Data Quality
A importância na qualidade dos dados.
Como os dados estão se tornando uma parte central de todas as operações de negócios, a qualidade dos dados que são coletados, armazenados e consumidos durante os processos de negócios determinará o sucesso alcançado.
Gestão de Qualidade de Dados
O objetivo é explorar um conjunto equilibrado de soluções a fim de evitar problemas futuros de qualidade de dados e limpar (ou, em última análise, eliminar) dados que não atendam as qualidades necessárias para atingir os objetivos do negócio.
Perfil Segmentado
Seus dados têm sido frequentemente preenchidos ao longo dos anos por diferentes pessoas que operam sob várias regras de negócios e reunidos para objetivos de negócios específicos e nem sempre todos os dados estão disponíveis. A complementação com novos dados possibilitam a criação de perfis segmentados, direcionando comunicados ou campanhas específicas aos grupos específicos.
Padronização de Dados
Esse método pode ser usado na desduplicação de um único banco de dados e na localização de contatos correspondentes em várias fontes de dados. Muitas vezes a correspondência de é baseada na análise onde nomes, endereços e outros elementos iguais, são vistos como dados diferentes, como por exemplo em um endereço pode ser utilizado Avenida ou Av. Isso pode ser corrigido com a padronização de dados.
Relatórios de Qualidade
As organizações que se concentram na qualidade dos dados acham muito útil ter um relatório de qualidade de dados destacando os KPIs de qualidade, bem como a tendência que passam pelo registro de problemas de qualidade de dados.
Integração e complementação
Em muitas organizações, os dados do cliente são obtidos a partir de uma variedade de aplicações. São sites de registro de autoatendimento, CRMs, aplicativos de ERP, aplicativos de atendimento ao cliente e muitos outros. Com a integração e complementação, temos uma maneira sustentável de garantir a integridade e maior alcance de detalhe dos dados.
Gestão de Ativos Digitais
Imagens, documentos de texto, vídeos e outros arquivos frequentemente usados em conjunto com os dados, tem como desafio a marcação correta (metadados), bem como a qualidade e disponibilidade desses ativos.
