データクレンジングとは

社名の正式名称と略称がデータに混在しているような「精度」の課題や、経営企画部門では取引データを企業単位や世帯単位で把握したいのに、事業部門では事業所単位や人単位 で取引データを管理しているなどの「粒度」の課題で取引社数や購入者数が分からないという問題を解消できます。

企業名の例で言えば、「日本電信電話株式会社」＝「Nippon Telegraph and Telephone Corporation」＝「NTT」の紐付けや、 本社と事業所・支店、企業グループ単位での統一です。

データクレンジングすることによって「商品が1年間に何社もしくは何人にいくつ売れたのか？」がきちんと把握できるようになります。

散在するデータを集めて紐付けてみると必ず発生する事象があります。

それはデータの不一致や不整合です。

社名変更や組織変更、住所移転、統廃合などがあっても情報が更新されないというような「鮮度」の課題です。

「三菱東京UFJ銀行」と「東京三菱銀行」、「UFJ銀行」のように、現在は同じ企業なのに名称値が異なるケースや、顧客の住所のように新旧で異なるケースなど、さまざまですが、要は「どのデータを信じていいのかわからなくなる」という事象です。

この場合、どの値を正として、標準語として扱うのかを決める必要があります。

データクレンジングすることによって、データの信頼性が向上し、「ツール自体の利活用も促進」します。

データのメンテナンス業務に関する効率化が図れます。

様々なツールが乱立する複雑なIT環境において、顧客データの二重登録やファイルでのマニュアル連携などの非効率なメンテナンス業務によって負荷の増大やサービスレベルの低下につながっています。

様々な企業でデータがサイロ化して連携されておらず、人手でメンテナンスしているケースも少なくありません。

データクレンジングすることによって「業務負荷なくツール間でデータ同期」することが可能になります。

顧客データを一元化(名寄せ）することが可能になります。

一元化することによって、そのデータに紐付くトランザクションデータど、あらゆるデータに簡単にアクセスできるようになり、包括的に顧客を可視化することができるようになります。

データクレンジングすることによって「顧客の深い理解につながり、提案力やサービスレベルの強化」に繋がります。