facebook
Tematické sekce
 
Branžové sekce
Přehledy
 
Tematické seriály
 

GDPR

General Data Protection Regulation zásadně mění zpracování osobních údajů a zavádí nové povinnosti...

články >>

 

Jak uřídit IT projekt a nezbláznit se

Užitečné tipy a nástroje pro řešení problémů řízení inovací a vývoje produktů...

články >>

 

Industry 4.0

Průmysl 4.0

Jaký vliv bude mít čtvrtá průmyslová revoluce na výrobu a výrobní firmy?

články >>

 

Komplexní svět eIDAS

O nařízení eIDAS již bylo mnoho řečeno i napsáno. A proto jediné, o čem...

články >>

 

Trendy v CRM

Systémy pro řízení vztahů se zákazníky (CRM) prochází v posledních letech výraznou změnou. Zatímco dříve...

články >>

 

Příručka úspěšného IT manažera

Dnes je řada IT manažerů opomíjena. Úspěšní bývají brouci Pytlíci a Ferdové...

články >>

 
Partneři webu
Navisys
IT SYSTEMS 11/2004

Kvalita dat trochu jinak

Milan Kučera


Většina článků věnovaných problematice kvality dat se soustředí na technologii(e) a postup fixace datových defektů („čištění“) – podporovaný nějakým sofistikovaným nástrojem. Jinými slovy, zaměřují se pouze na řešení symptomů a nikoliv příčiny. Cílem tohoto článku je poukázat na problematiku kvality informací (dat) v širších souvislostech a ve vazbách na některé ze základních principů kvality.



Čištění = inspekce ≠ zlepšování
Některé společnosti zahajují aktivity v oblasti kvality dat ustanovením útvaru soustředícího se na inspekci dat - data quality assurance (DQA). Na základě zjištěného stavu kvality dat (oproti definovaným metrikám) pak rozhoduje o způsobu jejich nápravy nebo jejich vyloučení z dalšího zpracování. Se snahou vyloučit určitá data z následného zpracování se setkáváme u projektů zaměřených na migraci dat či implementaci datového skladu. K tomuto kroku je útvar DQA obvykle donucen potřebou akceptování požadavků koncových uživatelů na kvalitu informací. Náprava defektních dat, jako součást inspekce, se provádí prostřednictvím korekcí, oprav či čištěním dat s cílem zajistit garantovanou (uživateli požadovanou) kvalitu informací (dat). Inspekce však přichází pozdě, a navíc je pro společnost neefektivní. Jedná se o tzv. cost adding aktivitu. Společnosti zaměřené pouze na inspekci tak trvale zvyšují své náklady na udržení určité úrovně IQ. A navíc, tento přístup vytváří ve společnostech mylný pocit toho, že se věnují informační kvalitě.

Příčina nekvalitních dat
Kvalita informací (dat) jde ruku v ruce s kvalitou příslušného obchodního či rozhodovacího procesu. Dobře a efektivně fungující proces vytváří kvalitní data. Nekvalitní informace (data) jsou pak symptomem nekvalitně a neefektivně fungujícího procesu. Inspekce kvality informací (dat) nemá vliv na kvalitu obchodních procesů, a tedy neřeší příčinu vzniku nekvalitních informací (dat) ve společnosti. Nezatracujme inspekci jako takovou Inspekci můžeme akceptovat pouze tehdy, pokud s problematikou informační (datové) kvality začínáme. Masivní inspekce v pozdějších fázích již není akceptovatelná, neboť naší snahou by měla být eliminace nákladů souvisejících s inspekcí a fixací dat (scrap and rework). Inspekci pak zaměřujeme pouze na pravidelné vyhodnocování kvality kritických informací společnosti.


Obr. 1: Přístup a odpovědnost za zlepšování v českých společnostech


Management a zlepšování
Chování českých manažerů je velmi podobné chování jejich západoevropských kolegů. To znamená, že zlepšování (tedy i zlepšování informační kvality) je převážně řešeno prostřednictvím inovace (nákupem sofistikovaného nástroje), viz obrázek 1.

Rozhodování a inovace je plně v odpovědnosti managementu a senior managementu společností. Z procesu zlepšování jsou vyloučení ostatní zaměstnanci společnosti, což je skutečnost, která je například v rozporu s požadavky vyplývajících z metodiky TIQM. Inovace však vyžaduje relativně vysoké náklady, je zaměřena na zlepšování zcela specifického, velmi úzkého problému a je založena na technologickém řešení. Zlepšování prostřednictvím inovace nemusí být pro některé společnosti akceptovatelné, např. v případě příprav na privatizaci. S ohledem na současnou ekonomickou situaci a trendy minimalizace nákladů je vhodné najít jinou alternativu zlepšování informační kvality. Měla by být založena na minimálních investicích s maximálním využitím stávajících technologií společnosti. Existuje?


Obr. 2: Odpovědnost za procesy zlepšování v japonské firmě


Poučení hledejme v Japonsku
Procesy zlepšování hrají v Japonsku významnou úlohu. Principy zlepšování jsou Japoncům velmi blízké - představují nedílnou součást jejich každodenního života. Na rozdíl od západní Evropy je proces zlepšování založen na kombinaci:
· inovace,
· KAIZEN.

Proces zlepšování z pohledu pracovních náplní japonských zaměstnanců vystihuje obrázek 2.

Oproti původnímu obrázku zde vidíme nový princip procesu zlepšování. KAIZEN znamená proces trvalého zlepšování se zapojením všech zaměstnanců společnosti do tohoto procesu. Hovoříme-li o všech, pak skutečně mluvíme jak o vrcholovém managementu, tak i jednotlivých zaměstnancích. Přístup KAIZEN, na rozdíl od inovace, klade důraz na:
· adaptabilitu, · týmovou spolupráci,
· všeobecnou orientaci,
· "cross-functional" přístup,
· využití stávajících technologií.

Hlubší analýzou pak zjistíme, že například týmová spolupráce znamená definování "leadershipu" a "information stewardshipu", všeobecná orientace znamená začlenění všech "knowledge workers" do procesu zlepšování (řešení problému, kterým jsou negativně ovlivněny), a tak bychom mohli pokračovat dále. Zmiňované principy úzce souvisí se:
· zbavením se závislosti na masivní inspekci (Demingovo pravidlo kvality č. 3),
· zavedením procesů zlepšování (PDCA a SDCA cyklus) (Demingovo pravidlo kvality č. 5),
· zavedením školení pro všechny skupiny zaměstnanců (Demingovo pravidlo kvality č. 6).

V neposlední řadě se také jedná o změny prostředí ve společnosti. Změny musí být provedeny tak, aby prostředí plně podporovalo procesy zlepšování. Za příklad úspěšné transformace společnosti lze považovat firmu General Electric (GE). GE implementovalo procesy zlepšování založené na přístupu Six Sigma. Úspěch v GE plně potvrzuje skutečnost, že změny prostředí v rozsáhlé společnosti je možné realizovat, avšak tyto změny musí být podporovány managementem.

Data profiling
Data profiling (DP) je jednou z disciplín informační kvality. Prostřednictvím DP analyzujeme obsah, kvalitu a strukturu dat. Jedná se o první krok, který bychom měli učinit na cestě ke zlepšování informační (datové) kvality, neboť pouze na základě identifikovaných anomálií jsme schopni identifikovat příčiny jejich vzniku a dále můžeme cíleně zaměřit aktivity související s procesy zlepšování. Na základě kategorizace jednotlivých datových defektů jsme schopni rozhodnout, zda řešení příslušného defektu bude realizováno manuálně, či bude nezbytné využít některý z nástrojů informační kvality. Pokud společnost již vlastní nástroj na čištění dat, lze pomocí data profiligu provádět vyhodnocení efektivnosti tohoto procesu. V některých případech jsme schopni identifikovat další problémy, které byly díky nízké kvalitě dat skryty a objevily se až po fixaci datových defektů.

Spojme KAIZEN s data profilingem
Dříve než se rozhodnete investovat do sofistikovaného nástroje na čištění dat, zkuste spojit přístup KAIZEN s data profilingem. Spojením přístupu KAIZEN a profilingu zajistíme využití stávajících technologií, zapojíme všechny zaměstnance společnosti do procesu zlepšování (obr. 2). Prováděním inspekce - prostřednictvím profilingu - pak dostaneme odezvu na to, jak se nám naše úsilí daří či nedaří. Zapojení zaměstnanců do procesu zlepšování není snadnou záležitostí. Vedení společnosti musí zcela jednoznačně deklarovat zájem o informační kvalitu a dále musí zcela jednoznačně prezentovat zaměstnancům, že informace jsou strategickou komponentou ovlivňující obchodní a rozhodovací procesy. A tedy každý zaměstnanec by měl být odpovědný za kvalitu své práce, například při vkládání dat do systému, přípravě podkladů pro vrcholový management apod. Jedním z cílů KAIZEN je implementace principu "zero-defect". Zero-defect znamená, že data pořizovaná do systému by měla být pořízena napoprvé a s vysokou kvalitou. Následná inspekce pak jen představuje nadbytečné náklady. Aplikací KAIZEN a data profilingu lze vytvořit základní prostředí informační kvality.

Autor článku, Milan Kučera, působí ve společnosti Data to Information.
Chcete získat časopis IT Systems s tímto a mnoha dalšími články z oblasti informačních systémů a řízení podnikové informatiky? Objednejte si předplatné nebo konkrétní vydání časopisu IT Systems z našeho archivu.


Inzerce

Specializovaný software HELIOS Orange Energo pro energetické a plynárenské společnosti

Energo je specializované softwarové řešení pro správu zákaznických dat, vybudované na platformě ekonomického informačního systému HELIOS Orange, určené pro výrobce, distributory a obchodníky s energetickými komoditami.