Качество данных — это то, насколько данным в CRM, 1С и отчётах можно доверять при принятии решений. Его описывают несколькими измерениями: полнота, точность, актуальность, уникальность и согласованность между системами. Если хотя бы одно из них проседает, отчёт выглядит убедительно, но показывает не то, что происходит в бизнесе. Ниже разбираем каждое измерение на примерах из CRM и 1С, показатели, которыми его меряют, и путь от плохой записи к неверному решению.
- Data quality — не абстрактная «чистота базы», а набор проверяемых свойств данных.
- Главные измерения: полнота, точность, актуальность, уникальность, согласованность.
- Каждое измерение можно выразить числом: процент заполненности, доля дублей, часы с последнего обновления, расхождение с 1С.
- Проблемы рождаются в трёх местах: ручной ввод, интеграции и разные справочники в разных системах.
Что такое качество данных простыми словами
Представьте, что собственник открывает утром дашборд и видит: выручка за вчера упала на треть. Дальше возможны два сценария. В первом это правда, и нужно срочно разбираться с продажами. Во втором ночью не прошёл обмен с 1С, и половина заказов просто не загрузилась. Если человек не может с первого взгляда отличить один сценарий от другого, у компании проблема с качеством данных.
Хорошие данные не обязаны быть идеальными. Они должны быть достаточно полными, точными и свежими для конкретного решения. Для ежедневной сводки продаж важна свежесть, для расчёта бонусов менеджерам — точность и уникальность, для закупок — согласованность справочников товаров между сайтом и 1С. Именно поэтому контроль качества данных начинается не с технических проверок, а с вопроса: какие отчёты важны и каким цифрам перестали доверять.
Пять измерений качества данных на примерах из CRM и 1С
| Измерение | Пример проблемы в CRM | Пример проблемы в 1С | Как измерить |
|---|---|---|---|
| Полнота | У сделок не заполнен источник заявки | У номенклатуры нет категории или поставщика | Процент заполненности обязательных полей |
| Точность | Телефон в формате 8 707… без кода, сумма сделки 0 ₸ | Отрицательный остаток на складе | Доля записей, не прошедших правила проверки |
| Актуальность | Сделка «в работе» без движения полгода | Цены на сайте не обновлялись с прошлой выгрузки | Время с последнего обновления, возраст записей |
| Уникальность | Один клиент заведён тремя контактами | Один контрагент в двух карточках с разными БИН | Доля дублей по телефону, почте, реквизитам |
| Согласованность | Выручка по выигранным сделкам не совпадает с 1С | Остаток в 1С и на сайте отличается | Расхождение ключевых показателей между системами |
Полнота
Данные полные, если в них есть всё, что нужно для отчёта. Если у трети сделок не заполнен источник, отчёт по рекламным каналам показывает только две трети картины, а оставшаяся треть попадает в «прочее». Важно: полнота считается не по всем полям, а по обязательным для конкретных отчётов.
Точность
Значение соответствует реальности и правилам формата. Телефон без кода страны не склеится с записью из телефонии, сделка на 0 ₸ занизит средний чек, отрицательный остаток сломает расчёт оборачиваемости. Точность проверяют правилами: телефон в формате +7, сумма не отрицательная, у сделки есть ответственный.
Актуальность
Данные свежие настолько, насколько этого требует решение. Ежедневный отчёт по вчерашним данным — нормально. Ежедневный отчёт по данным трёхдневной давности, о чём никто не знает, — проблема. Сюда же относятся «зомби-сделки», которые месяцами висят в воронке и искажают прогноз.
Уникальность
Каждая сущность — клиент, товар, контрагент — записана один раз. Дубли завышают базу клиентов, дробят историю покупок и ломают аналитику повторных продаж: один постоянный клиент превращается в трёх разовых.
Согласованность
Одни и те же показатели совпадают в разных системах с учётом допустимого порога. Если CRM, 1С и BI показывают три разные выручки, обсуждение на планёрке уходит в спор о цифрах, а не о решениях.
Как плохие данные ведут к неверным решениям
Ошибка в данных редко бывает заметной сама по себе. Она проявляется через решение, которое принято на её основе. Несколько типовых цепочек:
- Неполнота → перекос бюджета. Источник заявок не заполнен у части сделок, отчёт недооценивает один из каналов, маркетолог урезает его бюджет.
- Дубли → ложный отток. Клиент оформил повторную покупку под новым контактом, аналитика считает его ушедшим, а нового — привлечённым рекламой.
- Неактуальность → неверная закупка. Обмен остатков завис, закупщик видит устаревшие цифры и заказывает то, что уже лежит на складе.
- Несогласованность → недоверие. Финансист и РОП приходят с разными цифрами выручки, и вместо решения обсуждают, чей отчёт правильный.
Как такие ошибки выглядят в деньгах, подробно разобрано в статье о стоимости ошибок в данных. Здесь важнее другое: почти каждую цепочку можно было прервать простой автоматической проверкой на входе.
ПРАВИЛОДашборд не может быть надёжнее данных, на которых он построен. Сначала проверки, потом графики.
Показатели качества данных: что считать регулярно
Чтобы качество данных стало управляемым, его нужно выразить в цифрах и смотреть в динамике. Базовый набор показателей:
- Заполненность обязательных полей — в процентах, по сущностям и по ответственным менеджерам.
- Доля дублей контактов, компаний, контрагентов и номенклатуры.
- Доля нарушений правил — неверные форматы, нулевые и отрицательные суммы, сделки без ответственного и задач.
- Свежесть данных — когда последний раз успешно прошёл каждый обмен.
- Объём загрузки — сколько заказов или документов пришло в сравнении с обычным днём.
- Расхождение с учётом — разница выручки, количества заказов и остатков между BI, CRM и 1С.
Всё это удобно собрать на одном экране — дашборде здоровья данных, где видно, какие интеграции работают, где задержки, сколько нарушений правил и когда был последний сбой.
Цифры полезны в динамике, а не сами по себе. Заполненность источника заявок в 70% ничего не говорит, пока вы не видите, что месяц назад было 90% и падение началось после подключения нового канала. Для каждого показателя стоит задать порог, ниже которого ответственный получает уведомление, и подбирать пороги по истории своих данных, а не по чужим нормам.
Откуда берутся проблемы с качеством данных
Источников ошибок всего три, и у каждого своё лечение.
Ручной ввод. Менеджеры пропускают поля, пишут телефоны как удобно, создают новый контакт вместо поиска существующего. Лечится обязательными полями, форматами и проверкой дублей при создании записи — плюс отчётом о нарушениях по каждому менеджеру.
Интеграции. Обмен падает, зависает или проходит без ошибок, но с половиной данных. Лечится мониторингом обменов по объёму, задержке и ошибкам с алертом ответственному.
Разные справочники. Один товар называется по-разному в 1С, на сайте и на маркетплейсе, один клиент живёт в CRM и в 1С под разными ключами. Лечится единой моделью данных и правилами склейки — это задача объединения данных из CRM, 1С и сайта в одно хранилище с дедупликацией и историей изменений.
Разово почистить базу и считать задачу решённой. Если причина в процессе ввода или в интеграции, через пару месяцев мусор вернётся. Чистка без правил на входе — это уборка без закрытой двери.
Кто отвечает за качество данных
Качество данных — не только задача IT. Сбои обменов обычно получает тот, кто отвечает за интеграции: IT-специалист или подрядчик. Ошибки заполнения CRM — руководитель отдела продаж. Расхождения с 1С — бухгалтерия или финансовый директор. Без такого распределения алерты приходят, но никто их не разбирает.
Для групп компаний, где данные живут в нескольких юрлицах и системах, нужен следующий уровень — владельцы данных, каталог, регламенты и SLA на данные. В терминах отрасли это data governance.
Проведём аудит обменов и данных, настроим мониторинг интеграций, правила проверки CRM и 1С и дашборд здоровья данных с алертами ответственным.
Посмотреть контроль качества данныхС чего начать работу с качеством данных
Начните с отчётов, которым перестали доверять. Для каждого ответьте: откуда в нём данные, какие поля критичны, как часто он должен обновляться. Уже это упражнение покажет, какие измерения качества для вас важнее всего.
Дальше логичный порядок такой: сначала мониторинг обменов, потому что упавшая интеграция портит все отчёты сразу, затем правила проверки CRM и 1С, затем ежедневная сверка с учётом. В WeMake формат «Мониторинг обменов» стоит от 200 000 ₸ и занимает около недели, «Качество данных» с правилами, сверками, автоисправлением и дашбордом — от 400 000 ₸ и около 2 недель. Для групп компаний есть формат «Data governance» от 800 000 ₸. Сравнить форматы можно на странице цен на аналитику.
Что такое data quality?
Это то же самое, что качество данных: степень, в которой данные полны, точны, актуальны, уникальны и согласованы между системами для конкретных задач бизнеса.
Какие показатели качества данных самые важные?
Заполненность обязательных полей, доля дублей, свежесть данных и расхождение ключевых цифр с 1С. С них удобно начинать.
Можно ли один раз почистить данные и забыть?
Нет. Без правил на входе и мониторинга обменов ошибки накапливаются снова. Разовая чистка полезна только вместе с постоянными проверками.
Нужен ли отдельный специалист по качеству данных?
В небольшой компании обычно нет: достаточно настроенных правил, алертов и назначенных ответственных за каждый тип проблем.
