Číslo emisí se dvěma desetinnými místy budí důvěru. Ale přesnost ve zobrazení nic nevypovídá o spolehlivosti zdroje. Tabulka, která je vzdálená tři ruční přepisy, může stejně tak dobře zobrazovat dvě desetinná místa jako číslo, které pochází přímo z ověřeného systému. Rozdíl netkví v tom, jak číslo vypadá, ale v tom, co bylo zaznamenáno o tom, odkud pochází a co je platná hodnota.
Zdánlivá přesnost vzniká, když číslo vyzařuje více jistoty, než jakou podkladová data ospravedlňují. Nevzniká to ze zlého úmyslu. Vzniká to, protože nikdo nezaznamenal, jaké jsou hranice daného datového bodu: jaké hodnoty jsou plausibilní, jaké odchylky jsou normální a jaké by měly vyvolat signál. Bez těchto hranic vypadá každé číslo stejně důvěryhodně, i to, které je výsledkem chyby při přepisu nebo špatné jednotky.
Otázka jaká je platná hodnota by proto měla být zodpovězena u každého datového bodu, ne dodatečně při namátkové kontrole, ale předem, ve chvíli, kdy je datový bod zaznamenáván. Platná hodnota není jen číslo v určitém rozsahu. Je to také jednotka, která souhlasí, období, které odpovídá, a zdroj, který je znám.
Pravidlo kvality dělá víc než jen schválit nebo zamítnout hodnotu. Určuje také, kdy se odchylka má stát signálem. Spotřeba energie, která je o dvacet procent vyšší než loni, může být chyba, ale může to být i skutečné rozšíření. Pravidlo samo nezaznamenává, co se stalo; zaznamenává, že tento typ odchylky si zaslouží posouzení, než postoupí dál.
Jak nastavíte signální odchylku je tedy jiná otázka než co je platná hodnota. Jedna otázka se týká hranice přípustnosti, druhá hranice nápadnosti. Obě hranice jsou potřebné a obě by měly být zaznamenány u jednotlivého datového bodu, ne jako obecné pravidlo pro celý report.
Signál, který nikdo nevidí, není signál. Toto je bod, kde mnoho datových struktur končí: pravidlo existuje, odchylka je detekována, ale není zaznamenáno, kdo dostane upozornění a co s tím má daná osoba udělat. Bez vlastnictví u každého datového bodu zmizí signál v seznamu, který nikdo nečte, nebo se dostane k někomu, kdo daný datový bod nezná a tedy jej nemůže posoudit.
Jaké kontroly patří k datovému bodu proto zahrnuje nejen samotné pravidlo, ale i cestu: kdo je vlastníkem, kdy tato osoba dostane upozornění a co se stane, když nereaguje. Datový bod bez vlastníka je datový bod, u kterého si nikdo, kromě koncového uživatele reportu, nikdy nevšimne, že se něco pokazilo, a pak je pozdě udělat něco s příčinou.
Existují nástroje, které detekují odchylky a zobrazují dashboardy. Ty nástroje jsou užitečné, jakmile pravidla existují. Ale nástroj, který běží na registru datových bodů bez zaznamenaných platných hodnot, bez definic signálů a bez určených vlastníků, produkuje především upozornění, která nikdo nedokáže interpretovat. Otázka nejprve koupit nástroj nebo nejprve zavést proces se sem přímo vztahuje: nástroj nad neuspořádaným procesem změní podobu problému, ne jeho obsah.
Totéž platí pro definice. Pokud dvě části organizace používají jiné chápání téhož datového bodu, pravidlo kvality vytvoří pro jednu část falešný signál a pro druhou ne. Co uděláte s definicemi, které se liší podle útvaru, a jakou volbu zaznamenáte by proto mělo být zodpovězeno předem, jinak se z každého pravidla stane kompromis, který nikam pořádně nesedí.
Platné hodnoty, signály a vlastnictví nejsou něco, co se určí obecně a pak se aplikuje všude. Vyplývají z toho, jak organizace daný datový bod skutečně zaznamenává, kdo k němu má v praxi přístup a jaké chyby se v minulosti staly. Jaké funkční požadavky vyplývají z vašeho vlastního procesu popisuje, jak se tato pravidla odvozují ze stávajícího procesu, a ne z obecného kontrolního seznamu.
Jakmile je jasné, jaké hodnoty jsou platné, jaké odchylky tvoří signál a kdo tento signál posuzuje, vznikne také přehled o práci, která za touto kontrolou stojí: kdo vyhledává údaje, kdo porovnává s předchozími obdobími, kdo předává upozornění dál. Tato práce se skládá z úkolů, které lze rozčlenit, a u části z nich lze určit, zda ji může převzít software. Werkscan od FTE TO AI vypočítá pro každý úkol, jakou část práce je možné převést na AI, a to na základě stejných zaznamenaných pravidel a postupů, které podkládají kvalitu dat.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.