Многие организации страдают от низкого качества данных при использовании устаревших, непоследовательных и ошибочных данных из нескольких источников данных, таких простых, как наличие пяти разных имен для одного и того же клиента. Это съедает драгоценное время бизнес-пользователей и аналитиков, которые работают с противоречивыми отчетами, неправильными бизнес-планами и в конечном итоге принимают неверные решения.

Неверные решения имеют свои издержки.

Согласно исследованию Gartner, «в среднем финансовые последствия низкого качества данных для организаций составляют 9,7 млн долларов США в год». В другом исследовании, охватывающем компании по всему миру, Gartner оценивает, что некачественные данные обходятся им в среднем в 14,2 миллиона долларов в год. По данным Ovum Research, низкое качество данных обходится компаниям не менее чем в 30 % от их доходов.

Чтобы лучше понять, как плохое качество данных может повлиять на организацию, давайте рассмотрим ситуацию в крупной международной телекоммуникационной компании с широким портфелем услуг для миллионов клиентов. Компания управляет огромными наборами данных с информацией о клиентах в комбинированном устаревшем решении CRM, биллинга и аналитики, которое также предлагает единое представление информации о клиентах для всех операций.

Теперь, если торговый персонал компании или аналитики данных будут запрашивать эти несколько систем с проблемами качества, такими как разные имена для одного и того же клиента, для создания единого отчета, они, скорее всего, потратят много времени, а также выдадут подверженную ошибкам информацию, поскольку наборы данных могут не совпадать должным образом. А учитывая размер крупных организаций, вы легко можете умножить количество таких ошибочных отчетов на тысячи. Масштабы потерь из-за неправильного принятия решений, возникающих из-за этих ошибочных отчетов, могут быть непостижимыми.

Вот где ConverSight.ai, платформа для разговорной аналитики на основе искусственного интеллекта (ИИ), пригодится.

Решения для бизнес-аналитики и бизнес-аналитики нового века на базе искусственного интеллекта могут использовать алгоритмы машинного обучения для согласования данных из различных систем и предлагать предложения по устранению расхождений в данных.

Организации пытались решить проблемы с качеством на этапе ввода данных и интеграции, однако с ростом информационных систем и сторонних данных невозможно решить все проблемы. Аналитические системы нового поколения должны начать «обрабатывать» проблему, а не пытаться «исправить».

Насколько здорово будет, если система поймет любую форму имени клиента, сокращенного или частичного имени, сопоставит его с данными клиента и получит ожидаемые результаты?

Самообслуживание BI все больше движется к пониманию, полученному с помощью разговорной аналитики. Следовательно, для решений еще более важно обмениваться достоверной информацией в реальном времени, анализируя тонны данных из разрозненных наборов данных.

Решение для диалоговой аналитики на базе искусственного интеллекта, такое как ConverSight.ai, может решать проблемы целостности данных на самой ранней стадии обработки данных, быстро превращая эти огромные объемы данных в достоверную бизнес-информацию. В этих решениях используются передовые алгоритмы, которые позволяют пользователю использовать свой собственный язык, инфографику и сопоставлять ее с исправлениями, чтобы предоставлять точные отчеты в режиме реального времени для поддержки безошибочного принятия решений.

Они также улучшают качество данных и сообщают об аномалиях. Алгоритмы обнаружения аномалий помечают «плохие» данные, выявляя подозрительные аномалии, которые могут отрицательно сказаться на качестве данных. Отслеживая и оценивая данные, обнаружение аномалий дает ценную информацию о качестве данных во время их обработки.

Узнайте больше о ConverSight.ai и о том, как он может помочь вашей организации, войдя на www.thickstat.com.

Первоначально опубликовано на сайте blog.conversight.ai 11 июля 2018 г.