csrdready Βάλτε με στη λίστα αναμονής

Kennisbank

Γιατί ένας ακριβής αριθμός δεν είναι το ίδιο με έναν αξιόπιστο αριθμό

Ένα στοιχείο εκπομπών με τρία δεκαδικά ψηφία μετά την υποδιαστολή δίνει την εντύπωση ακρίβειας. Όμως η ακρίβεια δεν λέει τίποτα για την αξιοπιστία. Ένας αριθμός μπορεί να έχει υπολογιστεί μέχρι το τελευταίο δεκαδικό και ταυτόχρονα να βασίζεται σε λάθος μονάδα μέτρησης, σε παρωχημένο συντελεστή μετατροπής ή σε μια εκτίμηση που κάποιος εισήγαγε χρόνια πριν και που ποτέ έκτοτε δεν ελέγχθηκε. Αυτό είναι η ψευδής ακρίβεια: ένας αριθμός που φαίνεται πιο ακριβής από όσο πραγματικά είναι.

Αυτό δεν συμβαίνει επειδή οι άνθρωποι είναι απρόσεκτοι. Συμβαίνει επειδή μια αναφορά είναι το τελευταίο βήμα σε μια μακρά αλυσίδα, και στο τέλος αυτής της αλυσίδας δεν είναι πλέον ορατό τι συνέβη στην πορεία. Ένα υπολογιστικό φύλλο με τρία δεκαδικά φαίνεται το ίδιο, είτε η αρχική τιμή ήταν μετρημένος αριθμός είτε μια εκτίμηση στην τύχη. Χωρίς κανόνες που καθορίζουν τι είναι μια έγκυρη τιμή, αυτή η διαφορά παραμένει αόρατη.

Τι είναι μια έγκυρη τιμή

Κάθε σημείο δεδομένων έχει όρια εντός των οποίων μια τιμή είναι πιθανή. Μια κατανάλωση ενέργειας ανά εγκατάσταση δεν μπορεί να είναι αρνητική. Ένας συντελεστής εκπομπών δεν αλλάζει κάθε τρίμηνο κατά παράγοντα δέκα. Ένας αριθμός προσωπικού δεν αποκλίνει κατά χιλιάδες από τον προηγούμενο μήνα χωρίς εντοπίσιμη αιτία. Αυτά δεν είναι περίπλοκα στατιστικά μοντέλα, είναι απλά, καταγράψιμα όρια ανά σημείο δεδομένων.

Το ερώτημα τι αποτελεί έγκυρη τιμή δεν απαντάται με τον ίδιο τρόπο παντού. Ό,τι θεωρείται αποδεκτό εύρος τιμών για ένα σημείο δεδομένων, μπορεί να είναι πολύ ευρύ ή πολύ στενό για ένα άλλο. Αυτή η επιλογή ανήκει στο ίδιο το σημείο δεδομένων, όπως και το ερώτημα τι είναι μια έγκυρη τιμή και ποιος το αντιλαμβάνεται όταν κάτι πάει στραβά. Χωρίς να γίνει αυτή η επιλογή ρητή, κάθε τιμή που εισέρχεται θεωρείται σιωπηρά σωστή, ακόμη και όταν δεν είναι.

Τι είναι ένα σήμα

Πέρα από ένα αυστηρό όριο, υπάρχει ένα δεύτερο επίπεδο: αποκλίσεις που δεν είναι άκυρες, αλλά είναι αξιοσημείωτες. Μια τιμή που εμπίπτει στο επιτρεπόμενο εύρος, αλλά αποκλίνει σημαντικά από το μοτίβο προηγούμενων περιόδων, δεν είναι λανθασμένη, αλλά αποτελεί σήμα που κάποιος θα έπρεπε να εξετάσει.

Η διαφορά μεταξύ μιας αυστηρής απόρριψης και ενός σήματος είναι μια συνειδητή επιλογή. Ένας έλεγχος έγκυρης τιμής μπλοκάρει· ένα σήμα ζητά προσοχή χωρίς να μπλοκάρει. Και τα δύο είναι απαραίτητα, και και τα δύο πρέπει να είναι καταγραμμένα στο επίπεδο του σημείου δεδομένων, με το ερώτημα πώς ρυθμίζετε μια απόκλιση σήματος και ποιος το αντιλαμβάνεται όταν συμβαίνει ως σημείο αναφοράς. Χωρίς αυτή την καταγραφή, παραμένει τυχαίο ποιος παρατηρεί μια ασυνήθιστη τιμή, και πότε.

Ποιος το βλέπει

Ένας κανόνας χωρίς παραλήπτη είναι ένας κανόνας που κανείς δεν διαβάζει. Αν μια τιμή βρίσκεται εκτός ορίου ή δίνει σήμα, πρέπει να είναι καθορισμένο ποιος το βλέπει: ο υπεύθυνος εισαγωγής δεδομένων, ο ιδιοκτήτης των δεδομένων, ο ελεγκτής που επεξεργάζεται περαιτέρω τον αριθμό. Χωρίς αυτό το βήμα, μια απόκλιση εξαφανίζεται σε ένα αρχείο καταγραφής που κανείς δεν συμβουλεύεται, και ένα εντοπισμένο σφάλμα μετατρέπεται σε ένα σφάλμα που δεν έγινε αντιληπτό.

Εδώ είναι επίσης όπου πολλοί μηχανισμοί ελέγχου σταματούν στην πράξη. Ρυθμίζεται ένας κανόνας, αλλά δεν ανατίθεται σε κάποιον να αντιδράσει σε αυτόν. Ο κανόνας υπάρχει, η ειδοποίηση εμφανίζεται, και δεν συμβαίνει τίποτα. Ποιοι έλεγχοι ανήκουν σε ένα σημείο δεδομένων και ποιος τους βλέπει, συνδέεται με την ευρύτερη επισκόπηση του ποιοι έλεγχοι ανήκουν σε ένα σημείο δεδομένων και ποιος το αντιλαμβάνεται όταν κάτι πάει στραβά. Ένας έλεγχος που κανείς δεν βλέπει, δεν είναι στην πράξη έλεγχος.

Γιατί αυτό δεν λύνεται μόνο με ένα εργαλείο

Υπάρχουν συστήματα που εντοπίζουν αυτόματα αποκλίσεις και στέλνουν ειδοποιήσεις. Αυτά τα συστήματα είναι χρήσιμα, αλλά δεν λύνουν τίποτα αν δεν έχουν απαντηθεί τα υποκείμενα ερωτήματα: τι είναι έγκυρη τιμή για αυτό το συγκεκριμένο σημείο δεδομένων, τι είναι σήμα, και ποιος είναι ο ορισμένος παραλήπτης. Ένα εργαλείο που λειτουργεί με κανόνες που κανείς δεν έχει σκεφτεί σε βάθος, παράγει ειδοποιήσεις που κανείς δεν παίρνει σοβαρά ή προειδοποιήσεις που αγνοούνται συστηματικά. Το αποτέλεσμα φαίνεται σαν έλεγχος, αλλά δεν είναι.

Αυτός είναι ο λόγος που αυτά τα ερωτήματα πρέπει πρώτα να απαντηθούν σε επίπεδο σημείου δεδομένων, προτού ένα σύστημα μπορεί να τα εκτελέσει. Ο κανόνας ανήκει στο σημείο δεδομένων, όχι στο λογισμικό που τυχαίνει να το παρακολουθεί.

Πού αυτό συναντάται με άλλα σημεία τριβής

Η ψευδής ακρίβεια προκύπτει συχνά σε συνδυασμό με ένα άλλο πρόβλημα: τμήματα του οργανισμού που ορίζουν διαφορετικά ένα σημείο δεδομένων. Αν η μία εγκατάσταση υπολογίζει τα τετραγωνικά μέτρα γραφειακού χώρου και η άλλη όχι, ένας έλεγχος πιθανών τιμών δεν επαρκεί, καθώς οι τιμές δεν είναι μεταξύ τους συγκρίσιμες. Τι κάνετε με ορισμούς που διαφέρουν ανά τμήμα και πώς αυτό συνδέεται με τον έλεγχο έγκυρων τιμών, περιγράφεται στη σελίδα σχετικά με τους διαφορετικούς ορισμούς και το σχετικό ερώτημα ελέγχου. Όποιος ρυθμίζει κανόνες ποιότητας χωρίς πρώτα να εξετάσει αυτό το ζήτημα ορισμού, ενδεχομένως ελέγχει πιθανές τιμές που στην πραγματικότητα δεν είναι συγκρίσιμες μεταξύ τους.

Από τους κανόνες στην επισκόπηση

Αυτή η σκανάρισμα καταγράφει ανά σημείο δεδομένων τι είναι έγκυρη τιμή, τι είναι σήμα, και ποιος είναι ο ορισμένος παραλήπτης. Αυτή η επισκόπηση δεν είναι το τελικό σημείο, αλλά το σημείο εκκίνησης: καταγράφει πού αυτή τη στιγμή δεν υπάρχει κανόνας, πού υπάρχει κανόνας χωρίς παραλήπτη, και πού ο ίδιος ο ορισμός ενός σημείου δεδομένων προκαλεί ήδη σύγχυση μεταξύ τμημάτων. Μόλις υπάρχει αυτή η εικόνα, είναι ορατό ποιοι έλεγχοι έχουν το μεγαλύτερο βάρος και πού πρέπει να κατευθυνθεί πρώτα η προσοχή.

Μόλις υπάρχει αυτή η επισκόπηση, μπορεί να απαντηθεί ένα άλλο ερώτημα: ποιο μέρος της εργασίας που τώρα ακόμη γίνεται χειρωνακτικά, μπορεί μετά από αυτή την κατηγοριοποίηση να μεταφερθεί σε μια αυτοματοποιημένη διαδικασία. Για αυτό προορίζεται η εργασιακή σκανάρισμα (werkscan) της FTE TO AI: υπολογίζει ανά εργασία ποιο μέρος της εργασίας μπορεί να αναληφθεί από AI, όχι ως αντικατάσταση των κανόνων ποιότητας που έχουν καθοριστεί εδώ, αλλά ως επόμενο βήμα στην επισκόπηση που έτσι προκύπτει.

Marvinde assistent van de Data Readiness Scan

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.