Většina firem kvůli nízké kvalitě svých dat přichází o peníze
Kvalita podnikových dat je dlouhodobě podceňovaným faktorem, který trápí tuzemské i světové firmy, jak vyplývá z praxe česko-kanadské společnosti Ataccama vyvíjející platformu pro unifikovanou správu dat. Firmy totiž podle ní datovou kvalitu řeší obvykle až ve chvíli, kdy data potřebují. A to s sebou nese zvýšené nároky na manuální čištění datovými odborníky, prodlužuje se doba, než lze data reálně využít jako podklad pro rozhodování, a navíc hrozí, že firma kvůli nepřesným datům dojde k chybným závěrům. Zmíněné problémy jsou manifestací chybějící datové strategie, která firmu stojí peníze, demotivuje její zaměstnance a ohrožuje rentabilitu budoucích investic. Tento názor podporují jak interní průzkumy samotné Ataccamy mezi jejími zákazníky, tak oficiální výzkumy celosvětových agentur.
Podle reportu o datové připravenosti společností, který Ataccama zveřejnila před rokem, téměř 80 % společností čelilo problémům s daty. V posledních dvou letech došlo vlivem pandemie k prudkému 78% růstu počtu firem, které jsou svým byznysem na datech závislé. Více než polovina (55 %) dotázaných připustila, že data před finálním zpracováním musí manuálně upravovat a čistit na odpovídající kvalitu, 44 % jich na podklady musí čekat déle než den, což v dnešní době instantních rozhodnutí představuje konkurenční nevýhodu. Zdlouhavé čekání na data, negativní dopad na rozhodování a byznysový výkon byly spolu s ohrožením strategických iniciativ vyjmenovány mezi třemi nejčastějšími projevy nedostačující kvality.
Situace se podle reportu State of Data Quality 2022 zlepšila a společnosti se datům a jejich kvalitě věnují intenzivněji. Pouze 16 % dosahuje stavu, kterému Ataccama přezdívá datová dospělost, ale 27 % se tomuto stavu blíží. Pozitivním zjištění je, že data z nějakého důvodu neřeší jen 5 % z více než 1 000 dotázaných firem. Z výsledků reportu také vyplynulo, že ve společnostech, ve kterých řízení data kvality není úspěšné, je 80 % úkolů vykonáváno manuálně. Na druhé straně spektra firmy s úspěšnými procesy manuálně vykonávají jen 30 % úkolů, zbytek automatizují pomocí nástrojů založených na AI a strojovém učení.
„Až tři čtvrtiny dotázaných firem stále využívají pro správu dat Excel a 69 procent si je dokonce přeposílá jako e-mailovou přílohu. Dostupné platformy přitom akcelerují nejen samotnou správu dat, ale jejich kvalitu zvyšují například i tím, že je pomocí umělé inteligence čistí už na vstupu. Tím eliminuje manuální úpravy nutné k odstranění duplicit nebo napravení formátů čísel a e-mailových adres. Takto pokročilé nástroje zatím 43 % firem nevyužívá vůbec, a to ani přes legislativní požadavky vyplývající například z GDPR,“ řekl Lukáš Kolek, VP of Data Quality v Ataccamě. Bez specializovaného datového nástroje je pro firmu velmi pracné plnit požadavky fyzických osob, kterým GDPR přisuzuje právo na informace. Manuální dohledávání dat, která firma o subjektu ukládá, z jakého titulu a jak dlouho, jakým způsobem je zpracovává a kterým třetím stranám je poskytuje, to vše lze v profesionálním nástroji zjistit na několik kliknutí.
Data jako komodita budoucnosti
Většina firem si důležitost dat uvědomuje, jelikož jsou nezbytnou komoditou pro prohlubující se digitalizaci firem a zavádění datově náročných technologií jako umělá inteligence (AI), strojové učení (ML) nebo internet věcí (IoT). S tímto rozvojem se pojí i tlak na řešení datové otázky a zlepšování datové gramotnosti firem. Podle odhadů amerického Forbesu přichází tamější firmy o 3,1 bilionu dolarů ročně, tedy o 20 % jejich celkových tržeb. Z části za to může podle výzkumné agentury Gartner snížená produktivita práce, kdy datoví specialisté tráví až 80 % času získáváním a čištěním dat, na jejich samotné používání jim zbývá pouhá pětina času. Čas neefektivně využívají ale i další pracovníci ve firmě, například obchodníci, kteří 27 % produktivního času řeší problémy s neúplnými či neaktuálními kontaktními údaji.
Zvýšení kvality dat není jednorázový proces, jde o dlouhodobou strategickou iniciativu firmy. V průměru zákaznická data podle Gartneru degenerují tempem až 2 % měsíčně, tedy zhruba 25 % ročně. Symptomy nesprávných dat jsou potom neefektivní rozhodnutí, kdy dochází například k překročení plánovaných rozpočtů – za kterými podle výzkumu stojí v 88 % případů nedostatečná kvalita dat.