Data Quality Firewall
Omikron Data Quality Firewall
Der findes forskellige definitioner på Data Quality Firewall. Her benyttes Wikipedias definition:
“A Data Quality Firewall is the use of software to protect a computer system from the entry of erroneous, duplicated or poor quality data.
Læs resten af difinationen her
Data Quality Firewall’en sættes op som en arbejdsproces, der udfører de nødvendige tjek og fortolkninger. Dette sikrer, at kun korrekte og nøjagtige data indtastes i databasen. Baseret på Service Orienteret Arkitektur (SOA) oprettes arbejdsprocessen som en integreret proces på tværs af forskellige systemer og databaser.
Data Quality Firewall’en kan indsættes forskellige steder for at dække forskellige behov. Omikron Data Quality har som de første udvidet begrebet bag Data Quality Firewall så man nu kan opsætte Firewall’en flere steder i arkitekturen bag databasen, og dermed forbedre beskyttelsen af data endnu bedre.
Data Quality Firewall’en kan indeholde følgende processer:
| Proces |
Beskrivelse |
| Tjek af indhold i databasens felter |
Tjekker om oplysninger på personer og virksomheder i databasen er korrekte. Forkerte for- og efternavne samt supplerende oplysninger til et virksomhedsnavn kan identificeres. |
| Tjek og korrektion af telefonnummer |
Telefonnumre kan analyseres og deles op i international områdekode, national områdekode, telefonnummer samt lokalnummer.
Det er også muligt at identificere, om et nummer er et mobilnummer eller et fastnetnummer, hvilket gør det nemt at flytte indholdet til de rette felter i databasen. Et uidentificeret nummer kan også let formateres. |
| Tjek af e-mail |
Tjekker om en e-mailadresse har et standardiseret format og om domænet eksisterer. |
| Tjek af mangelfulde adresser |
I følge definerede regler kan det tjekkes, om en adresse er mangelfuld. Alt efter den type af referencedata der er tilgængelig, kan yderligere tjek af indhold i adressen udføres. |
| Tjek af tiltaleform |
Beriger en manglende og tjekker en eksisterende tiltaleform ved at sammenligne med en persons fulde navn. At have den rette tiltale er især vigtigt i lande såsom Tyskland. |
| Tjek af for- og efternavne |
Forkortelser kan findes samt identificeres, og navne kan tjekkes ved at sammenligne med liste over de mest normale navne for at se om et navn eksempelvis er en forkortelse af et navn, eller om det er identisk med et navn på listen. |
| Tjek for bedrageri |
En ny kunde tildeles en speciel score via en kontrol af adressens forskellige dele sammenlignet med specielle navnelister og negativ-lister for at undgå bedragerisager og snyderi. |
| Tjek mod sanktionslister |
Tjekker mod EUs sanktionslister for at undgå at levere produkter til sanktionerede organisationer. Modulet kan indgå som en del af modulet ”Tjek for bedrageri”. |
| PAF-rengøring |
‘Postcode Address File’-rengøring tjekker, mod officielle data, om postnummer og adresse er valide. |
| Mange andre typer af tjek kan også integreres i arbejdsprocessen |
Eksempelvis identifikation og normalisering af forkortede gadenavne i et land. |
En detaljeret status kan laves for det enkelte datasæt. Den detaljerede status kan analyseres og opsummers som et statusoverblik for de givne testdata.
Alle korrektioner samles i en interaktiv rapport til den tilsynsførende.
Backend Data Quality Firewall
Dette er den mest benyttede Data Quality Firewall på markedet i dag. Backend Data Quality Firewall tjekker dataenes kvalitet, når de flyttes fra midlertidige databaser til en Master Database. Dvs. at dataene ikke tjekkes når de første gang indtastes i en midlertidig database.
Selvom at fejlfyldte data ender i databasen idet de indtastes, forhindrer Backend Data Quality Firewall, at ukorrekte data overføres til Master databasen eller til andre relevante databaser. Arbejdsprocesserne tilpasses individuelt dine enkelte kunder for at optimere firewall’en til dataene, der overføres fra de forskellige systemer, operatører, web eller kundeservice.
Grunden til at Backend Data Quality Firewall’en placeres forrest er for have beskyttelsen placeret så tæt på de essentielle data som muligt.

Frontend Data Quality Firewall
Som nævnt, i beskrivelsen af Backend Data Quality Firewall, er grunden til at Backend Data Quality Firewall placeres forrest for at have beskyttelsen placeret så tæt på de essentielle data som muligt. Ved at gøre dette placeres firewall’en samtidigt langt væk fra, der hvor de ”beskidte” data skabes. De ”beskidte” og fejlfyldte data opstår ofte i dataindtastningsfasen. Grunden til dette er mange:
Brugerne kan ikke finde den rigtige kunde og indtaster derfor en eksisterende kunde på ny.
I en branche baseret på provision kæmper brugerne om kunderne. Eksisterende kunder indtastes ved et uheld eller bevidst blot hvis der eksempelvis laves en lille ændring i navnet. I begge tilfælde kæmper brugerne om ejerskab og provision.
Forkerte eller ufuldstændige data indtastes i de obligatoriske felter, for at brugerne hurtigt kan fortsætte til næste kunde.
Hvis Firewall’en integreres i dataindtastningsfasen reduceres mængden af ”beskidte” data betydeligt. Firewall’en består af arbejdsprocesser individuelt tilpasset den enkelte afdeling eller land ved hjælp af FACT-Finder Address-Search.
Følgende resultater kan opnås:
Med den fejltolerante søgefunktion FACT-Finder Address-Search sikres, at brugerne finder den rigtige kunde med det samme. Dette sparer tid, da en kunde ikke skal registreres på ny. Brugerne bliver mere tilfredse med deres arbejde, og de kan øge antallet af opkald.
Hvis en bruger forsøger at indtaste en kunde blot med en lille ændring i navnet i forhold til en eksisterende kunde i databasen, vil brugeren modtage en besked om, at “en mulig dublet er fundet – ønsker du at fortsætte?”. Fra dette vindue kan brugeren gå direkte til den identificerede dublet for at fortsætte arbejdet med denne kunde i databasen. Hvis brugeren ignorerer denne besked, kan det være svært at hævde, at en kunde blev oprettet som følge af et uheld.
FACT-Finder Address-Search kan medføre mindre kamp mellem brugerne, større tilfredshed med deres eget arbejde og mindre dobbeltprovision.
Arbejdsprocesser kan integreres således, at ufuldstændige og ukorrekte data tjekkes.
En overvågningsfunktion kan implementeres for at sikre, at brugerne også benytter dette redskab, som de har til rådighed. Hvis en bruger ignorer en sikker dublet, kan denne handling logges og sendes til den datakvalitetsansvarlige, som tjekker kvaliteten af brugerens matching eller dennes arbejdsproces.
FACT-Finder Address-Search kan implementeres således, at den indgår som en integreret del af dit CRM-/ERP-system både ved egenudviklede systemer og systemer udviklet af en ekstern leverandør såsom Salesforce.com, SuperOffice, Microsoft CRM og Siebel.
Når Firewall’en implementeres i dataindtastningsfasen, vil data som kommer fra CRM-/ERP-systemet være betydelig renere. Individuelle arbejdsprocesser vil være langt nemmere og mere sikre at integrere, hvis disse er optimeret i centrum af dataindtastningen.

Dobbelte eller adskillelige Firewalls
I gamle dage byggede man flere mure rundt om et slot for at beskytte sig selv. Man kan integrere en Data Quality Firewall der, hvor forskellige behov skal håndteres på forskellig vis.
Den første Data Quality Firewall kan placeres i Frontend’en og optimere arbejdsprocesserne således, at der tages hånd om de udfordringer, der opstår i dataindtastningsfasen. Den første Data Quality Firewall kan interagere med brugeren og er derfor stærk løsning til at sikre datakvaliteten (menneskelige faktor). De udfordinger som Frontend Data Quality Firewall’en håndterer, er at basisfejl korrigeres:
- Den rigtige kunde findes
- Ufuldstændige data beriges
- Data indtastet i et forkert felt rettes. Eksempelvis hvis et fornavn er skrevet ind i feltet til efternavn, eller hvis mobilnummeret står i feltet til fastnetnummer.
- Korrekt tiltale og køn identificeres
- Hvis en dublet er oprettet på trods af den intelligente søgefunktionen, sammenlignes dubletten med det originale datasæt og administratoren får besked om at en dublet er oprettet.
Den anden firewall kan sættes op i Backend’en, og arbejdsprocessen for denne firewall vil håndtere de udfordringer, der opstår, når store mængder af data skal flyttes fra Frontend’en til Master Databasen eller til optimerede databaser som CRM, ERP eller andre specialiserede databasesystemer. Den anden Data Quality Firewall fungerer uden interaktion med brugeren.
Fokus for den anden firewall:
- Bringer “ekkoproblemet” i orden
- Opbygger kundehierarkier
- Avanceret PAF rengøring og rengøring af dubletter
Den dobbelte Firewall er meget effektiv, og giver den bedste ROI og resultater på løsningerne.

Vil du vide mere
Ønsker du at vide mere eller modtage et tilbud:
Ring +45 70 26 88 28 eller efterlad en besked på kontaktformularen. En kompetent medarbejder vil besvare dine spørgsmål.