Vad är en Data Gap-analys?
En datagapanalys avgör befintliga luckor i något av ett antal mätvärden som anger hur ett företag presterar inom ett specifikt område. Denna typ av analys utförs ofta i syfte att inte bara granska luckor utan också ta bort dem genom att förbättra datainsamlingen. Dataklyftor, även kallad perception gap, kan sträcka sig över alla affärsresultat inom produktion eller tjänster som tillhandahålls kunder. I en datagapanalys försöker chefer eller konsulter att förbättra dagens resultat genom att stänga luckor i hur data samlas in. Det är ofta utmanande att fastställa vilka luckor som ska mätas, eftersom affärsmetriker vanligtvis är sammanflätade och sammanhängande.
Statistik och prestationsdata som täcker ett brett utbud av kommersiella aktiviteter samlas ofta in av chefer. Denna information kan användas för att kvantifiera affärsresultat inom ett visst område eller område. Chefer använder informationen från en datagapanalys för att göra förändringar i produktion eller tillhandahållande av tjänster för att uppnå större effektivitet.
Huvudfokuset i analysen av datagap är att utforma förfaranden för att fånga upp data inom ett visst område framöver, inte på att granska historiska data. I huvudsak är arbetsprincipen i allmänhet att arbetet är att det som inte har uppmättts kan vara den idealiska platsen att trimma avfall och öka produktiviteten. Tills en analys av data gap finns, förblir den faktiska effektivitetsnivån okänd.
Brister i en organisations datainsamling minskar de feedback som chefer vanligtvis använder för att mäta prestanda inom ett visst område. Exempelvis kanske chefer vill veta hur många kunder som kommer tillbaka med ett klagomål om en viss produkt inom ett visst tidsfönster. Om ingen har spårat denna information kanske företaget inte känner till den faktiska nivån på kundnöjdhet. Dessutom kan problem med en viss produkt vara fler än ett företag inser eftersom den informationen inte rapporteras till dem som kan hantera orsaken till bristen.
Recensioner av insamlade data utförs vanligtvis för att hitta luckorna - områden där data saknas. Nästa steg är vanligtvis att bestämma vilka mätvärden som ska fångas för att stänga dessa luckor. Det här steget innebär ofta att ställa utforskande frågor, sedan ta svaren och inleda en serie åtgärder för att fånga upp dessa data. Processen att upptäcka en lucka i data kan vara utmanande, eftersom det ofta är svårt för människor att föreställa sig vilka frågor som inte ställs. Det är därför de flesta analyser av datagap börjar med att först bestämma vilka förutsägelsefunktioner som helst bör införas i en viss operation.