Constraint C005 · Data Quality

Низкое качество данных:
когда бизнес не может понять, что на самом деле ограничивает рост

Плохие данные создают особый тип ограничения: компания видит симптомы, но не может уверенно связать каналы, лиды, сделки, клиентов, выручку и экономику. В результате решения принимаются по средним значениям, разрозненным отчётам и субъективным впечатлениям.

Диагностировать данные ↓ Диагностика бизнеса Growth Intelligence

Рабочая модель

Decision Quality ≈ Data Completeness × Consistency × Timeliness × Traceability × Shared Definitions

Это концептуальная модель. Для управленческого решения достаточно не «идеальных данных», а данных, которые надёжно отвечают на конкретный вопрос.

Шесть типов проблем

Почему данные перестают поддерживать решения

01 · CompletenessКритичные поля пустыеSource, segment, owner, status, revenue, loss reason или timestamps заполняются не всегда.

02 · DefinitionsКоманды считают одно и то же по-разномуLead, MQL, SQL, sale, churn, active customer и revenue имеют разные определения.

03 · IntegrationСистемы не связаныMarketing, CRM, finance и product analytics существуют отдельно и не дают сквозного cohort view.

04 · FreshnessДанные устареваютСтатусы обновляются поздно, dashboards строятся на старых выгрузках, ручные таблицы расходятся с CRM.

05 · AttributionНельзя проследить источник результатаLead source теряется, сделки объединяются, несколько касаний не фиксируются или revenue не возвращается в acquisition layer.

06 · GovernanceНет owner и правил качестваОшибки замечают случайно, никто не отвечает за schema, validation и исправление системных причин.

От данных к решению

Минимальная цепочка управленческого evidence

01QuestionКакое решение нужно принять.

02MetricКакой показатель отвечает на вопрос.

03DefinitionЧто именно считается событием.

04SourceГде данные рождаются.

05TraceМожно ли связать этапы и cohort.

06DecisionКак меняется действие.

Data Quality Diagnostic

Найдите главный measurement gap

Не оценивайте «все данные компании». Выберите конкретный управленческий вопрос: например, почему растёт CAC, какой канал прибыльнее или где теряется conversion.

12 вопросов · 6 доменов

Результат показывает, какой слой данных мешает принять решение сейчас.

Управленческий вопрос Диагностика строится вокруг конкретного decision question.

Кто использует ответ? Нужен конкретный decision owner.

Completeness 1/2Критичные поля регулярно остаются пустыми?

Source, segment, status, loss reason, revenue, owner или timestamps.

Completeness 2/2Для части cohort невозможно восстановить полный путь до результата?

Например, есть lead, но нет sale/revenue status или наоборот.

Definitions 1/2Marketing, Sales и Finance по-разному определяют ключевые стадии?

Например, SQL или «новый клиент» считаются по разным правилам.

Definitions 2/2Метрика в разных отчётах даёт разные значения?

Причина может быть в разных фильтрах, датах, статусах или denominator.

Integration 1/2Чтобы ответить на вопрос, нужно вручную соединять несколько выгрузок?

CRM, ads, analytics, finance или product data.

Integration 2/2Нет стабильного ключа для связи lead / deal / customer / revenue?

Email, phone, CRM ID, company ID или другой идентификатор ненадёжен.

Freshness 1/2Ключевые статусы обновляются с заметной задержкой?

Например, lost/won или payment попадают в систему позже review.

Freshness 2/2Команда использует локальные таблицы вместо source of truth?

Из-за этого разные участники смотрят на разные версии реальности.

Attribution 1/2Источник/кампания часто теряются до стадии Sale?

Revenue не возвращается к acquisition cohort.

Attribution 2/2Нельзя уверенно сравнить CAC / conversion / gross profit по cohort?

Есть total metrics, но нет надёжного разреза.

Governance 1/2Нет назначенного owner качества ключевых данных?

Ошибки обнаруживаются, но не устраняется источник проблемы.

Governance 2/2Нет validation rules / регулярного quality review?

Проблемы completeness и consistency выявляются только вручную.

Top data gap—Главный constraint

Second gap—Второй слой риска

Unknowns—Где качество само неизвестно

First fix—Что исправить первым

Интерпретация

—

Готовый brief

Data Quality Brief

Что измерять

Data quality тоже должна иметь собственные метрики

01Completeness rateДоля записей, где заполнены обязательные поля для конкретного decision use case.

02Valid value rateДоля значений, соответствующих schema, taxonomy и допустимым диапазонам.

03Join rateКакую долю lead/deal/customer можно надёжно связать между системами.

04Freshness lagЗадержка между реальным событием и его отражением в decision system.

05Unknown / other rateСлишком большая категория «другое/неизвестно» часто скрывает потерю управляемости.

06Reconciliation gapРазница одной и той же метрики между CRM, BI и Finance.

Data quality не означает 100% заполнение всего. Полезнее добиться высокой надёжности 10 полей, которые влияют на решение, чем идеально заполнить 100 полей, которыми никто не пользуется.

Порядок исправлений

Что чинить раньше всего

Priority 01ОпределенияСогласовать, что означает Lead, SQL, Sale, CAC, revenue и другие decision-critical metrics.

Priority 02TraceabilityСоздать стабильную связь lead → deal → customer → revenue.

Priority 03Required fieldsОставить минимальный набор обязательных данных и встроить validation.

Priority 04Source of truthОпределить, какая система является authoritative для каждого типа данных.

Priority 05AutomationУбрать ручной перенос там, где он создаёт systematic errors и delay.

Priority 06Quality reviewРегулярно отслеживать gaps, а не проводить разовую «генеральную уборку CRM».

Антипаттерны

Что не решает проблему качества данных

Сначала строить огромный BIЕсли определения и source data плохие, dashboard только красиво визуализирует противоречия.

Обязать заполнять десятки полейСлишком тяжёлая CRM-дисциплина снижает adoption и увеличивает фиктивное заполнение.

Исправлять данные вручную каждый месяцБез изменения source process ошибка будет возвращаться снова.

Считать attribution абсолютной истинойНекоторые customer journeys нельзя точно восстановить; важно понимать ограничения модели.

Смешивать operational и analytical fieldsПоле, удобное менеджеру в работе, не всегда подходит как стабильное измерение для аналитики.

Не назначать ownerЕсли за metric definition и quality никто не отвечает, каждая команда создаёт собственную версию данных.

Связанные маршруты

Что делать после исправления measurement layer

Найти точку роста

После появления надёжных cohort и funnel data можно переходить к выбору реального growth lever.

Следующий P0 → Высокий CAC

Если раньше CAC нельзя было разложить по cohort, вернитесь к диагностике после восстановления traceability.

Пересчитать CAC → AI Growth Office

AI decision layer имеет смысл только поверх достаточно надёжных definitions, sources и timestamps.

Построить decision layer →

Принцип Growth OS

Хорошие данные — это данные, которые позволяют изменить решение

Не начинайте с идеи «почистить всю CRM». Сначала определите decision question, затем найдите минимальный набор metrics, definitions и links, необходимых для ответа. Так data quality превращается из бесконечного IT-проекта в инструмент управления ростом.

Найти measurement gap Найти точку роста Growth Intelligence