Jedna fabrika broji težinu otpada na vagi za kamione. Druga fabrika je procjenjuje na temelju volumena kontejnera. Obje isporučuju broj za istu stavku u izvještaju. Nitko nije lagao, nitko nije napravio pogrešku. Samo nikad nije zapisano što je točna definicija tog podatka, pa je svaki odjel odabrao najlogičnije tumačenje koje je imao na raspolaganju.
Ovo nije iznimka. To je normalno stanje organizacije u kojoj istu metriku isporučuju različiti timovi, s različitim izvornim sustavima i različitom povijesti. Pitanje nije kako ovu razliku ukloniti prije nego što nastane. Pitanje je što s njom učiniti u trenutku kad je uočite.
Korak koji se najčešće preskače je da sama definicija negdje stoji zapisana. Ne u glavi kontrolera koji to godinama radi na isti način, već u registru: ovaj podatak znači ovo, mjeri se tako, i ove jedinice se u njega ubrajaju ili ne. Što je valjana vrijednost u tom okviru i tko to primijeti kad neka isporuka izlazi iz tog okvira, opisano je na stranici o tome što je valjana vrijednost i tko primijeti kad vrijednost izlazi iz okvira. Bez tog zapisa, svaki zbroj preko odjela je zbroj stvari koje nisu baš iste, upakiran u jedan broj koji izgleda kao da je jednoznačan.
Ovo zapisivanje je upravo posao koji obavlja Data Readiness Scan: ne prepisivanje izvještaja, već izgradnja registra podataka u kojem je za svaki podatak zapisano što je, odakle dolazi i tko za njega odgovara. Taj registar je mjesto gdje razlika između odjela postaje vidljiva, umjesto da postane vidljiva tek nakon što je broj već zbrojen.
Kad jednom uvidite da odjel A i odjel B nešto drugačije tumače pod istim podatkom, postoje grubo tri puta.
Prvi je usklađivanje: nametnuti jednu definiciju za cijelu organizaciju, sa svim prilagodbama sustava koje to podrazumijeva. To je često pravi put na dulji rok, ali nije nešto što se rješava od danas do sutra.
Drugi je dokumentiranje i korekcija: ostaviti odstupanje tamo gdje jest, ali zapisati koliko je veliko i putem fiksnog preračunavanja osigurati da ukupan zbroj bude točan. To funkcionira kada je razlika stabilna i poznata — na primjer kad jedna lokacija strukturno koristi drugu metodu mjerenja koja se može svesti na zajednički nazivnik.
Treći je signaliziranje: ne korigirati, već postaviti oznaku čim isporuka odstupi od uzorka koji je za taj odjel poznat. Kako se takva signalna razlika postavlja i kome se o tome šalje obavijest, detaljno je opisano na stranici o tome kako postaviti signalno odstupanje i tko to primijeti kad se dogodi. Ovaj put ne postoji da bi riješio problem, već da spriječi da problem prođe neprimijećen dok radite na strukturnom rješenju.
Koji je put prikladan ovisi o tome koliko odjela odstupa, koliko je to odstupanje stabilno, i koliko vremena ima prije nego što broj uđe u razdoblje izvještavanja. To je odluka koja se razlikuje od organizacije do organizacije i koju ovaj registar ne donosi za vas — ali on jasno pokazuje da se ta odluka mora donijeti.
Razlika u definiciji jedna je od najtiših pogrešaka koje postoje, jer je svaki odjel zasebno u pravu. Lokacija koja procjenjuje na temelju volumena kontejnera ne radi ništa loše u okviru svog vlastitog procesa. Problem nastaje tek na razini na kojoj se brojevi spajaju, i baš tamo često nitko nije određen da provjeri jesu li temeljne definicije uopće usporedive.
Zato je vlasništvo po podatku jednako važno kao i sama definicija. Koje kontrole pripadaju uz podatak i tko primijeti kad se jedna od tih kontrola preskoči, opisano je na stranici o tome koje kontrole pripadaju uz podatak i tko primijeti kad jedna izostane. Bez određenog vlasnika, pitanje 'a tko to zapravo prati' ostaje bez odgovora, i onda kad je definicija zapisana na papiru.
Privlačno je htjeti riješiti ovaj problem sustavom koji automatski normalizira isporuke. Ali alat koji se postavi iznad skupine nedefiniranih podataka ne normalizira ništa — on samo iste razlike upakira u urednije sučelje. Redoslijed koji se održi je: prvo zapisati definiciju i vlasništvo, a tek onda pogledati koji sustav tome odgovara. Zašto taj redoslijed nije slučajan, detaljno je objašnjeno na stranici o tome treba li prvo kupiti alat ili prvo urediti proces.
Čim se po podatku utvrdi što je definicija, tko je vlasnik i koja se odstupanja signaliziraju, javlja se drugačija vrsta pitanja: tko će ubuduće obavljati posao koji ide uz te kontrole — preračunavanje, provjeru kod odjela koji odstupa, održavanje samog registra. Dio tog posla je toliko ponovljiv da se može prepustiti automatskom koraku, dio zahtijeva procjenu koja ostaje na čovjeku. Radna analiza (werkscan) tvrtke FTE TO AI izračunava po zadatku koji se dio može prepustiti AI-u, na temelju iste vrste konkretnosti kao ovaj registar: ne pitanje je li automatizacija moguća, već koji dio kojeg zadatka u to spada.
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.