Vid införandet av ett nytt system måste tillräcklig fokus läggas på att korrekt data förs in från start. Det klassiska uttrycket "skit-in skit-ut" är ofta det som sätter stopp för lyckade implementationer.

Allt för ofta missar användare att systemet inte kan fungera bättre än det data som det laddas med. Vid implementation läggs fokus på hur funktioner ska underlätta användarens arbete samtidigt som korrekt information arbetas fram men med felaktiga grunddata blir resultatet svårt att säkerställa.

Mitt tips är att från start upprätta en datamigreringsplan. Bestäm vilka register som ska migreras, vilka som ska registreras för hand och vilka som endast ska skapas allt eftersom användarna jobbar i det nya systemet. För varje register som ska migreras maskinellt bestäm i förväg vilka åtgärder som ska utföras på det, vem som ska utföra dem och planera för hur lång tid detta kommer att ta.

Rensa bort gammalt data
Se till att endast överföra data som är relevant i det nya systemet. Om du exempelvis har en lista med hundratals leverantörer varav du bara har kontakt med en mindre andel, se till att rensa bort dessa. Du vinner ingenting på att bygga ett okomplett register som vare sig innehåller allt data samtidigt som mycket av datat saknar relevans.

Bestäm ett regelverk för vilka data som ska anses vara gamla och ointressanta. I stället för att låta användarna subjektivt plocka bort poster är det bättre att bestämma regler som tillexempel "Endast leverantörer vi handlat med under se senaste 24 månaderna ska tas med".

Komplettera saknade data
Ta tillfället i akt att komplettera datat. Systemet blir givetvis enklare att använda för användarna om även de nyaste posterna finns med. Om det exempelvis är ett artikelregister där vissa fält saknas för många av posterna, se då till att komplettera detta innan posterna överförs till det nya systemet. Det är betydligt lättare att göra detta nu än att låta användarna lida av detta efter att systemet tagits i drift.

Tvätta data
Ok nu har vi gjort de enkla åtgärderna med att rensa och komplettera data. Nu över till det svårare uppgifterna med att tvätta data. Att tvätta data går ut på att identifiera felaktigheter och åtgärda dessa. Här kommer en lista med olika sorters åtgärder som du bör genomföra för att tvätta datat:

• Ta bort dubbletter. Bestäm villkoren för vad som definierar en dubblett. Är det ett unikt namn, ett unikt organisationsnummer eller någonting annat? Kontrollera om samma post finns fler än en gång och bestäm om dessa då kan slås samman.
• Stavningskontroll. Få saker är så irriterande som felstavningar som listas om och om igen. En felstavning i exempelvis en artikelbenämning kan orsaka ett oseriöst intryck då detta lever vidare i offerter, orderbekräftelser och fakturor.
• Korrigera datum och klockslag. Olika system kan vara känsliga för formatering av datum.
• Identifiera omatchade datakopplingar. Om ett register länkar till poster i ett annat, kontrollera att alla poster har korrekt koppling. Rätta eventuella felaktigheter innan datat migreras in i det nya systemet och undvik problem.

Planera för tidsåtgången
Är det mycket data som ska migreras och detta kommer att ta lång tid, glöm då inte bort att få med de senaste förändringarna. Om åtgärderna för att säkerställa informationen tar flera dagar är risken att nya poster läggs till under tiden. Planera för hur du ska hantera detta.

För att minimera tidsåtgången för att säkerställa datat som ska migreras kan en lösning vara att skapa färdiga skript. Dessa skript gör det också möjligt att upprepa bearbetningen flera gången (inför testaktiviteter etc.).

Att göra läxan ordentligt avseende migrering av data kan kräva en hel del arbete, men det finns mycket att vinna på att åtgärda fel innan de spridit sig i det nya systemet. Läs mer om hur vi arbetar och hur vi med våran projektmodell kan hjälpa dig att lyckas med införandet av din nya affärslösning.