Datainmatning för in information i ett system. Någon skriver in den, skannar den eller importerar den från en annan källa. Arbetet är repetitivt och felbenäget. En omkastad siffra i ett fakturanummer. Ett felstavat namn. Ett datum som anges i fel format. Små misstag förvärras. En rapport som bygger på felaktiga poster ger felaktiga slutsatser.

Automatisering har minskat behovet av manuell datainmatning. OCR extraherar text från skannade dokument. API:er flyttar data mellan system utan mänsklig kontakt. Formulär validerar inmatning innan den skickas in. Men automatisering är inte perfekt. OCR läser fel handstil. API:er går sönder när scheman ändras. Formulär kan inte upptäcka alla fel. Manuell inmatning sker fortfarande, särskilt för ostrukturerade källor och äldre system. Det bästa är att minimera det. Varje manuellt steg är en möjlighet till fel. Där manuell inmatning är oundviklig, använd valideringsregler, dubbel inmatning för kritiska fält och regelbundna granskningar. Kostnaden för dålig data är högre än kostnaden för att mata in den korrekt första gången. Datainmatning är inte ett högkvalificerat jobb, men det är ett jobb med hög noggrannhet. Noggrannhet kräver uppmärksamhet och bra verktyg.

Minska datainmatningsfel

• Valideringsregler — kontrollera format och intervall vid inmatning
• Listrutor och sökningar — begränsa valen till giltiga värden
• Dubbel inmatning — ange viktiga data två gånger och jämför
• OCR och automatisering — minska manuella tangenttryckningar
• Revisioner — ta urval och verifiera inmatad data

Datainmatning är ytterdörren till datapipelinen. Fel här flyter nedströms och blir svårare att åtgärda.