Качество данных: как найти дубли и ошибки в CRM и отчётах

Почему о качестве данных вспоминают слишком поздно

Типичная история. Владелец магазина в Ташкенте открывает отчёт: заявок из Instagram много, а оплат через Click и Payme мало. Вывод напрашивается сам: таргет не работает, бюджет урезаем. Через месяц выясняется, что менеджеры половину сделок вносили без источника, часть клиентов из Telegram-бота завели по два раза, а оплаты на карту вообще не привязали к заказам. Реклама была нормальной, плохими оказались данные.

Ошибка в данных стоит дороже, чем кажется, потому что на ней строятся решения: куда вложить бюджет, кого уволить, что докупить на склад. Чем выше автоматизация, тем сильнее эффект: рассылка уйдёт одному человеку трижды, а нейросеть или скоринг уверенно выдадут рекомендацию на основе мусора.

Пять типичных проблем с примерами из местной практики

Почти все беды сводятся к нескольким видам. Полезно знать их в лицо, потому что у каждого свой способ поиска и свой способ лечения.

• Дубли. Один клиент записан как «Анвар», «Anvar А.» и «Алиев Анвар», а его телефон — как +998 90 123 45 67, 901234567 и 998901234567. Для системы это три разных человека.
• Пропуски. В карточке нет источника обращения, региона, категории товара или телефона. Отчёт по каналам из такой базы просто невозможен.
• Ошибки ввода. Лишний ноль в сумме в сумах, перепутанные поля, опечатка в названии товара, дата из будущего.
• Разные форматы. «Ташкент», «Toshkent» и «Tashkent» в одном поле города, название товара то кириллицей, то латиницей, даты в разном порядке.
• Устаревшие данные. Клиент сменил номер, поставщик поднял цену, закрытая точка всё ещё числится рабочей.

Как найти проблемы: пошаговая проверка

Для первой проверки не нужны программисты. Достаточно выгрузки из CRM или учётной системы в таблицу и пары часов внимательной работы.

• Выберите пять-семь полей, без которых отчёт не работает: телефон, источник, дата, сумма, статус, менеджер, регион.
• Посчитайте пустые значения по каждому полю и выразите долю в процентах от всех записей. Поле с заметной долей пропусков — первый кандидат на исправление.
• Приведите телефоны к одному виду (только цифры, с кодом страны) и найдите повторы. Затем проверьте похожие имена при совпадающем телефоне.
• Найдите странное: отрицательные суммы, нулевые заказы, даты в будущем, сделки закрыты раньше, чем созданы.
• Сверьте системы между собой: число заказов в CRM с оплатами в Click и Payme, расход в рекламном кабинете Meta и Google с тем, что внесено в отчёт, остатки на складе с реальным пересчётом.
• Возьмите двадцать случайных записей и проверьте вручную, звонком или по переписке. Автоматика не видит, что номер давно чужой.

Типичные ошибки при наведении порядка

Первая ошибка — исправлять цифры в итоговом отчёте, а не в источнике. Вы потратите вечер, а на следующей неделе та же ошибка вернётся. Вторая — удалять дубли вручную, не сливая их: вместе с лишней карточкой пропадает история звонков и покупок. Правильно объединять записи, оставляя полную историю в одной.

Третья ошибка — требовать идеала сразу по всем полям. Команда выгорает, и через месяц все возвращаются к старым привычкам. Начните с тех полей, от которых зависят деньги: источник, сумма, статус. Четвёртая — запускать новую интеграцию, чат-бота или ИИ-ассистента поверх неочищенной базы. Автоматизация не исправляет данные, она тиражирует их ошибки быстрее.

Пятая — не назначить ответственного. Если «за данные отвечают все», то на деле не отвечает никто.

Как не пускать мусор: три подхода в сравнении

Ручная чистка раз в квартал даёт быстрый эффект, но не лечит причину: через пару месяцев база снова загрязнена. Скрипты и регулярные проверки хорошо находят дубли и пустые поля, но работают уже после ошибки. Самый дешёвый способ — остановить ошибку в момент ввода.

На практике комбинируют все три, но делают упор на входной контроль. Сделайте обязательными ключевые поля. Замените свободный текст выбором из списка: источник, регион, причина отказа. Проверяйте формат телефона и даты. Включите предупреждение, когда менеджер создаёт клиента с уже существующим номером. Чем меньше свободного ввода, тем меньше вариантов написания одного и того же.

Кто отвечает за данные

Качество данных — не техническая, а организационная задача. Для каждого типа данных нужен владелец: за клиентов отвечает руководитель продаж, за товары и остатки — закупки или склад, за рекламные расходы — маркетолог, за оплаты — бухгалтер. Владелец следит за показателями, разбирает ошибки и согласует изменения в справочниках.

Справочники товаров, клиентов, сотрудников и источников должны быть едиными для всех систем, а правки вносятся в одном месте. Отдельно объясните сотрудникам, зачем это нужно: когда менеджер видит, что его заполненное поле «источник» влияет на то, сохранят ли бюджет на канале, он начинает вносить его аккуратнее.

Чек-лист на первую неделю

Если хочется действовать сразу, пройдите по списку.

• Выбраны ключевые поля и написано, как каждое заполняется.
• Телефоны приведены к единому формату.
• Дубли найдены и объединены с сохранением истории.
• Источник обращения обязателен при создании сделки.
• Свободный текст заменён списками там, где это возможно.
• Назначены владельцы клиентов, товаров и рекламных данных.
• Раз в месяц собирается короткий отчёт: число дублей, доля пустых полей, расхождения между системами.

Связь со сквозной аналитикой

Сквозная аналитика связывает рекламу, заявку, оплату и повторную покупку в одну цепочку. Любая дыра в данных рвёт эту цепочку: нет источника — не видно, какой канал привёл клиента; дубль — продажа считается дважды. Поэтому проверка качества данных всегда идёт первым шагом перед настройкой отчётов.

В markdev мы начинаем проекты по сквозной аналитике именно с такого аудита: смотрим, что реально попадает в CRM, как сходятся Click и Payme с заказами и где теряются метки. Если хотите понять, можно ли доверять вашим отчётам, обсудите задачу с нашей командой — разберём ваши данные и предложим план исправлений.