Apa itu data kotor?  Sumber, dampak, strategi utama

Apa itu knowledge kotor? Sumber, dampak, strategi utama

Kami sangat antusias untuk menghadirkan Rework 2022 kembali secara langsung pada 19 Juli dan 20 – 28 Juli secara digital. Bergabunglah dengan AI dan para pemimpin knowledge untuk pembicaraan yang berwawasan luas dan peluang jaringan yang menarik. Daftar hari ini!


Knowledge perusahaan sangat penting untuk kesuksesan bisnis. Perusahaan di seluruh dunia memahami hal ini dan memanfaatkan platform seperti Kepingan salju untuk memaksimalkan aliran informasi dari berbagai sumber. Namun, lebih sering daripada tidak, ini knowledge bisa menjadi ‘kotor’. Intinya, itu bisa, pada setiap tahap pipa, kehilangan atribut kunci seperti akurasi, aksesibilitas dan kelengkapan (antara lain), menjadi tidak cocok untuk penggunaan hilir yang awalnya ditargetkan oleh organisasi.

“Beberapa knowledge bisa salah secara objektif. Kolom knowledge dapat dikosongkan, nama, alamat, nomor telepon yang salah eja atau tidak akurat, dan informasi duplikat… adalah beberapa contohnya. Namun, apakah knowledge itu dapat diklasifikasikan sebagai kotor sangat tergantung pada konteksnya.

Misalnya, alamat electronic mail yang hilang atau salah tidak diperlukan untuk menyelesaikan penjualan toko ritel, tetapi tim pemasaran yang ingin menghubungi pelanggan melalui electronic mail untuk mengirim informasi promosi akan mengklasifikasikan knowledge yang sama sebagai kotor,” Jason Medd, direktur riset di Gartner, mengatakan kepada VentureBeat.

Selain itu, arus informasi yang tidak tepat waktu dan tidak konsisten juga dapat menambah masalah knowledge kotor dalam suatu organisasi. Yang terakhir ini terutama terjadi dalam kasus penggabungan informasi dari dua atau lebih sistem menggunakan standar yang berbeda. Misalnya, jika satu sistem mengklasifikasikan nama sebagai satu bidang sementara yang lain membaginya menjadi dua, hanya satu yang akan dianggap legitimate, dengan yang lain membutuhkan pembersihan.

Sumber knowledge kotor

Secara keseluruhan, seluruh masalah bermuara pada lima sumber utama:

Rakyat

Seperti yang dijelaskan Medd, knowledge kotor dapat terjadi karena kesalahan manusia saat masuk. Ini bisa menjadi hasil dari pekerjaan yang buruk dari orang yang memasukkan knowledge, kurangnya pelatihan atau peran dan tanggung jawab yang tidak jelas. Banyak organisasi bahkan tidak mempertimbangkan untuk membangun budaya kolaboratif yang berfokus pada knowledge

Proses

Pengawasan proses juga dapat menyebabkan kasus knowledge kotor. Misalnya, siklus hidup knowledge yang tidak terdefinisi dengan baik dapat menyebabkan penggunaan informasi usang di seluruh sistem (orang mengubah nomor, alamat dari waktu ke waktu). Mungkin juga ada masalah karena kurangnya firewall kualitas knowledge untuk titik pengambilan knowledge penting atau kurangnya proses knowledge lintas fungsi yang jelas.

Teknologi

Gangguan teknologi seperti kesalahan pemrograman atau antarmuka inside/eksternal yang tidak dirawat dengan baik dapat memengaruhi kualitas dan konsistensi knowledge. Banyak organisasi bahkan dapat melewatkan penerapan alat kualitas knowledge atau akhirnya menyimpan banyak salinan knowledge yang sama karena fragmentasi sistem.

Organisasi

Antara lain, aktivitas di tingkat organisasi yang lebih luas, seperti akuisisi dan merger, juga dapat mengganggu praktik knowledge. Masalah ini sangat umum di perusahaan besar. Belum lagi, karena kompleksitas organisasi semacam itu, kepala banyak bidang fungsional dapat menggunakan untuk menjaga dan mengelola knowledge dalam silo.

pemerintahan

Kesenjangan dalam tata kelola, yang memastikan otoritas dan kontrol atas aset knowledge, bisa menjadi alasan lain untuk masalah kualitas. Organisasi yang gagal menetapkan standar entri knowledge, menunjuk pemilik/pengurus knowledge, atau menerapkan kebijakan yang salah untuk skala, kecepatan, dan distribusi knowledge dapat berakhir dengan knowledge pihak pertama dan ketiga yang gagal.

Tata kelola knowledge adalah spesifikasi hak keputusan dan kerangka akuntabilitas untuk memastikan perilaku yang sesuai dalam penilaian, pembuatan, konsumsi, dan pengendalian knowledge. Ini juga mendefinisikan kerangka kerja manajemen kebijakan untuk memastikan kualitas knowledge di seluruh rantai nilai bisnis. Mengelola knowledge kotor bukan hanya masalah teknologi. Hal ini membutuhkan penerapan dan koordinasi orang, proses dan teknologi. Tata kelola knowledge adalah pilar utama untuk tidak hanya mengidentifikasi knowledge kotor, tetapi juga untuk memastikan masalah diperbaiki dan dipantau secara berkelanjutan, ”tambah Medd.

Dampak seluruh perusahaan

Apa pun sumbernya, masalah kualitas knowledge dapat berdampak signifikan pada analitik hilir, yang mengakibatkan keputusan bisnis yang buruk, inefisiensi, peluang yang terlewatkan, dan kerusakan reputasi. Ada juga masalah yang lebih kecil seperti mengirim pesan komunikasi yang sama beberapa kali ke pelanggan yang namanya dicatat secara berbeda dalam sistem yang sama.

Semua ini akhirnya diterjemahkan ke dalam biaya tambahan, gesekan, pengalaman pelanggan yang buruk. Faktanya, Medd menunjukkan bahwa kualitas knowledge yang buruk dapat merugikan organisasi dan rata-rata $12,9 juta setiap tahun. Stewart Bond, direktur integrasi knowledge dan penelitian intelijen di IDC, juga berbagi pendapat yang sama, mencatat bahwa organisasinya baru-baru ini survei kepercayaan knowledge menemukan bahwa tingkat kualitas knowledge dan kepercayaan yang rendah paling berdampak pada biaya operasional.

Langkah-langkah utama untuk mengatasi tantangan kualitas knowledge

Untuk menjaga saluran knowledge tetap bersih, organisasi harus menyiapkan program kualitas knowledge yang skalabel dan komprehensif yang mencakup masalah kualitas knowledge taktis serta aspek strategis penyelarasan sumber daya dan tujuan bisnis. Hal ini, seperti dijelaskan Medd, dapat dilakukan dengan membangun fondasi yang kuat yang didukung oleh teknologi fashionable, metrik, proses, kebijakan, peran, dan tanggung jawab.

“Organisasi biasanya memecahkan masalah kualitas knowledge sebagai solusi titik di unit bisnis individu, di mana masalah paling banyak dimanifestasikan. Ini bisa menjadi titik awal yang baik untuk inisiatif kualitas knowledge. Namun, solusi sering berfokus pada kasus penggunaan tertentu dan sering mengabaikan konteks bisnis yang lebih luas, yang mungkin melibatkan unit bisnis lain. Sangat penting bagi organisasi untuk memiliki program kualitas knowledge yang terukur sehingga mereka dapat membangun kesuksesan mereka dalam pengalaman dan keterampilan, ”kata Medd.

Singkatnya, program kualitas knowledge harus memiliki enam lapisan utama:

Definisi

Sebagai bagian dari ini, organisasi harus menentukan tujuan program yang lebih luas, merinci knowledge apa yang mereka rencanakan untuk disimpan di bawah pemindai, proses bisnis mana yang dapat menyebabkan knowledge buruk (dan bagaimana) dan departemen mana yang pada akhirnya dapat dipengaruhi oleh knowledge itu. Berdasarkan informasi ini, organisasi kemudian dapat menentukan aturan knowledge dan menunjuk pemilik dan pengelola knowledge untuk akuntabilitas.

Contoh yang baik adalah kasus catatan pelanggan. Sebuah organisasi dengan tujuan untuk memastikan catatan pelanggan yang unik dan akurat untuk digunakan oleh tim pemasaran dapat memiliki aturan seperti semua alamat dan nama yang dikumpulkan dari pesanan baru harus unik saat disatukan atau alamat harus diverifikasi terhadap database resmi.

Penilaian

Setelah aturan ditetapkan, organisasi harus menggunakannya untuk memeriksa catatan knowledge baru (di sumber) dan yang sudah ada untuk atribut kualitas utama, mulai dari akurasi dan kelengkapan hingga konsistensi dan ketepatan waktu. Proses ini biasanya melibatkan pemanfaatan alat kualitatif/kuantitatif, karena sebagian besar perusahaan berurusan dengan berbagai macam dan quantity informasi dari sistem yang berbeda.

“Ada banyak solusi kualitas knowledge yang tersedia di pasar, mulai dari area khusus (pelanggan, alamat, produk, lokasi, dll.) hingga perangkat lunak yang menemukan knowledge buruk berdasarkan aturan yang mendefinisikan apa itu knowledge yang baik. Ada juga serangkaian vendor perangkat lunak yang menggunakan ilmu knowledge dan teknik pembelajaran mesin untuk menemukan anomali dalam knowledge sebagai kemungkinan masalah kualitas knowledge. Garis pertahanan pertama adalah memiliki standar knowledge untuk entri knowledge, ”kata Bond IDC kepada Venturebeat.

Analisis

Setelah penilaian, hasilnya harus dianalisis. Pada tahap ini, tim yang bertanggung jawab atas knowledge harus memahami kesenjangan kualitas (jika ada) dan menentukan akar penyebab masalah (entri salah, duplikasi, atau lainnya). Ini menunjukkan seberapa jauh knowledge saat ini dari tujuan awal yang ditargetkan oleh organisasi dan apa yang perlu dilakukan ke depan.

Membersihkan

Dengan akar penyebab yang terlihat, organisasi harus mengembangkan dan mengimplementasikan rencana untuk memecahkan masalah yang dihadapi. Ini harus mencakup langkah-langkah untuk memperbaiki masalah serta kebijakan, teknologi, atau perubahan terkait proses untuk memastikan bahwa masalah tidak terjadi lagi. Perhatikan di sini bahwa langkah-langkah tersebut harus dijalankan dengan mempertimbangkan sumber daya dan biaya, dan beberapa perubahan mungkin membutuhkan waktu lebih lama untuk diterapkan daripada yang lain.

Kontrol

Terakhir, organisasi harus memastikan bahwa perubahan tetap berlaku dan kualitas knowledge sejalan dengan aturan knowledge. Informasi seputar standar dan standing knowledge saat ini harus dipromosikan di seluruh organisasi, menumbuhkan budaya kolaboratif untuk memastikan kualitas knowledge secara berkelanjutan.

Misi VentureBeat adalah menjadi alun-alun kota digital bagi para pengambil keputusan teknis untuk memperoleh pengetahuan tentang teknologi dan transaksi perusahaan yang transformatif. Pelajari lebih lanjut tentang keanggotaan.

Total
0
Shares
Leave a Reply

Your email address will not be published.

Related Posts