＂出售的支持者是一个由数字媒体社区的卖方撰写的专栏。

今天的专栏作者是德克兰·欧文斯，数字分析专家钢琴．

随着第三方cookie的弃用，第一方数据作为广告支柱的前景比以往任何时候都清晰。但在他们转换之前，品牌和出版商都必须确保他们收集的数据符合可靠性和安全性的质量标准。

这里有审计组织数据质量和改善组织数据流的六种方法:

控制数据收集的完整性

数据抽样是一种普遍的做法，它只分析数据的一个子集，用于估计总体结果。但是，当涉及到关键决策时，一个估计是不够的。你的数据还应该捕捉所有跨设备的用户行为，保持客户和相对性能的完整视图。没有抽样的完整数据集是避免使用可能不完全反映现实的扭曲信息破坏组织决策的最佳方法。

定期审核你的标签

数据所有者应该能够获得容易的质量控制和可靠的标签，包括常规程序，如自动测试，这将允许您检查所有标签的存在，并验证数据的可靠性。便利标签审核的工具至关重要，特别是当您更新数字平台时。

确保测量的准确性

通过了解进入提供商数据管道的内容以及如何创建指标，对于如何计算指标具有完全的透明度是很重要的。为了了解你的真实流量，你还需要识别并排除浏览你网站的机器人的流量。机器人流量占所有网络流量的一半以上，所以如果不解决这个问题，这将严重影响统计数据。

此外，许多广告拦截扩展和浏览器在默认情况下拦截了一些跟踪器，即使在法律环境(例如，同意)允许你合法地收集这些数据。为了解决这个问题，很重要的一点是部署第一方的领域度量，以收回控制权并鼓励信任，尤其是在客户和业务之间的关系中。

不断清理您的数据，以增强其完整性

确保您的数据是可访问的，格式良好的，并完全按照计划捕获。通过测试数据的检索和显示方式，您可以确保您的值正确地显示在报表上。在收集过程中，您应该检查在分析中是否有公平和经过验证的数值。

通过设置自定义数据处理规则的个性化标记工具，您可以纠正由于标记问题造成的错误，丰富收集的数据并排除不需要的流量。具有自动质量控制的工具可以让您在需要时独立地更新数据，而无需依赖技术支持来更改代码。

围绕单一参考点集中数据

实现有效的数据治理通过建立数据的一致使用一个事实。常用的分析工具有助于合理的决策以同样的方式收集、计算和处理的数据为基础。使用用于一致性的通用参考指标，您可以根据它们的定义和计算确定应该使用哪些指标，例如，作为每个业务功能的性能基准或运行宏观级别的报告。

严格遵守法规

通过将您的数据收集和处理方法与相关的数据保护法律相一致，您可以默认地保证您的数据是准确的和符合要求的。您应该完全清楚您正在收集的数据，如何处理它，存储在哪里以及存储多长时间，并能够在需要时修改或删除数据。

数据具有不可思议的潜力，但我们经常看到一些组织试图把铅变成黄金，而不是制造管道。换句话说，如果数据是未来的石油，我们正试图把它放进我们的引擎，而不是先提炼它。结果是爆炸性的。

如果没有收集、处理、储存、恢复、分配等各个环节所需的艰苦工作，数据就不能正确地灌溉指导公司战略的决策系统。如果一个执行团队支持一个基于有问题的指标而没有质量控制的战略决策，那么这个执行团队可能比那些使用良好直觉的执行团队更糟糕。

遵循钢琴(@piano_io)和交换器(爱游戏体育骗子@爱游戏体育骗子adexchanger)在Twitter上。