mukaisia. Katsotaanpa yleisiä käytettyjä datamuunnostekniikoita.

  • Tietojen jäsentäminen – Jotkut tietokentät on ensin jäsennettävä tarvittavien tietokomponenttien saamiseksi. Esimerkiksi nimikentän jäsentäminen etu-, keski- ja sukunimien sekä arvossa olevien etuliitteiden ja jälkiliitteiden erottamiseksi.
  • Tietotyypin ja -muodon muunnos – Saatat joutua poistamaan sääntöjenvastaiset merkit muuntamisen aikana, esimerkiksi poistamalla symbolit ja aakkoset vain numeroista koostuvasta puhelinnumerosta.
  • Kuvioiden sovitus ja validointi – Kuvion muunnos tehdään määrittämällä kuviolle säännöllinen lauseke. Jos sähköpostiosoitteen arvot ovat säännöllisen lausekkeen mukaisia, ne on jäsennettävä ja muunnettava määritettyyn malliin. sähköpostiosoite voidaan vahvistaa käyttämällä säännöllistä lauseketta:
^[a-zA-Z0-9+_.-]+@[a-zA-Z0-9.-]+$
  • Lyhenteen laajennus – Yritysten nimet, osoitteet ja henkilöiden nimet sisältävät usein lyhennettyjä muotoja, jotka voivat johtaa siihen, että tietojoukosi sisältää erilaisia ​​esityksiä samoista tiedoista. Saatat esimerkiksi joutua laajentamaan maaosavaltioita, kuten muuttamaan NY:n New Yorkiksi.
  • Kohinanpoisto ja oikeinkirjoituksen korjaus – Tietyt sanat eivät todellakaan lisää arvolle mitään merkitystä, vaan aiheuttavat paljon kohinaa tietojoukossa. Tällaiset arvot voidaan tunnistaa tietojoukosta suorittamalla se sanakirjaa vastaan, joka sisältää nämä sanat, merkitsemällä ne ja päättämällä, mitkä niistä poistetaan pysyvästi. Sama prosessi voidaan suorittaa kirjoitus- ja kirjoitusvirheiden etsimiseksi.
  1. Testaa tietojoukko uudelleen määritettyä standardia vasten

Viimeisessä vaiheessa muunnettu tietojoukko testataan uudelleen määritettyä standardia vastaan, jotta saadaan selville korjattujen tietojen standardointivirheiden prosenttiosuus. Tietojoukossa edelleen olevien virheiden osalta voit virittää tai määrittää uudelleen menetelmät ja suorittaa tiedot prosessin läpi uudelleen. 

Paketoida

Nykyään tuotettavan tiedon määrä – ja näiden tietojen keräämiseen käytettyjen työkalujen ja tekniikoiden kirjo – saa yritykset kohtaamaan hirvittävän datasotoksen. Heillä on kaikki tarvitsemansa, mutta he eivät ole aivan varmoja, miksi tiedot eivät ole hyväksyttävässä ja käyttökelpoisessa muodossa. Tietojen standardointityökalujen käyttöönotto voi auttaa korjaamaan tällaiset epäjohdonmukaisuudet ja mahdollistaa kaivatun tietokulttuurin koko organisaatiossasi.

Zara Ziad

Zara Ziad on tuotemarkkinointianalyytikko osoitteessa Datatikkaat jolla on IT-tausta. Hän on intohimoinen luovan sisältöstrategian suunnittelussa, joka korostaa todellisia datahygieniaongelmia, joita monet organisaatiot kohtaavat nykyään. Hän tuottaa sisältöä viestiäkseen ratkaisuja, vinkkejä ja käytäntöjä, jotka voivat auttaa yrityksiä toteuttamaan ja saavuttamaan luontaisen tiedon laadun liiketoimintatiedon prosesseissaan. Hän pyrkii luomaan sisältöä, joka on suunnattu laajalle yleisölle aina teknisestä henkilöstöstä loppukäyttäjiin, sekä markkinoimaan sitä eri digitaalisilla alustoilla.

Aiheeseen liittyvät artikkelit

Takaisin alkuun -painiketta
lähellä

Adblock havaittu

Martech Zone pystyy tarjoamaan sinulle tämän sisällön veloituksetta, koska ansaitsemme sivustomme mainostulojen, kumppanilinkkien ja sponsoroinnin kautta. Olisimme kiitollisia, jos poistaisit mainosten esto-ohjelman, kun katselet sivustoamme.