数据过时
从技术上讲，过时的数据是不准确数据的一个子集，因为它也是不正确的销售数据。
但原因却不同。
过时的数据是不再相关或不再最新的信息，例如正确但不再有效的电子邮件（例如，因为潜在客户离开公司并且帐户被关闭）。
数据随着时间的推移而过时是很自然的。职位会发生变化，员工会离开组织，公司会被收购，电话号码等联系方式甚至会被替换。
每年约有 30% 的客户信息会过期。更新信息只是常规数据清理实践的一部分。
尽管这可能很自然，但过时的数据具有与其他常见质量问题相同的负面影响：浪费销售代表的时间和精力。
解决数据过时的问题需要定期更新。手动审核数据验证实践（例如每年一次）是可行的，但首选方法是使用 Cognism 等解决方案，它提供定期更新和警报。
在 Cognism 中设置数据丰富时，您可以按照预定义的时间间隔安排CRM 丰富更新。这可确保数据库中的信息及时且正确。
5. 数据不一致
数据不一致是指数据存储或输入方式存在差异或差别。
当不同的团队或系统使用不同的数据输入标准或格式时，就会发生这种情况，例如不同的公司分支机构输入发票信息的流程不同。
例如，数据格式不一致，例如报告一笔成 沙特阿拉伯电子邮件列表 交交易的时间应该是 4 月 6 日，但实际却是 6 月 4 日。您可以看到这会给企业带来多么严重的后果！
这也给公司层面的数据集成和销售策略分析带来了问题。
解决方案就是在整个组织内标准化数据输入流程。
Cognism 可以通过标准化数据格式、跨不同系统集成以及采用数据协调流程来提供帮助，防止数据格式不一致。
6.非结构化数据
非结构化数据是典型的数据质量问题。当客户或公司数据缺乏组织或预定义格式时，就会出现这种情况。
面向客户的表单、电子邮件或社交媒体上的自由文本字段中的信息都是非结构化数据的例子。
另一方面，结构化数据的例子包括客户姓名和电话号码或公司员工人数和收入。这些信息可以在预定义字段中找到。您可以过滤、排序和搜索它们。
非结构化数据并不一定会降低销售数据质量。
但很难分析并从中提取可操作的见解。传统上，你只能找到并阅读它，这很耗时。
如今的人工智能工具可以帮助解决这个问题。你可以向它们提供大量非结构化数据集，并向它们提出简单的问题。
以Cognism 的 AI 搜索为例
输入一个简单的提示（任何语言！），例如“显示年收入低于 5000 万美元的 IT 行业企业”， AI Search 将完成所有繁重的工作，并向您提供相关潜在客户的列表。
观看我们的视频，了解 AI 搜索的工作原理 👇
7.暗数据
暗数据，也称为隐藏数据，是您收集但未显示、未使用或未分析的任何数据。
其数据存储在系统中，但不会被主动访问或利用，例如销售数据从未与客户成功共享，因此无法用于提供更好、更个性化的服务。
因为它代表着错失了收集宝贵见解的机会。
您获得了数据，但却没有用它做任何事情，因此您错 如何策略性地使用 YouTube Stories 过了数据可能提供的任何见解，例如了解已完成和已丢失交易之间的趋势。
要消除暗数据，请使用能够查找隐藏关联的工具或实现数据目录。
8. 孤立数据
孤立数据是业务数据中另一个常见的质量问题。孤立数据是孤立的，没有链接到任何相关记录或上下文（尽管以前可能有）。
它也可能是一个联系人数据库中存在但不存在于另一个联系人数据库中的数据，通常是由于集成质量差或跨平台兼容性问题（例如，某个字段存在于一个工具中但不存在于另一个工具中）。
这种情况经常发生，因为记录被部分删除。例如，您可能会清理数据库中的客户数据（因为您只想在必要时保留个人信息），这可能会使一些订单数据滞留。
孤立数据是有问题的，因为它会导致对潜在客户或客户的视图不完整，从而影响您做出明智决策或个性化推广的能力。
解决孤立数据问题需要
数据审计。
数据库约束的实施。
使用自动脚本来识别和处理孤立数据。
9. 不相关的数据
不相关数据是与您当前的业务策略无关或数量过多的任何数据。
这是有自然且合理的原因的：
许多企业（或者更确切地说是为他们工作的人）认为，获取并保留每个客户的每一份可能的客户数据将在未来的某个时候对他们有所帮助。
从某些方面来看，这种观点是正确的，但最终 企业对企业数据库 会导致数据过多而不知如何处理，尤其是当这些数据对您的业务活动没有帮助时。此外，数据会老化（参见问题 4。过时的数据！），失去价值并变得过时。
这会产生很多问题：
团队领导和经理将努力做出明智的商业决策。
当销售代表需要获取所需信息时，他们会发现更加困难。
您的销售流程将会大大减慢。
这里的解决方案是什么？
制定删除冗余、过时和不相关数据的策略。使用数据过滤和分段工具来缩减数据集的大小。
10. 虚假数据
最后，我们有欺诈数据，这对任何公司来说都是一个至关重要的问题！
它指的是任何故意伪造或误导的数据。
恶意公司或个人故意将欺诈或虚假信息添加到您的数据库中以欺骗或操纵您，这就是这种情况。竞争对手通过面向潜在客户的表单向您的 CRM 添加虚假线索就是一个例子。
您需要强大的数据验证和欺诈检测机制来克服这个问题。
明智的做法是只与那些严肃对待欺诈行为的知名数据供应商合作。在 Cognism，我们采用强大的数据验证机制来过滤掉欺诈性数据：
我们完全遵守 GDPR 和 CCPA。
我们的数据库已完全通知。
我们是唯一一家检查美国、加拿大、澳大利亚、英国和欧洲国家“禁止致电”名单的提供商。