Üks tehas kaalub jäätmete kaalu kaalusillal. Teine tehas hindab selle mahuti mahu põhjal. Mõlemad esitavad numbri sama rea kohta aruandes. Keegi ei valetanud, keegi ei tehtud viga. Lihtsalt kunagi ei ole fikseeritud, mis on selle andmepunkti täpne definitsioon, ja seetõttu on igaüks valinud kõige loogilisema tõlgenduse, mis tal käepärast oli.
See ei ole erand. See on organisatsiooni normaalne olukord, kus sama mõõdikut esitavad erinevad meeskonnad, erinevate lähtesüsteemide ja erineva ajalooga. Küsimus ei ole selles, kuidas see erinevus enne tekkimist kõrvaldada. Küsimus on selles, mida sellega teha, kui te selle märkate.
Samm, mis tavaliselt vahele jäetakse, on see, et definitsioon peab ise kusagil kirjas olema. Mitte kontrolleri peas, kes on seda aastaid samal moel teinud, vaid registris: see andmepunkt tähendab seda, mõõdetakse sel viisil ja need üksused loetakse kaasa või mitte. Mis on kehtiv väärtus selle raames ja kes märkab, kui esitatud andmed sellest välja jäävad, on kirjeldatud lehel mis on kehtiv väärtus ja kes märkab, kui väärtus sellest välja jääb. Ilma selle fikseerimiseta on igasugune üksuste vaheline kokkuliitmine kokkuliitmine asjadest, mis ei ole täpselt samad, pakendatuna ühte numbrisse, mis näib ühetähenduslik, kuid ei ole seda.
See fikseerimine on täpselt see, mida Data Readiness Scan teeb: mitte aruande ümberkirjutamine, vaid andmepunktide registri koostamine, kus iga andmepunkti kohta on kirjas, mis see on, kust see tuleb ja kes selle eest vastutab. See register on koht, kus üksuste vaheline erinevus muutub nähtavaks, selle asemel, et see ilmneks alles pärast numbri kokkuliitmist.
Kui olete juba märganud, et üksus A ja üksus B mõistavad sama andmepunkti erinevalt, on üldjoontes kolm teed.
Esimene on harmoniseerimine: kehtestada üks definitsioon kogu organisatsioonile, koos kõigi vajalike süsteemimuudatustega. See on pikas perspektiivis tihtipeale õige tee, kuid ei ole midagi, mis oleks üleöö tehtud.
Teine on dokumenteerimine ja korrigeerimine: lasta erinevusel jääda seal, kus see on, kuid fikseerida, kui suur see on ning tagada fikseeritud teisendusega, et koguarv on korrektne. See toimib, kui erinevus on stabiilne ja teadaolev — näiteks kui üks üksus kasutab süsteemselt teistsugust mõõtmismeetodit, mida on võimalik tuletada.
Kolmas on signaliseerimine: mitte korrigeerida, vaid tõsta lippu, kui esitatud andmed erinevad mustrist, mida olete sellelt üksuselt harjunud ootama. Kuidas sellist erinevuse signaali seadistada ja kes sellest teavituse saab, on lahti kirjutatud lehel kuidas seadistada signaalerinevust ja kes märkab, kui see juhtub. Selle tee eesmärk ei ole probleemi lahendada, vaid vältida, et see jääks märkamatuks, samal ajal kui te liigute struktuurse lahenduse poole.
Milline tee on sobiv, sõltub sellest, kui palju üksusi erineb, kui stabiilne see erinevus on, ja kui palju aega on enne, kui number liigub aruandeperioodi. See on kaalutlus, mis erineb organisatsiooniti ja mille see register teie eest ei tee — kuid see teeb nähtavaks, et see kaalutlus tuleb teha.
Definitsioonierinevus on üks vaiksemaid vigu, mis eksisteerib, kuna igal üksusel on omaenda protsessi raames õigus. Üksus, mis hindab mahuti mahu põhjal, ei tee oma protsessi raames midagi valesti. Probleem tekib alles tasandil, kus numbrid kokku saavad, ja just seal on tihtipeale mitte ühelegi isikule määratud kontrollida, kas aluseks olevad definitsioonid on üldse omavahel võrreldavad.
Seepärast on omanike määramine andmepunkti tasandil vähemalt nii oluline kui definitsioon ise. Millised kontrollid kuuluvad andmepunkti juurde ja kes märkab, kui üks neist kontrollidest vahele jäetakse, on kirjeldatud lehel millised kontrollid kuuluvad andmepunkti juurde ja kes märkab, kui üks jääb puudu. Ilma määratud omanikuta jääb küsimus "kes seda tegelikult jälgib" vastuseta, isegi kui definitsioon on paberil olemas.
On kiusatus lahendada see probleem süsteemiga, mis esitatud andmeid automaatselt normaliseerib. Kuid tööriist, mis paigutatakse defineerimata andmepunktide kogumi peale, ei normaliseeri midagi — see pakendab samad erinevused korralikuma kasutajaliidesesse. Toimiv järjekord on esmalt fikseerida definitsioon ja omanikuvastutus ning vaid pärast seda vaadata, milline süsteem sobib. Miks see järjekord ei ole juhuslik, on lahti kirjutatud lehel kas esmalt osta tööriist või esmalt seadistada protsess.
Kui iga andmepunkti kohta on fikseeritud, mis on definitsioon, kes on omanik ja millised erinevused signaliseeritakse, tekib teistsugune küsimus: kes teeb tulevikus ära töö, mis nende kontrollidega kaasneb — ülekontrollimise, üksuse käest järelepärimise, kui see erineb, registri ise ajakohastamise. Osa sellest töost on piisavalt korduv, et see üle anda automaatsele sammule, osa vajab hinnangut, mis jääb inimese pädevusse. FTE TO AI töö-skann arvutab iga ülesande kohta välja, kui suure osa sellest saab AI üle võtta, tuginedes samasugusele konkreetsusele kui see register: ei küsimus, kas automatiseerimine on võimalik, vaid milline osa millisest ülesandest sellesse kategooriasse kuulub.
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.