Podle našeho loňského reportu State of Data Quality 2022 čelilo téměř 80 % společností 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 rychlé době představuje konkurenční nevýhodu. Zdlouhavé čekání na data, negativní dopad na rozhodování a byznysový výkon byly spolu s ohrožením strategických iniciativ jmenovány mezi třemi nejčastějšími projevy nedostatečné kvality.

Situace se nicméně zlepšuje, a společnosti se datům i jejich kvalitě věnují intenzivněji. Pouze 16 % dosahuje stavu, kterému přezdíváme 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 % si je dokonce přeposílá jako e-mailovou přílohu. Moderní nástroje přitom akcelerují nejen samotnou správu dat, ale zvyšují i jejich kvalitu například i tím, že je pomocí umělé inteligence čistí už na vstupu. Tím eliminujeme 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. 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. Případně 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. 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 role 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. Nástroje, které zajišťují automatizaci datové kvality, už jsou běžně dostupné. Firmám umožňují porozumět aktuálnímu stavu, monitoro­vat, validovat a zlepšovat datové sestavy. Navíc zabraňují chybným datům do systému vůbec vstupovat. Díky využití metadat a umělé inteligence nabízí jednoduchou konfiguraci, nasazení i škálování, takže je ocení jak malé týmy, tak globální společnosti, kterým přináší rychlé zavedení správy a řízení dat a rychlou návratnost investice.

Lukáš Kolek Autor článku je VP of Data Quality v česko-kanadské společnosti Ataccama.