Är det någon bransch som lider av begreppsinflation så är det IT-branschen. "Vad är" är en ny liten bloggserie där vi kort och begripligt förklarar de begrepp vi slänger oss med lite närmare.
Vad betyder det?
Datavalidering är ett sätt att automatiskt bedöma kvaliteten och hitta fel i ett systems data. Målet är att upptäcka dessa tidigt så att de kan åtgärdas innan de orsakar problem i de processer och funktioner som utförs i systemet.
Det finns många typer av datakvalitetsproblem som kan påverka verksamhetens processer. För att ta postnumret i ett kundregister som exempel:
- Saknad data – postnummerfältet har inte fyllts i.
- Felaktig data – sifforna har kastats om så att numret är fel.
- Föråldrad data – postnumret angavs korrekt, men mottagaren har sedan dess flyttat till en ny adress.
- Felaktiga format – automatiserade flöden kan ställa krav på vissa format, till exempel att fältet bara innehåller siffror utan mellanslag.
- Duplikat – postnumret är korrekt, men det finns flera kopior av adressen upplagd i systemet.
Varför är det viktigt?
Datakvalitet har mycket stor inverkan på hur effektivt ett affärssystem i slutänden blir. I bästa fall leder felaktig data till kortare fördröjningar där användare kompletterar information. I värsta fall fångas inte felen innan de orsakat totala produktionsstopp.
Datavalidering hjälper oss att vara proaktiva och förebyggande genom att både upptäcka och värdera felen. En bra datavalideringslösning upptäcker inte bara fel utan kan även prioritera och klassificera dem. Med hjälp av det underlaget kan vi prioritera vilka datakvalitetsåtgärder som ger bäst effekt och bygga ett affärscase.
Varför pratar vi om det?
Mängden affärsdata ökar exponentiellt år för år. De ständigt ökande volymerna gör det allt svårare att överblicka kvaliteten manuellt eftersom en mänsklig användare inte kan granska data i samma takt som den skapas. Samtidigt automatiseras affärsprocesser i allt större utsträckning vilket leder till färre tillfällen då användare kommer i kontakt med den underliggande datan. Den ökande volymen och försvårade manuella kontrollen av data leder till ett accelererande behov av smarta verktyg och lösningar för att säkra kvaliteten.
Relaterade begrepp
Datakvalitet, Big Data, Information Management
Läs även: 