Data quality improvement : case aftermarket business’ customer deliveries

Abstract

The objective of this bachelor’s thesis is to find data quality issues and introduce data quality improvement methods for an anonymous case company’s aftermarket business area. The thesis uses literary review and qualitative research methods. The qualitative research consists of five semi-structured interviews in the case company. The thesis consists of three parts:

First, the theory of data quality is presented. Data quality is defined in different ways based on applied context. Different data quality definitions are compared. A framework defining data quality is consolidated based on the literature.

Then, the consolidated framework is used in semi-structured interviews in the case company to find and map its data quality problems. The qualitative research finds more completeness, timeliness, and accessibility data quality issues.

The findings of these interviews are introduced ideas for improvement from the literature. The most relevant steps in the context of this thesis are selected. Data quality improvement costs, identification of errors, strategies and techniques and measuring data quality are discussed.

This thesis maps distinct data quality issues in the case company and introduces data quality improvement methods for these issues. These improvement ideas are not implemented in this thesis. The most cost-effective solution is not discussed. This thesis provides the reader understanding of data quality and tools for data quality assessment and improvement.

Tämän kandidaatintyön tavoitteena on löytää nimettömän case yrityksen datan laadun parannuskeinoja sen jälkimarkkinaliiketoiminta-alueelle. Työ on toteutettu kirjallisuuskatsauksen, sekä kvalitatiivisen tutkimusmenetelmän avulla. Kvalitatiivinen osuus koostuu viidestä aihekeskustelusta case yrityksessä. Työ koostuu kolmesta osuudesta:

Aluksi datan laadun teoria esitellään. Datan laadun määritelmä vaihtelee käyttökohteen mukaan. Erilaisia datan laadun osa-alueita vertaillaan. Kirjallisuutta yhdistämällä luodaan datan laadun määrittävä viitekehys.

Luotua viitekehystä käytetään case yrityksen aihekeskusteluissa työkaluna löytää ja kartoittaa datan laadun ongelmia. Kvalitatiivisessa tutkimuksessa löydetään eniten puutteellisuuteen, ajantasaisuuteen, sekä esteettömyyteen liittyviä datan laadun ongelmia.

Haastatteluissa ilmenneille ongelmille etsitään kehitysehdotuksia kirjallisuudesta. Datan laadun kehitysprosessista valitaan työn kontekstiin sopivimmat askeleet. Datan laadun parantamisen kustannuksia, virheiden löytämistä, strategioita ja tekniikoita, sekä datan laadun mittaamista käsitellään.

Työ kartoittaa case yrityksen datan laadun ongelmia ja esittää niille kehitysehdotuksia. Kehitysehdotuksia ei jalkauteta tässä työssä. Kustannustehokkainta ratkaisua ei käsitellä tässä työssä. Tämä työ auttaa lukijaa ymmärtämään mitä datan laatu on, sekä antaa työkaluja sen määrittämiseen ja parantamiseen.