Un grafico ben presentato può nascondere dati incompleti o classificati male. La qualità di un’analisi dipende anche dalle informazioni che la alimentano: prima di cercare una spiegazione nei risultati, occorre verificare come quei risultati sono stati costruiti.
In un magazzino, lo stesso prodotto registrato con codici diversi può apparire come più articoli. In una rubrica clienti, i duplicati possono alterare il conteggio delle persone raggiunte. Questi problemi influenzano acquisti e comunicazione anche quando il software esegue correttamente i calcoli.
Una proposta di controllo parte da definizioni comuni. Che cosa conta come cliente attivo? Quando un ordine viene considerato completato? Quali costi entrano nel margine utilizzato nel report? Le risposte dovrebbero essere accessibili a chi inserisce i dati e a chi li interpreta.
Occorre poi stabilire responsabilità e aggiornamento. Un archivio può essere preciso al momento della creazione e diventare poco affidabile se nessuno corregge cambiamenti e anomalie. Controlli su campi mancanti, duplicati e valori incoerenti aiutano a individuare problemi prima che arrivino nei report.
La pulizia dei dati deve conservare traccia delle modifiche rilevanti. Correggere senza sapere perché rende difficile ricostruire confronti e decisioni precedenti. Per una piccola impresa, un insieme limitato di dati ben mantenuti può essere più utile di un archivio molto ampio che nessuno riesce a interpretare. L’obiettivo è rendere esplicita la qualità dell’informazione su cui si decide.