Ρωτήστε πέντε τμήματα για το ίδιο μέγεθος — για παράδειγμα τον αριθμό ισοδύναμων θέσεων πλήρους απασχόλησης (fte), την κατανάλωση καυσίμου ενός στόλου οχημάτων, ή αποσβεσμένο εξοπλισμό — και θα λάβετε πέντε συλλογισμούς που αποκλίνουν ελαφρώς. Το ένα υποκατάστημα υπολογίζει και τους εργαζόμενους προσωρινής απασχόλησης, το άλλο όχι. Το ένα εργοστάσιο υπολογίζει σε λίτρα, το άλλο το έχει ήδη μετατρέψει σε λίτρα ανά όχημα ανά έτος και παραδίδει έτσι διαφορετικό είδος αριθμού από αυτό που ζητήθηκε. Στα χαρτιά, όλα ονομάζονται η ίδια μετρική. Στην πραγματικότητα, πρόκειται για διαφορετικούς ορισμούς που τυχαίνει να βρίσκονται στην ίδια στήλη.
Αυτό δεν είναι σφάλμα εισαγωγής δεδομένων. Κανείς δεν πληκτρολόγησε κάτι λάθος. Το πρόβλημα βρίσκεται ένα επίπεδο πιο πριν: δεν έχει καθοριστεί ποτέ ποια είναι ακριβώς η έγκυρη τιμή για αυτό το σημείο δεδομένων, και έτσι κάθε τμήμα καλύπτει το κενό με τη δική του λογική. Τι αποτελεί έγκυρη τιμή και τι όχι, αναλύεται στο τι είναι μια έγκυρη τιμή — το ερώτημα που θα έπρεπε να προηγείται κάθε σύγκρισης μεταξύ τμημάτων.
Το κεντρικό ερώτημα δεν είναι αν προκύπτουν αποκλίσεις — αυτές προκύπτουν πάντα — αλλά ποιος τις εντοπίζει προτού ο αριθμός καταλήξει σε μια αναφορά. Σε πολλούς οργανισμούς η απάντηση είναι: κανείς, μέχρι που ένας εξωτερικός φορέας ή ένας ελεγκτής παρατηρήσει έναν αριθμό που δεν συμφωνεί με τον περσινό. Τότε το ερώτημα έχει ήδη τεθεί πολύ αργά.
Ένα σημείο δεδομένων χωρίς όριο σήματος απόκλισης δεν έχει τρόπο να καταστήσει τον εαυτό του ύποπτο. Ένας αριθμός τριπλάσιος από τον περσινό δεν ξεχωρίζει αυτόματα αν δεν έχει καθοριστεί εύρος ανοχής εντός του οποίου μια τιμή είναι πιθανή. Πώς καθορίζετε αυτό το εύρος ανοχής — σταθερό ποσοστό, ιστορική διασπορά, κατώφλι ανά μονάδα — αναλύεται στο πώς ρυθμίζετε ένα σήμα απόκλισης. Το ερώτημα δεν είναι περίπλοκο, αλλά πρέπει να έχει τεθεί, ανά σημείο δεδομένων, προτού το σημείο δεδομένων συμπληρωθεί.
Ένα σήμα απόκλισης εντοπίζει την ακραία περίπτωση: τον αριθμό που προφανώς δεν είναι σωστός. Όμως οι περισσότερες διαφορές ορισμού μεταξύ τμημάτων είναι πιο λεπτές από αυτό. Ένα υποκατάστημα που υπολογίζει και τους εργαζόμενους προσωρινής απασχόλησης δεν παράγει έναν παράλογο αριθμό — παράγει έναν αριθμό που φαίνεται εντελώς φυσιολογικός, και ακριβώς γι' αυτό δεν ξεχωρίζει.
Για αυτό, κάθε σημείο δεδομένων χρειάζεται περισσότερους από έναν έλεγχο: ένα εύρος εντός του οποίου πρέπει να βρίσκεται η τιμή, μια μονάδα που είναι καθορισμένη, μια απαίτηση πηγής που υποδεικνύει ποιο είδος εγγράφου ισχύει ως τεκμηρίωση, και μια περιγραφή του τι περιλαμβάνεται και τι δεν περιλαμβάνεται στην καταμέτρηση. Ποιος συνδυασμός ελέγχων απαιτείται διαφέρει ανά σημείο δεδομένων και ανά οργανισμό — μια δαπάνη έρευνας και ανάπτυξης απαιτεί διαφορετικές διασφαλίσεις από έναν συντελεστή εκπομπών. Μια επισκόπηση του ποιοι έλεγχοι αντιστοιχούν σε ποιο είδος σημείου δεδομένων βρίσκεται στο ποιοι έλεγχοι αντιστοιχούν σε ένα σημείο δεδομένων. Χωρίς αυτόν τον συνδυασμό προκύπτει ψευδαίσθηση ακρίβειας: ένας αριθμός με δύο δεκαδικά ψηφία που έχει προκύψει από πέντε ορισμούς που δεν ταιριάζουν μεταξύ τους. Από πού προέρχεται αυτή η ψευδαίσθηση ακρίβειας και πώς την αναγνωρίζετε, αναλύεται στο πώς αποφεύγετε την ψευδαίσθηση ακρίβειας.
Ένας ορισμός που είναι καθορισμένος στα χαρτιά δεν είναι αυτόματα ορισμός που εφαρμόζεται. Κάποιος πρέπει να απαντήσει στο ερώτημα όταν ένα τμήμα φέρνει μια οριακή περίπτωση: αυτή η μορφή συνεργασίας υπολογίζεται ως ισοδύναμη θέση πλήρους απασχόλησης ή όχι, αυτός ο προμηθευτής εμπίπτει στο πεδίο εφαρμογής 3 ή όχι. Χωρίς ορισμένο υπεύθυνο, αυτό το ερώτημα καταλήγει σε όποιον τυχαίνει να βρίσκεται πλησιέστερα στη φόρμα, και τότε ο ορισμός μετατοπίζεται ξανά, σιωπηλά, ανά τμήμα.
Το Data Readiness Scan καταγράφει ανά σημείο δεδομένων ποια είναι η έγκυρη τιμή, ποιο σήμα απόκλισης ισχύει, ποιοι έλεγχοι αντιστοιχούν σε αυτό το συγκεκριμένο σημείο δεδομένων, και ποιος είναι ο υπεύθυνος του ορισμού. Αυτό δεν είναι εργαλείο αναφοράς ούτε ερωτηματολόγιο — είναι το μητρώο που καταγράφει τι βρίσκεται κάτω από την αναφορά, ώστε μια διαφορά μεταξύ τμημάτων να γίνεται ορατή προτού ο αριθμός προστεθεί.
Υπάρχουν συστήματα που μπορούν να εκτελούν αυτούς τους ελέγχους. Όμως ένα σύστημα που λειτουργεί πάνω από πέντε διαφορετικούς, ποτέ καθορισμένους ορισμούς, εκτελεί αυτούς τους ελέγχους βάσει κανόνων που κανείς δεν έχει συμφωνήσει. Το αποτέλεσμα είναι μια περιποιημένη διεπαφή με αναξιόπιστους αριθμούς μέσα της. Γιατί η σειρά — πρώτα ο ορισμός, μετά το εργαλείο — έχει σημασία, αναλύεται στο πρώτα αγοράζετε ένα εργαλείο ή πρώτα οργανώνετε τη διαδικασία. Και ποιες απαιτήσεις πρέπει στην πραγματικότητα να πληροί ένα εργαλείο δεν προκύπτει από έναν κατάλογο προμηθευτών αλλά από τη δική σας διαδικασία — δείτε ποιες λειτουργικές απαιτήσεις προκύπτουν από τη δική σας διαδικασία.
Το Data Readiness Scan βρίσκεται υπό κατασκευή. Όποιος αντιμετωπίζει ήδη πρόβλημα με ορισμούς που διαφέρουν ανά τμήμα, μπορεί να εγγραφεί στη λίστα αναμονής και θα ενημερωθεί μόλις το εργαλείο γίνει διαθέσιμο.
Όταν πλέον έχει καθοριστεί τι αποτελεί έγκυρη τιμή, ποιος επιτηρεί τον ορισμό και ποιος έλεγχος αντιστοιχεί σε ποιο σημείο δεδομένων, γίνεται επίσης ορατό ποιο μέρος αυτής της εργασίας είναι επανάληψη: έλεγχος των ίδιων εγγράφων πηγής βάσει του ίδιου κανόνα, δοκιμή του ίδιου εύρους ανοχής σε κάθε νέα εισαγωγή. Αυτή είναι εργασία που, μόλις γίνει ρητή, μπορεί να υπολογιστεί. Ο werkscan της FTE TO AI υπολογίζει ανά εργασία ποιο μέρος της εργασίας μπορεί να αναλάβει η ΤΝ — όχι ως αντικατάσταση του υπεύθυνου που αποφασίζει για τον ορισμό, αλλά ως τρόπο να διακρίνει κανείς τον έλεγχο από την επανάληψη.
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.