Solo el 3% de los datos de las empresas cumplen con los estándares básicos de calidad

La mayoría de los directivos saben, al menos anecdóticamente, que los datos de mala calidad son problemáticos. Los datos erróneos hacen perder tiempo, aumentan los costes, debilitan la toma de decisiones, enfurecen a los clientes y dificultan la ejecución de cualquier tipo de estrategia de datos. De hecho, los datos tienen un problema de credibilidad.

Aun así, pocos directivos tienen pruebas contundentes o aprecian realmente el impacto de los datos incorrectos en sus equipos y departamentos. Por lo tanto, no pueden dar la calidad de los datos que se merece. Para abordar este tema, en nuestros programas de enseñanza para ejecutivos en Irlanda, pedimos a los participantes (ejecutivos que provienen de una amplia gama de empresas y agencias gubernamentales y departamentos, como servicio de atención al cliente, desarrollo de productos y recursos humanos) que desarrollen esas pruebas utilizando el Método de medición del viernes por la tarde (FAM).

El método se puede aplicar ampliamente y es relativamente sencillo: pedimos a los gerentes que recopilen de 10 a 15 atributos de datos críticos para las últimas 100 unidades de trabajo realizadas por sus departamentos, básicamente 100 registros de datos. Los directivos y sus equipos analizan cada registro, marcando los errores obvios. Luego hacen un recuento del total de registros sin errores. Este número, que puede oscilar entre 0 y 100, representa el porcentaje de datos creados correctamente, su puntuación de calidad de los datos (DQ). También se puede interpretar como la fracción de tiempo que el trabajo se hace correctamente, la primera vez.

Luego pedimos a los ejecutivos que reflexionen sobre sus resultados, exploren las implicaciones y pongan en marcha los proyectos de mejora. Algunos están a la defensiva y tratan de descontar los resultados. Pero la mayoría está conmocionada, incluso horrorizada. «Estoy muy decepcionado. Dada la naturaleza crítica de esta obra, esperaba obtener una puntuación mucho mejor», es una reacción típica. No es sorprendente que muchos directivos de nuestras clases tomen medidas inmediatas para identificar y eliminar las causas principales del error.

Durante los últimos dos años, hemos ayudado a 75 ejecutivos a realizar este ejercicio. Al hacerlo, hemos recopilado 75 medidas de calidad de los datos. Brindan la oportunidad de determinar qué tan buena (o mala) es realmente la calidad de los datos. Nuestras conclusiones se ilustran en la siguiente figura.

Nuestros análisis confirman que los datos están en un estado mucho peor de lo que la mayoría de los directivos creen —y de lo que temíamos— y tienen enormes implicaciones para los directivos de todo el mundo:

• De media, el 47% de los registros de datos recién creados tienen al menos un error crítico (por ejemplo, que afecta al trabajo). Una cuarta parte de las puntuaciones de nuestra muestra están por debajo del 30% y la mitad por debajo del 57%. En el mundo empresarial actual, el trabajo y los datos están inextricablemente unidos entre sí. Ningún gerente puede afirmar que su área funciona correctamente ante los problemas de calidad de los datos. Es difícil ver cómo las empresas pueden sobrevivir, y no importa prosperar, en esas condiciones.
• Solo el 3% de las puntuaciones de DQ de nuestro estudio pueden calificarse de «aceptables» utilizando el estándar más flexible posible. A menudo preguntamos a los gerentes (tanto en estas clases como en las consultorías) qué tan buenos deben ser sus datos. Si bien una respuesta precisa depende del uso que haga de los datos, del coste de un error y de otras consideraciones específicas de la empresa y el departamento, a nadie le ha parecido aceptable una puntuación inferior a los noventa. Menos del 3% de nuestra muestra cumple con este estándar. Para la gran mayoría, el problema es grave.
• La variación en las puntuaciones de DQ es enorme. Los recuentos individuales oscilan entre el 0 y el 99%. Nuestros análisis más profundos (para ver si, por ejemplo, sectores específicos son mejores o peores) no han arrojado ninguna información significativa. Por lo tanto, ningún sector, agencia gubernamental o departamento es inmune a los estragos de una calidad de datos extremadamente mala.

El coste de estos hallazgos es difícil de predecir con mucha precisión. Aun así, la mayoría encuentra una buena primera aproximación en «regla de los diez», que afirma que «cuesta diez veces más completar una unidad de trabajo cuando los datos tienen algún defecto que cuando son perfectos». Por ejemplo, supongamos que tiene 100 cosas que hacer y cada una cuesta 1 dólar cuando los datos están perfectos. Si todos los datos son perfectos, el coste total es de 100 x 1 dólar = 100 dólares. Si 89 son perfectos y 11 tienen defectos, el coste total es de 89 x 1 dólar + 11 x 10 dólares = 199 dólares. Para la mayoría, por supuesto, los costes operativos son mucho, mucho mayores. Y la regla del diez no tiene en cuenta los costes no monetarios, como la pérdida de clientes, las malas decisiones o el daño a la reputación de su empresa.

Estos resultados deberían asustar a todos los directivos de todo el mundo. Aunque no le importen los datos en sí, debe hacer su trabajo de forma eficaz y eficiente. Los datos incorrectos permiten ver un mal trabajo, y nuestros resultados proporcionan pruebas contundentes de que la mayoría de los datos son malos. A menos que tenga pruebas contundentes de lo contrario, los directivos deben concluir que los datos incorrectos afectan negativamente a su trabajo.

Estos resultados también deberían estimular la acción. Como primer paso, lleve a cabo su propio estudio sobre la FAM. Es rápido, sencillo y potente. Descubra su posición exacta. El desconocimiento de las cuestiones de calidad de los datos ya no es excusa.

Por último, estos resultados sugieren una oportunidad. Si bien algunos problemas de calidad de los datos son tremendamente complejos, muchos ceden rápidamente y producen ganancias desmesuradas. Eliminar una sola causa principal puede evitar miles de errores futuros, ahorrar millones y mejorar las cosas para todos los involucrados. Debería utilizar su familia para aprovechar al menos una de esas oportunidades.