Posts Tagged ‘üzleti intelligencia’

Ez a bejegyzés az “Adatminőség-pokol 9 köre” sorozat 3. része. Korábbi bejegyzések: itt és itt.

Cégtulajdonosok, adatkezelők figyelem!

Megérne egy kérdést, hogy mit tart a vállalkozásában vagy a saját területén a legnagyobb értéknek. Talán az emberi erőforrásokat? Gépeket, eszközöket? Kapcsolatokat? Esetleg az információt, amelyet adat formájában az adatbázisban tárol?

Ha az utóbbi, akkor érdemes elgondolkodni, hogy mit tesz meg azért, hogy ez a legnagyobb érték az is maradjon. Az első gondolat természetesen az, hogy rendszeresen biztonságba helyezi az adatokat (biztonsági mentések formájában), de ezzel most itt nem foglalkozunk. A következő lépés az, hogy ne szemétkupacban kelljen turkálnia, ha valamilyen információt elő szeretne bányászni az adatbázisaiból. Ha úgy gondolja, hogy ez is fontos, akkor nyomjon meg gombot a következő szavazásban:

Ha az első gombot nyomta meg, akkor mindenképpen olvasson tovább! Hacsak nem Ön agya az IBM Blue Gene szuperszámítógép klónozott változata. Ha más gombot nyomott meg, akkor is olvasson tovább, mivel megoldásokat találhat a HOGYAN-ról.

Ha idáig eljutott az olvasásban, akkor csak az tudom mondani, hogy “Gratulálok! Ön kezdi megérteni, hogy az adatminőség biztosítása fontos helyen szerepel az üzlet továbbfejlődésében. ”

Rendben, mit fog akkor csinálni, hogyan fogja megoldani a problémát?

Thomas Redman a Data Driven: Profiting from Your Most Important Business Asset (Adatvezérlés: profitálás a legfontosabb üzleti vagyonból) című könyvében egy analógiát használ, amit úgy hív, hogy adatminőség-tó.

“A tó reprezentálja az adatbázist és a víz a benne levő adatokat. Az áramlás, amely új vizeket hoz a tóba, olyan üzleti folyamatok, amelyek új adatot hoznak az adatbázisba. A víz szennyezett, mint ahogy az adatok is tartalmaznak szemetet. Hasonlóan a hiányosságok az üzleti folyamatban hibákat generálnak az adatbázisban.

Az egyik út a víz minőségének javítására a víz tisztítása. Vagyis szurok beépítése, a víz átfolyatása speciálisan tervezett tartályokon, kémiai anyagok használata a baktériumok megölésére és a PH-érték beállítására.

Az alternatíva a vízszennyeződés csökkentésére a gyárak szennyeződéskibocsátásának redukálása.

A kontraszt a két megközelítésben igen erős. Az első esetben maga a tó van a fókuszban, a második esetben a tóba ömlő áramlás. Hasonló a képlet az adatok esetében. A hibák megtalálása és kijavítása az adatbázisban olyan adatokon, amelyek már léteznek. A hibák megelőzése az üzleti folyamatokra és a jövőben keletkező adatokra koncentrál.”

Reaktív adatminőség

Abban az esetben, amikor a feladat a hibák megtalálása és korrigálása az operatív adattárban (operative data store – ODS) és a adattárházban (enterprise data warehouse – EDW) vagy más vállalati adattárban, akkor a vállalat reagál a felmerült problémára.  Más szóval a hibák javítása azután történik, miután az adatbázisba kerültek már az adatok.

Proaktív adatminőség

Ha a vállalat a megelőzésre fordít figyelmet, vagyis a hibák kijavítása már az adatforrásból jövő adatok adatbázisba kerülés előtt megtörténik, akkor a vállalat proaktívan áll a kérdéshez. Thomas Redman felállít egy tizes szabályt a proaktív adatminoség leírásakor, mely szerint:

“Tízszer többe kerül az a munkaegység, amely a hibás input adatok (pl. késői, hiányos, inkorrekt) kijavítására irányul, mint az a munka, ha input adatok tökéletesen kerülnek az adatbázisba“‘.

Nyilvánvalóan lehetetlen a hibák tökéletes megelőzése, azonban minél nagyobb a bejövő adatok kontrollja, annál nagyobb az adatok minősége a vállalatok információs rendszerben.

Hiperaktív adatminőség

Mivel a legtöbb komplex probléma nem oldható meg gyorsan és könnyen, a legjobb megoldás a kétfajta adatminőség-biztosítás kombinálása. Jim Harris ezt hiperaktív adatminőségnek hívja. A lényege, hogy az adatminőség biztosítása egy vállalat mindennapi feladata kell hogy legyen.

Bookmark It

Hide Sites