Velmi často, když v našem oboru hovoříme nebo píšeme o kvalitě dat, působí diskuse povrchně a postrádá hloubku. Existuje zde velký prostor pro nedorozumění, která celou diskusi činí bezpředmětnou. Tento příspěvek by měl pomoci roztřídit argumenty v diskusi o kvalitě a vnést do ní větší hloubku.
Začněme obecným rámcem pojmu kvality, abychom mohli argumenty zařadit do jejich sémantického pole. Podle Davida Garmina (1984) existuje pět hlavních přístupů ke kvalitě.
Podle transcendentního přístupu je kvalita definována jako vrozená dokonalost, která je absolutní a univerzální. „Vysoce kvalitní data musí být dokonalá a bezchybná“. Obecným problémem je, že je ve skutečnosti poměrně obtížné určit, jak „dokonalá data“ vypadají a jak jich dosáhnout. Tento přístup je však ve výzkumu poměrně běžný. Validita jako „transcendentní cíl“ například velmi často vede k potížím s nalezením vhodného kompromisu mezi vnitřní a vnější validitou.
Přístup založený na produktu vnímá kvalitu jako výsledek správných složek a vlastností produktu – v našem případě dat. „Vysoce kvalitní data mají ve vzorku pečlivě vybrané respondenty, kteří do otevřených textových polí vkládají velké množství textu.“ Zde je kvalita dat zcela hmatatelná a lze ji přesně měřit. Toto chápání kvality je však velmi formalistické, a proto příliš povrchní.
Přístup založený na uživateli vychází z předpokladu, že různí uživatelé mohou mít různé potřeby a požadavky. V tomto kontextu představuje nejvyšší kvalita dat to, co tyto potřeby nejlépe uspokojuje. Kvalita dat je tedy velmi individuální a subjektivní: to, co je pro jednoho uživatele vysoká kvalita, může být pro jiného průměrná nebo nízká kvalita dat.
Definice založená na výrobním procesu se zaměřuje na proces tvorby dat – nebo, jak se v odborné terminologii říká: zaměřuje se na metodiku. „Kvalitní data se shromažďují v souladu s vědeckými standardy a osvědčenými postupy v našem oboru.“ Ačkoli tento přístup zajišťuje vysokou srovnatelnost dat, někdy neodpovídá konkrétnímu úkolu, který má výzkumník před sebou.
V neposlední řadě existuje přístup založený na hodnotě, který vnímá kvalitu jako pozitivní návratnost investic (nebo přesněji: návratnost poznatků). V tomto případě mají data vysokou kvalitu, pokud jsou náklady na jejich sběr minimální a přínos z jejich využití maximální. Na první pohled se tento přístup jeví jako oprávněný, má však i své stinné stránky. Tento přístup totiž neříká mnoho o vlastnostech dat samotných, ale spíše o informačních potřebách uživatele.
Všechny tyto přístupy velmi často vedou ke konkurenčním pohledům na kvalitu. Sběratelé dat například mohou klást důraz na metodiku a formáty dat, zatímco zadavatelé výzkumu se spíše soustředí na své individuální potřeby a návratnost poznatků (Return on Insight). A i v rámci jednotlivých firem mohou existovat odlišné úhly pohledu. Zaměstnanci obchodního nebo marketingového oddělení mohou považovat pohled zákazníků za nejdůležitější, zatímco projektoví manažeři vnímají kvalitu jako jasně definované specifikace a procesy. Uvědomění si těchto odlišných pohledů může pomoci zlepšit komunikaci o kvalitě a v důsledku toho i samotnou kvalitu.
Ale i když se všichni shodnou, může být obtížné najít správný přístup. Vezměme si jako příklad data z pozorování. Tato metoda může být tou nejlepší volbou pro zodpovězení vašich výzkumných otázek, ale můžete se také setkat s problémem složitých datových formátů, chybějících hodnot nebo odlehlých hodnot. To může opět mít dopad na návratnost získaných poznatků a vyžadovat odlišný přístup.
Stručně řečeno, není snadné říci, co vlastně kvalita dat je. Každý tvrdí, že ji má, ale při bližším pohledu se ukáže, že příslušné argumenty velmi často neobstojí. Pravděpodobně by bylo naivní pouze volat po komplexnějším pohledu, protože různé přístupy jsou ve vzájemném napětí. To neznamená, že kvalita dat je pouhou iluzí nebo náhodou, ale připomíná nám to, že kvalita dat vyžaduje určité úsilí a nevzniká sama od sebe. V každém případě kvalita dat začíná dobrou komunikací o tom, co se očekává.
V předchozí části jsme se zabývali teoretickým rámcem pro kategorizaci argumentů týkajících se kvality dat, čímž jsme si vytvořili základní přehled o různých úhlech pohledu v této diskusi. S touto širší perspektivou se nyní budeme zabývat praktickými aspekty kvality dat, přičemž se zaměříme na to, co je nejdůležitější, a na to, jak toho můžeme dosáhnout
Richard Wang a Diane Strong provedli v 90. letech velmi zajímavý výzkum. V prvním kroku požádali uživatele dat, aby uvedli všechny atributy, které jim přijdou na mysl, když přemýšlejí o kvalitě dat. Ve druhém kroku byly tyto atributy seřazeny podle důležitosti. Pomocí faktorové analýzy bylo původních 179 atributů zredukováno na menší soubor dimenzí kvality dat ve čtyřech hlavních kategoriích.
Vnitřní kvalita dat zahrnuje „přesnost“ a „objektivitu“, což znamená, že data musí být správná a nestranná. Zatímco tyto dva aspekty se zdají být poměrně srozumitelné, „věrohodnost“ a „pověst“ již tak zřejmé nejsou. Je poměrně zajímavé, že se netýkají samotných dat, ale odkazují na zdroj dat, ať už jde o respondenty, nebo o poskytovatele terénního výzkumu: respondenti musí být skuteční a autentičtí, zatímco poskytovatel terénního výzkumu by měl být důvěryhodný a seriózní.
Kvalita kontextových dat znamená, že některé aspekty kvality dat lze posoudit pouze s ohledem na konkrétní daný úkol. Jelikož se tento kontext může značně lišit, není dosažení vysoké kvality kontextových dat vždy snadné. Většina kontextových dimenzí (přidaná hodnota, relevance, aktuálnost, úplnost, přiměřené množství dat) vyžaduje důkladné plánování ještě před zahájením a provedením výzkumu. Naopak je velmi obtížné zlepšit kontextovou kvalitu dat již po jejich shromáždění (např. připomínky ke zlepšení úplnosti).
Kvalita reprezentativnosti dat se týká způsobu, jakým jsou data formátována (stručně a konzistentně), a míry, do jaké z nich lze odvodit význam (interpretovatelnost a srozumitelnost). Stačí si představit postupy ověřování dat v rámci online průzkumu. Například při dotazování na věk respondentů byste zajistili, aby všichni (konzistentně) zadávali věk v celých letech (stručně) nebo dokonce v rámci věkových skupin, o které máte zvláštní zájem (srozumitelnost). V každém případě bude respondentovi znemožněno zadat chybné nebo extrémní hodnoty (interpretovatelnost).
Tyto dva aspekty v rámci této kategorie mohou být protichůdné, a proto vyžadují správnou rovnováhu. Přístupnost se týká toho, jak snadno a bez námahy lze data získat, zatímco bezpečnost přístupu se týká toho, jak lze přístup omezit a kontrolovat. Těmto aspektům se v posledních letech věnuje stále větší pozornost – například v případě online dashboardů nebo datových skladů.
Jak vidíte, „vnitřní kvalita dat“ závisí především na výběru správného zdroje dat, „kontextová kvalita dat“ na důkladném naplánování studie, „reprezentační kvalita dat“ na správném sběru dat a „kvalita dat z hlediska dostupnosti“ na správném vykazování dat. Obecněji řečeno, v každé fázi výzkumného procesu musíme řešit různé úkoly a výzvy, abychom dosáhli co nejlepšího výsledku.
V první části jsme se zabývali tím, jak se někdy mohou navzájem střetávat různé pohledy na kvalitu dat. I když stále platí, že je třeba v první řadě zohlednit požadavky všech zainteresovaných stran, je možná ještě důležitější, aby každý článek hodnotového řetězce přispíval k celkové kvalitě při sběru a zpracování dat. Vzhledem k tomu, že se výzkum stal komplexním procesem s rozdělenými odpovědnostmi, musíme zajistit, aby byly standardy kvality dodržovány v průběhu celého procesu.
Přečtěte si více o kvalitě dat na příkladu dat od společnosti Norstat
Pro získání relevantních a užitečných údajů je klíčové najít ty správné účastníky pro vaši konkrétní studii. Díky naší rozsáhlé síti respondentů v Evropě vám zajistíme přístup k těm spotřebitelům, které hledáte.
Při hledání spolehlivých údajů, na nichž se zakládají klíčová rozhodnutí, nelze přecenit význam vysoce kvalitního panelu. Co však přesně určuje kvalitu panelu a jak ji udržet?
Naše jednání by mělo vycházet z poznatků, které mu dodávají strukturu. A tyto poznatky vycházejí ze struktury podkladových dat. Struktury jsou ze své podstaty stabilní a odolávají narušením. Data mají dlouhou životnost, a proto by jejich kvalita měla být vnímána jako aktivum, které se bude vyplatit i v budoucnu.
