营销人员坐拥大量有价值的消费者数据。但并非所有可供他们使用的数据都有用。使用低质量的数据会破坏你的营销努力，导致错失机会，并最终损害你的底线。

坏数据是指经常被环境损坏的数据。这比我们意识到的要普遍得多。这不是故意的或恶意的，通常是人为错误或不当收集的结果。有时就像电子邮件地址随时间变化一样简单。在其他情况下，它会破坏您的流程。虽然原因可能很简单，但结果——分析中的差距和不准确导致你所测量的一切都无效——可能是灾难性的。

并不是每个组织的团队中都有数据捍卫者，但随着公司越来越多地接受数据优先的文化，优先考虑数据健康将成为必须的。

坏数据没有标准化

在你的个人生活中，通常有一些方法来调和数据。假设你在你的银行账户中发现了一个差异:你知道你的收入和你的支出，你可以检查你的银行对账单的历史数据。换句话说，你有了真相的来源。但在市场营销中，往往没有底线。作为一名营销人员，你当然知道什么是正确的，但你所有的数据都是相对于自身的。

这个问题并不新鲜，只是很容易被忽略。例如，如果你正在使用谷歌Analytics来跟踪你所有网页上的流量，不管出于什么原因，脚本没有跟踪你10%的页面，你根本不会知道你丢失了10%的数据。像这样的差距可以通过几种方式发生。但它发生的一个重要原因是缺乏标准化。

对于SaaS企业来说，衡量“网站的访问者”可能与“平台中的用户”并不相同。当你在不同的分析平台上设置这些指标，并将其分散到几个部门(从市场营销到销售到工程)时，就会产生影响。AdWords中的“点击”并不一定转化为整体流量，因为新用户、唯一用户和总会话之间存在差异。在规模上，你从数百个来源提取数据。不将测量的内容标准化，却对它们一视同仁，这是产生坏数据的原因。

坏数据是昂贵的

不管你是否因为不确定如何解决问题而忽略了这个问题，或者你还没有意识到这个问题，使用低质量的数据会影响营销之外的许多业务。如果你的数据到处都是，它会停止有价值的计划，并损害你的底线。

从这个角度来看，由于数据以每年70%的速度衰减，不良数据给企业造成的平均损失为每年970万美元．哈佛商业评论得出结论，糟糕的数据成本如此之高，因为决策者、经理、数据科学家和其他团队成员必须在日常工作中适应差异——寻找不准确的数据和糟糕的来源，纠正错误。这样做既耗时又昂贵。

除了金钱之外，糟糕的数据还会损害你的战略，导致不知情的商业决策浪费了未来的机会。处理通过多个来源以不同格式和不同频率提供的大量数据是一个分散的过程。可以理解的是，营销部门经常缺乏人力来持续分析、理解和利用所有这些数据。

好的数据是干净的

当您花时间清理、验证和组织数据时，就会产生良好的数据结果，从而使过时的信息、重复或不准确等常见问题不再困扰您的系统。

处理这种复杂性需要专门的资源和定义良好的流程和策略，以实现标准化、优化、报告和敏捷方法。这与大多数组织习惯的月度报告、季度预测和偶发性洞察生成不同。但这种转变对于在一个日益由数据驱动的世界取得成功至关重要。世界级的营销组织应该无缝融合数据、分析、战略、人员、流程和能力，以交付业务成果。

如果您的组织正在发展，并且您刚刚打开了部门间共享数据的闸门，那么请寻找可以合并信息的领域，以便您对客户有更全面的了解。考虑组建一个工作组，其中团队成员拥有管道的不同部分，并在组织中维护良好的数据。

如果将资源分配给一个任务组来手动清理数据管道对您来说是一个不现实的选择，请考虑一下实施人工智能工具．预测机器学习可以了解您的数据指标的基线行为，并能够快速将大量数据转换为可信的业务信息，以及自动发现异常。

专门的资源清理管道可以解决手头的问题，但没有什么比主动应用这些原则更有保护作用了。将您的团队花费在纠正错误数据上的时间花在构建安全和准确的数据流程上，并从一开始就投入到工作中。

追求，而不是完美

现实一点很重要。糟糕数据的现实是，清理它是一个永无止境的过程。目标并不是一切都完美的最终状态。我们的目标是努力在您的工作场所中养成鼓励更好数据的习惯和流程。

也就是说，数据质量最终是每个人的事。无论您是否直接与数字打交道，数据都会影响组织的每一项产出。清洁、维护的管道意味着您和您的团队可以永久性地减少错误的成本，并更容易地实施健康的数据策略。

将营销推向真正的数据优先文化可能是一个漫长的过程。但这证明了它的价值。

这篇文章是我们关于数据驱动营销系列的一部分，在这个系列中，我们的专家探索了建立基于数据的团队和战略方法的关键。阅读第一篇文章在这里．