Hva bør en rutine for dataregistrering inneholde?
- Kilden til hvert felt og hvor det skal i målsystemet
- Formater: datoer, navn, adresser, enheter, valutaer, koder
- Valideringsregler og hva man gjør når data mangler eller er motstridende
- Eksempler på riktige og feil registreringer
- Behandlingstid og daglig frist
- Hvem man spør, og hvordan, når noe er uklart
Hvordan bør nøyaktigheten måles?
| Trinn | Hva som skjer |
|---|---|
| Stikkprøve | En fast andel av ferdige elementer kontrolleres hver uke, mer den første måneden |
| Klassifisere | Hver feil merkes: feil verdi, manglende verdi, feil felt, format, duplikat |
| Rapportere | Feilrate per type og per prosess, delt med dere |
| Rette årsaken | Ny opplæring, tydeligere rutine eller en valideringsregel i systemet |
Vekt feilene etter konsekvens: en feil pris eller bankopplysning betyr mer enn en manglende mellomnavnsforbokstav.
Hvor passer automatisering inn?
OCR, intelligent dokumentbehandling og integrasjoner kan fjerne mye av tastingen. De gir likevel felt med lav sikkerhet og unntak, og noen må kontrollere dem og rette reglene ved kilden. Et lite team som jobber sammen med automatiseringen, gir som regel bedre nøyaktighet enn hver av dem alene, og bør hele tiden finne nye trinn som kan automatiseres.
Les videre
Hvilken dataregistrering egner seg dårlig for outsourcing?
- Arbeid som krever stadige skjønnsvurderinger ingen har skrevet ned
- Svært små, uregelmessige volumer som ikke forsvarer opplæring av et team
- Data teamet ikke har lov til å se etter kontraktene eller regelverket deres
Hvordan skalerer dere ved restanser og topper?
En engangsrestanse, for eksempel ved en migrering eller lansering av en katalog, kan tas unna med midlertidig ekstra kapasitet når rutinen er utprøvd på normalt volum. Sesongtopper avtales best på forhånd, slik at opplærte folk står klare i stedet for å lære på de travleste dagene.