Dane o klientach leżą w systemie obsługi klienta (CRM), o sprzedaży w systemie rozliczeń (ERP), o produktach w arkuszu handlowców, o kampaniach w narzędziu marketingu. Każdy z nich liczy klienta, zamówienie i datę po swojemu, więc ta sama wielkość ma w dwóch raportach dwie wartości. Zanim skorzysta z nich raport albo model AI, ktoś uzgadnia je, czyści i przenosi w jedno miejsce ręcznie. Ten zakres prac daje firmie jeden uzgodniony zbiór danych, wiedzę, skąd pochodzi każda dana i kto za nią odpowiada, oraz przepływ, którym dane trafiają do zbioru same.
Trzy działy, trzy wielkości sprzedaży
Dział sprzedaży podaje przychód z CRM, finanse z ERP, marketing z narzędzia do kampanii. Liczby się różnią, bo jeden system liczy zamówienie w dniu złożenia, drugi w dniu faktury, a trzeci pomija zwroty. Każdy dział broni swojej liczby, bo w jego systemie jest poprawna.
Projekt AI zatrzymał się na danych
Firma chce uruchomić model, który przewiduje odejścia klientów. Wykonawca dostaje wyciągi z kilku systemów: ten sam klient pod dwoma numerami, puste rubryki, historia zakupów urwana po zmianie systemu. Model uczony na takich danych powtórzy ich błędy, więc projekt czeka, aż ktoś je uporządkuje.
Dane spływają szybciej, niż ktoś zdąży je przeczytać
Kasy, sklep internetowy albo urządzenia w sieci wytwarzają dane bez przerwy, a do raportu trafiają raz na dobę, nocnym eksportem. Gdy rano ktoś zauważy, że część urządzeń przestała odpowiadać, od zdarzenia minęła cała noc.