Datový bod získává smysl teprve tehdy, když je jasné, co se do něj smí a co nesmí zapsat. Spotřeba energie pobočky nemůže být záporná. Procento nepřesáhne sto. Emisní faktor by měl ležet v určitém rozmezí, v závislosti na zdroji, který byl použit. Bez těchto hranic může jakákoli zadaná hodnota projít dál do zprávy, i když je výsledkem špatné jednotky, špatné desetinné čárky nebo záměny sloupce.
Platná hodnota tedy není hodnocení kvality obsahu čísla. Je to technická hranice: rozsah, typ, povinná jednotka, vztah k jinému datovému bodu. Tuto hranici stanovíte pro každý datový bod zvlášť, ne pro celou zprávu. To je rozdíl mezi kontrolou, kterou jednou za rok ručně provede někdo z lidí, a pravidlem, které je uloženo přímo u datového bodu, takže jím musí projít každý vstup.
Ne každá odchylka je chyba. Spotřeba, která se letos výrazně liší od loňska, může být chyba, ale také důsledek rekonstrukce, akvizice nebo jiného období měření. Proto je užitečné rozlišovat mezi dvěma druhy pravidel.
Prvním druhem je pevná hranice: hodnota, která prostě není možná. Záporná hodnota tam, kde to nejde, procento nad sto, datum v budoucnosti. Takové hodnoty byste měli zastavit dřív, než postoupí dál.
Druhým druhem je signál: hodnota, která je možná, ale odchyluje se od toho, co byste očekávali. Výrazný nárůst oproti loňskému roku, číslo daleko mimo rozmezí srovnatelných poboček, vstup, který přichází přesně na termín bez odůvodnění. Signál nic neblokuje. Vyžaduje pouze pohled na věc a případně vysvětlení, než se číslo posune dál. Jak tyto dva druhy pravidel nastavit a od sebe odlišit, je popsáno na stránce o nastavení signální odchylky pro datový bod.
Pravidlo, které se spustí, ale nikdo ho nevidí, není pravidlo. Ke každému datovému bodu tedy nepatří jen mezní hodnota, ale i jméno: kdo je vlastníkem tohoto datového bodu a kdo signál uvidí, pokud se hodnota odchýlí. U datového bodu bez vlastníka signál zmizí v systému, který nikdo nekontroluje, nebo v tabulce, která se znovu otevře až při uzávěrce roku.
Toto vlastnictví nemusí být složité. Jde o jméno u datového bodu, ne o proces. Ale bez tohoto jména je pravidlo kvality jen pravidlem na papíře. Jaké kontroly logicky patří k jakému typu datového bodu a proč každý datový bod nepotřebuje stejnou kontrolu, si přečtete na stránce o tom, jaké kontroly patří k datovému bodu.
Hranice datového bodu se neberou z ničeho. Vycházejí z definice datového bodu: co měří, v jaké jednotce, za jaké období, pro kterou část organizace. Pokud se tato definice liší mezi jednotlivými částmi — jedna pobočka počítá v metrech čtverečních podlahové plochy, druhá v hrubé podlahové ploše — pak se liší i to, co je platná hodnota, a hranice, která platí pro jednu pobočku, se stává nepoužitelnou pro druhou. Jak s tím naložit, je popsáno na stránce o tom, jak postupovat s definicemi, které se liší mezi jednotlivými částmi.
Existuje i další nástraha: mezní hodnota, která naznačuje, že číslo je přesnější, než zdroj umožňuje. Emisní faktor se čtyřmi desetinnými místy za odhadem, který je přesný na dvě číslice, vyvolává dojem přesnosti, která ve skutečnosti neexistuje. Pravidla kvality by měly tuto zdánlivou přesnost zachytit, místo aby ji potvrzovaly, což je dále rozvedeno na stránce o tom, jak zabránit zdánlivé přesnosti.
Je lákavé pořídit si nástroj, který automaticky kontroluje chyby. Ale nástroj nasazený na neuspořádaný proces kontroluje pravidla, která ještě nejsou stanovena, proti datovým bodům, které nemají vlastníka, na základě definic, které se liší mezi jednotlivými částmi. Výsledkem je upravenější zpráva o číslech, která stále nejsou zkontrolována.
Data Readiness Scan proto nejprve zaznamená, co existuje: registr datových bodů, původ každého čísla, vlastnictví a pravidla, která určují, co je platná hodnota a co je signál. Toto je práce, která nyní často zůstává roztroušená v tabulkách, e-mailové korespondenci a hlavách několika lidí. Nástroj, který toto podporuje, se právě připravuje; kdo se tím chce zabývat už teď, se může přihlásit na čekací listinu.
Jakmile je jasné, jaká pravidla a kontroly patří ke kterému datovému bodu, vzniká také jasný obrázek o tom, jaká část této kontrolní práce je opakovatelná a jaká vyžaduje posouzení. Toto rozlišení je klíčové ve pracovním skenu FTE TO AI, který pro každý úkol vypočítá, jakou část práce lze převést na AI a jaká část zůstává u člověka.
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.