Ένα εργοστάσιο μετρά το βάρος αποβλήτων στη γεφυροπλάστιγγα. Ένα άλλο εργοστάσιο το εκτιμά με βάση τον όγκο του κάδου. Και τα δύο παραδίδουν ένα νούμερο για την ίδια γραμμή στην αναφορά. Κανείς δεν είπε ψέματα, κανείς δεν έκανε λάθος. Απλώς δεν καταγράφηκε ποτέ ποιος είναι ο ακριβής ορισμός αυτού του σημείου δεδομένων, και έτσι κάθε τμήμα επέλεξε την πιο λογική ερμηνεία που είχε διαθέσιμη.
Αυτό δεν είναι εξαίρεση. Είναι η φυσιολογική κατάσταση σε έναν οργανισμό όπου η ίδια μετρική παραδίδεται από διαφορετικές ομάδες, με διαφορετικά συστήματα προέλευσης και διαφορετικό ιστορικό. Το ερώτημα δεν είναι πώς θα εξαλείψετε αυτή τη διαφορά προτού προκύψει. Το ερώτημα είναι τι κάνετε με αυτήν μόλις τη διαπιστώσετε.
Το βήμα που συνήθως παραλείπεται είναι να υπάρχει ο ορισμός καταγεγραμμένος κάπου. Όχι στο μυαλό του ελεγκτή που το κάνει έτσι εδώ και χρόνια, αλλά σε ένα μητρώο: αυτό το σημείο δεδομένων σημαίνει αυτό, μετριέται έτσι, και περιλαμβάνει ή δεν περιλαμβάνει αυτές τις μονάδες. Τι αποτελεί έγκυρη τιμή εντός αυτού και ποιος το προσέχει όταν μια παράδοση βρίσκεται εκτός αυτού, περιγράφεται στη σελίδα σχετικά με τι είναι μια έγκυρη τιμή και ποιος το προσέχει όταν μια τιμή βρίσκεται εκτός αυτής. Χωρίς αυτή την καταγραφή, κάθε πρόσθεση μεταξύ τμημάτων είναι μια πρόσθεση πραγμάτων που δεν είναι ακριβώς τα ίδια, συνοψισμένη σε έναν αριθμό που απλώς φαίνεται σαφής.
Αυτή η καταγραφή είναι ακριβώς το έργο του Data Readiness Scan: όχι η επανασυγγραφή της αναφοράς, αλλά η δημιουργία του μητρώου σημείων δεδομένων όπου για κάθε σημείο δεδομένων αναφέρεται τι είναι, από πού προέρχεται και ποιος είναι υπεύθυνος γι' αυτό. Αυτό το μητρώο είναι το σημείο όπου η διαφορά μεταξύ τμημάτων γίνεται ορατή, αντί να γίνεται ορατή μόνο αφού το νούμερο έχει ήδη προστεθεί.
Μόλις διαπιστώσετε ότι το τμήμα Α και το τμήμα Β εννοούν κάτι διαφορετικό με το ίδιο σημείο δεδομένων, υπάρχουν κατά προσέγγιση τρεις διαδρομές.
Η πρώτη είναι η εναρμόνιση: επιβολή ενός ενιαίου ορισμού για όλον τον οργανισμό, με όλες τις προσαρμογές συστημάτων που αυτό συνεπάγεται. Αυτή είναι συχνά η σωστή διαδρομή σε βάθος χρόνου, αλλά δεν είναι κάτι που ολοκληρώνεται από τη μια μέρα στην άλλη.
Η δεύτερη είναι η τεκμηρίωση και η διόρθωση: η απόκλιση παραμένει εκεί που είναι, αλλά καταγράφεται το μέγεθός της και με μια σταθερή μετατροπή διασφαλίζεται ότι το σύνολο είναι σωστό. Αυτό λειτουργεί όταν η διαφορά είναι σταθερή και γνωστή — για παράδειγμα όταν μια εγκατάσταση χρησιμοποιεί διαρκώς μια διαφορετική μέθοδο μέτρησης που μπορεί να ανιχνευθεί.
Η τρίτη είναι η σήμανση: όχι διόρθωση, αλλά μια σημαία μόλις μια παράδοση αποκλίνει από το μοτίβο που περιμένετε από αυτό το τμήμα. Πώς ρυθμίζετε μια τέτοια απόκλιση σήματος και ποιος ειδοποιείται γι' αυτήν, περιγράφεται αναλυτικά στη σελίδα σχετικά με πώς ρυθμίζετε μια απόκλιση σήματος και ποιος το προσέχει όταν συμβαίνει. Αυτή η διαδρομή δεν υπάρχει για να λύσει το πρόβλημα, αλλά για να αποτρέψει το να παραμείνει απαρατήρητο ενόσω εργάζεστε προς μια διαρθρωτική λύση.
Ποια διαδρομή είναι κατάλληλη εξαρτάται από πόσα τμήματα αποκλίνουν, πόσο σταθερή είναι αυτή η απόκλιση, και πόσο χρόνο έχετε πριν το νούμερο εισέλθει σε μια περίοδο αναφοράς. Αυτή είναι μια στάθμιση που διαφέρει ανά οργανισμό και που αυτό το μητρώο δεν κάνει για εσάς — κάνει ωστόσο ορατό ότι η στάθμιση πρέπει να γίνει.
Η διαφορά ορισμού είναι ένα από τα πιο σιωπηλά λάθη που υπάρχουν, επειδή κάθε τμήμα χωριστά έχει δίκιο. Η εγκατάσταση που εκτιμά με βάση τον όγκο του κάδου δεν κάνει τίποτα λάθος στο δικό της πλαίσιο. Το πρόβλημα προκύπτει μόνο στο επίπεδο όπου συγκλίνουν τα νούμερα, και ακριβώς εκεί συχνά κανείς δεν έχει οριστεί να ελέγχει αν οι υποκείμενοι ορισμοί είναι καν συγκρίσιμοι.
Γι' αυτό η ιδιοκτησία ανά σημείο δεδομένων είναι εξίσου σημαντική με τον ίδιο τον ορισμό. Ποιοι έλεγχοι ανήκουν σε ένα σημείο δεδομένων και ποιος το προσέχει όταν ένας από αυτούς τους ελέγχους παραλείπεται, περιγράφεται στη σελίδα σχετικά με ποιοι έλεγχοι ανήκουν σε ένα σημείο δεδομένων και ποιος το προσέχει όταν λείπει ένας. Χωρίς έναν οριζόμενο ιδιοκτήτη, το ερώτημα «μα ποιος το βλέπει τελικά αυτό» παραμένει αναπάντητο, ακόμα κι αν ο ορισμός υπάρχει καταγεγραμμένος στα χαρτιά.
Είναι δελεαστικό να θέλετε να λύσετε αυτό το πρόβλημα με ένα σύστημα που κανονικοποιεί αυτόματα τις παραδόσεις. Αλλά ένα εργαλείο που τοποθετείται πάνω από μια συλλογή μη καθορισμένων σημείων δεδομένων δεν κανονικοποιεί τίποτα — απλώς συνοψίζει τις ίδιες διαφορές σε μια πιο ευπρεπή διεπαφή. Η σειρά που κρατά είναι πρώτα να καταγράφεται ο ορισμός και η ιδιοκτησία, και μόνο μετά να εξετάζεται ποιο σύστημα ταιριάζει σε αυτό. Γιατί αυτή η σειρά δεν είναι τυχαία, περιγράφεται αναλυτικά στη σελίδα σχετικά με πρώτα να αγοράσετε ένα εργαλείο ή πρώτα να οργανώσετε τη διαδικασία.
Μόλις καθοριστεί για κάθε σημείο δεδομένων ποιος είναι ο ορισμός, ποιος είναι ο ιδιοκτήτης και ποιες αποκλίσεις σημαίνονται, προκύπτει ένα διαφορετικό είδος ερωτήματος: ποιος θα εκτελέσει στη συνέχεια το έργο που συνοδεύει αυτούς τους ελέγχους — τον επανυπολογισμό, τη διερεύνηση με το τμήμα που αποκλίνει, την τήρηση του ίδιου του μητρώου. Ένα μέρος αυτού του έργου είναι αρκετά επαναλαμβανόμενο ώστε να ανατεθεί σε ένα αυτοματοποιημένο βήμα, ένα άλλο μέρος απαιτεί κρίση που παραμένει σε άνθρωπο. Το εργασιακό scan της FTE TO AI υπολογίζει ανά εργασία ποιο μέρος της μπορεί να αναληφθεί από την ΤΝ, με βάση το ίδιο είδος συγκεκριμένης προσέγγισης όπως αυτό το μητρώο: όχι το ερώτημα αν η αυτοματοποίηση είναι δυνατή, αλλά ποιο μέρος ποιας εργασίας εμπίπτει σε αυτήν.
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.