Ένα στοιχείο εκπομπών με δύο δεκαδικά ψηφία εμπνέει εμπιστοσύνη. Αλλά η ακρίβεια στην απεικόνιση δεν λέει τίποτα για την αξιοπιστία της πηγής. Ένα υπολογιστικό φύλλο που βρίσκεται τρεις χειροκίνητες αντιγραφές πιο πέρα μπορεί κάλλιστα να δείχνει δύο δεκαδικά ψηφία, όπως και ένας αριθμός που προέρχεται απευθείας από ένα επικυρωμένο σύστημα. Η διαφορά δεν βρίσκεται στο πώς φαίνεται ο αριθμός, αλλά στο τι έχει καταγραφεί σχετικά με την προέλευσή του και τι συνιστά έγκυρη τιμή.
Η ψευδοακρίβεια προκύπτει όταν ένας αριθμός εκπέμπει περισσότερη βεβαιότητα από όση δικαιολογούν τα υποκείμενα δεδομένα. Αυτό δεν συμβαίνει από κακή πρόθεση. Συμβαίνει επειδή κανείς δεν έχει καθορίσει ποια είναι τα όρια ενός σημείου δεδομένων: ποιες τιμές είναι εύλογες, ποιες αποκλίσεις είναι φυσιολογικές και ποιες πρέπει να δώσουν σήμα. Χωρίς αυτά τα όρια, κάθε αριθμός φαίνεται εξίσου αξιόπιστος, ακόμη και ο αριθμός που είναι αποτέλεσμα σφάλματος αντιγραφής ή λάθος μονάδας μέτρησης.
Το ερώτημα τι είναι μια έγκυρη τιμή θα έπρεπε επομένως να έχει απαντηθεί για κάθε σημείο δεδομένων, όχι εκ των υστέρων σε ένα δείγμα ελέγχου, αλλά εκ των προτέρων, τη στιγμή που καταγράφεται το σημείο δεδομένων. Μια έγκυρη τιμή δεν είναι μόνο ένας αριθμός εντός εύρους. Είναι επίσης μια μονάδα μέτρησης που είναι σωστή, μια περίοδος που ταιριάζει και μια πηγή που είναι γνωστή.
Ένας κανόνας ποιότητας κάνει περισσότερα από το να εγκρίνει ή να απορρίπτει μια τιμή. Καθορίζει επίσης πότε μια απόκλιση πρέπει να γίνει σήμα. Μια κατανάλωση ενέργειας που είναι υψηλότερη κατά είκοσι τοις εκατό σε σχέση με το προηγούμενο έτος μπορεί να είναι σφάλμα, αλλά μπορεί επίσης να είναι μια πραγματική επέκταση. Ο κανόνας καθεαυτός δεν καθορίζει τι συνέβη· καθορίζει ότι αυτός ο τύπος απόκλισης αξίζει αξιολόγηση πριν προχωρήσει περαιτέρω.
Πώς ρυθμίζετε μια απόκλιση σήματος είναι επομένως διαφορετικό ερώτημα από το τι είναι μια έγκυρη τιμή. Το ένα ερώτημα αφορά το όριο του αποδεκτού, το άλλο το όριο του αξιοσημείωτου. Και τα δύο όρια είναι απαραίτητα, και τα δύο θα έπρεπε να καθορίζονται ανά σημείο δεδομένων, όχι ως γενικός εμπειρικός κανόνας για ολόκληρη την αναφορά.
Ένα σήμα που κανείς δεν βλέπει δεν είναι σήμα. Αυτό είναι το σημείο όπου πολλές δομές δεδομένων σταματούν: ο κανόνας υπάρχει, η απόκλιση εντοπίζεται, αλλά δεν έχει καθοριστεί ποιος λαμβάνει την ειδοποίηση και τι πρέπει να κάνει αυτό το άτομο με αυτήν. Χωρίς κυριότητα ανά σημείο δεδομένων, ένα σήμα εξαφανίζεται σε μια λίστα που κανείς δεν διαβάζει, ή καταλήγει σε κάποιον που δεν γνωρίζει το σημείο δεδομένων και άρα δεν μπορεί να το αξιολογήσει.
Ποιοι έλεγχοι αντιστοιχούν σε ένα σημείο δεδομένων περιλαμβάνει επομένως όχι μόνο τον ίδιο τον κανόνα, αλλά και τη διαδρομή: ποιος είναι ο κύριος, πότε αυτό το άτομο λαμβάνει ειδοποίηση, και τι συμβαίνει αν αυτό το άτομο δεν ανταποκριθεί. Ένα σημείο δεδομένων χωρίς κύριο είναι ένα σημείο δεδομένων για το οποίο κανείς εκτός από τον τελικό χρήστη της αναφοράς δεν θα διαπιστώσει ποτέ ότι κάτι πήγε στραβά, και τότε είναι πλέον αργά για να αντιμετωπιστεί η υποκείμενη αιτία.
Υπάρχουν εργαλεία που εντοπίζουν αποκλίσεις και εμφανίζουν πίνακες ελέγχου. Αυτά τα εργαλεία είναι χρήσιμα από τη στιγμή που υπάρχουν οι κανόνες. Αλλά ένα εργαλείο που λειτουργεί πάνω σε ένα μητρώο σημείων δεδομένων χωρίς καθορισμένες έγκυρες τιμές, χωρίς ορισμούς σήματος και χωρίς ανατεθειμένους κυρίους, παράγει κυρίως ειδοποιήσεις που κανείς δεν μπορεί να ερμηνεύσει. Το ερώτημα πρώτα αγοράζετε ένα εργαλείο ή πρώτα οργανώνετε τη διαδικασία εφαρμόζεται εδώ άμεσα: ένα εργαλείο πάνω από μια μη οργανωμένη διαδικασία αλλάζει τη μορφή του προβλήματος, όχι το περιεχόμενό του.
Το ίδιο ισχύει για τους ορισμούς. Αν δύο τμήματα του οργανισμού χειρίζονται διαφορετική κατανόηση του ίδιου σημείου δεδομένων, τότε ένας κανόνας ποιότητας που ισχύει για το ένα τμήμα θα παράγει ψευδές σήμα για το άλλο. Τι κάνετε με ορισμούς που διαφέρουν ανά τμήμα και ποια επιλογή καθορίζετε θα έπρεπε επομένως να έχει απαντηθεί εκ των προτέρων, διαφορετικά κάθε κανόνας γίνεται μια συμφωνία συμβιβασμού που δεν ταιριάζει πουθενά καλά.
Οι έγκυρες τιμές, τα σήματα και η κυριότητα δεν είναι κάτι που καθορίζεται γενικά και στη συνέχεια εφαρμόζεται παντού. Προκύπτουν από τον τρόπο με τον οποίο ένας οργανισμός καταγράφει πράγματι το σημείο δεδομένων, ποιος έχει στην πράξη πρόσβαση σε αυτό και ποια λάθη έχουν συμβεί στο παρελθόν. Ποιες λειτουργικές απαιτήσεις προκύπτουν από τη δική σας διαδικασία περιγράφει πώς αυτοί οι κανόνες προκύπτουν από την υπάρχουσα διαδικασία αντί από μια γενική λίστα ελέγχου.
Μόλις γίνει σαφές ποιες τιμές είναι έγκυρες, ποιες αποκλίσεις συνιστούν σήμα και ποιος αξιολογεί αυτό το σήμα, προκύπτει επίσης εικόνα για την εργασία που βρίσκεται πίσω από αυτόν τον έλεγχο: ποιος αναζητά στοιχεία, ποιος συγκρίνει με προηγούμενες περιόδους, ποιος προωθεί την ειδοποίηση. Αυτή η εργασία αποτελείται από καθήκοντα που μπορούν να αναλυθούν, και για μέρος αυτών μπορεί να καθοριστεί αν το λογισμικό μπορεί να τα αναλάβει. Η ανάλυση εργασίας της FTE TO AI υπολογίζει ανά καθήκον ποιο μέρος της εργασίας μπορεί να αναληφθεί από AI, με βάση τους ίδιους καθορισμένους κανόνες και διαδρομές που στηρίζουν την ποιότητα των δεδομένων.
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.