Kennisbank

Što je valjana vrijednost — i tko primijeti kada nešto krene po zlu?

Broj u izvještaju o održivosti odnekud potječe: brojilo, račun, procjena, izvoz iz sustava. U trenutku kada se taj broj unosi, kopira ili preuzima, obično nema nikoga koji provjerava je li točan. Ne zato što to nitko ne želi, nego zato što nije utvrđeno pravilo koje kaže što je uopće valjana vrijednost za tu konkretnu podatkovnu točku.

Valjana vrijednost nije mišljenje

"Je li ovaj broj točan" nije pitanje na koje netko može odgovoriti na osjećaj, a posebno ne kod stotina podatkovnih točaka raspršenih po proračunskim tablicama i sustavima. Valjana vrijednost je nešto što je unaprijed definirano: raspon, jedinica, odnos prema drugoj podatkovnoj točki, očekivani smjer u odnosu na prethodnu godinu. Bez te definicije, svaka vrijednost je u principu valjana, a to je upravo problem. Podatak o potrošnji koji je deset puta previsok jer je jedinica pogrešno preuzeta, tada se ne primijeti — jednostavno stoji tamo, kao i svi ostali brojevi.

Utvrđivanje toga što je valjano jedan je od temeljnih elemenata uz registar podatkovnih točaka i izvorne podatke: koje kontrole pripadaju podatkovnoj točki i tko na to ima uvid. To nije stvar strožih Excel formula, nego utvrđivanja po podatkovnoj točki što je prihvatljivo a što nije, i zašto.

Signal je nešto drugo od pogreške

Ne svako odstupanje je pogreška, i ne svaka pogreška daje signal. Vrijednost može pasti izvan očekivanog raspona bez da je netočna — fabrika koja privremeno ne radi, spajanje koje remeti brojke. Obrnuto, vrijednost može izgledati potpuno normalno i ipak biti pogrešna, na primjer jer dva dijela organizacije koriste drugačiju polaznu točku za ono što mjere. Signal, dakle, nije presuda, to je naznaka da netko treba pogledati.

Pitanje je zatim: pod kojim uvjetom se takav signal aktivira, i koliko je osjetljivo postavljen. Postavljen preširoko, i odstupanja proklizavaju kroz njega. Postavljen previše strogo, i svi ignoriraju obavijesti jer ih je previše. Kako se ta granica po podatkovnoj točki određuje, ovisi o samoj podatkovnoj točki i o tome što logično može varirati. O toj temi posebno se govori u kako postavljate odstupanje signala i tko na to onda gleda.

Tko primjećuje — i je li to slučajnost

Srž pitanja ove stranice nije samo što je valjana vrijednost, nego tko primijeti kada vrijednost to nije. U mnogim organizacijama odgovor je: nitko, sve dok neka vanjska strana pri provjeri izvještaja ne postavi pitanje. U tom trenutku već je kasno, a osoba koja izvještaj sastavlja mora se vratiti do izvora da rekonstruira što se dogodilo.

Pravilo kvalitete bez vlasnika nije pravilo, to je opažanje. Uz svaku podatkovnu točku, dakle, ne pripada samo granična vrijednost, nego i ime: tko dobiva obavijest, tko procjenjuje je li riječ o pogrešci ili o objašnjivoj iznimci, i tko to objašnjenje bilježi tako da sljedeća osoba koja koristi tu podatkovnu točku ne mora ponovno sve istraživati. Bez te dodjele, ovisi o slučaju hoće li netko uočiti signal prije nego što broj nastavi dalje kroz lanac.

Ova dodjela izravno je povezana s drugim problemom koji se često javlja uz pravila kvalitete: timovi koji istom pojmu daju drugačije značenje. Što je valjana vrijednost za jedan dio organizacije, može za drugi dio proizvesti signal, jednostavno jer je definicija drugačija. To se dotiče pitanja što radite s definicijama koje se razlikuju po dijelovima organizacije. Bez jedinstvene definicije, pravilo kvalitete je u najboljem slučaju nagađanje.

Zašto ovo ne počinje s alatom

Privlačno je riješiti ovo pitanje kupnjom alata koji automatski signalizira. Ali alat može signalizirati samo na temelju pravila koja su unesena, a ta pravila predstavljaju znanje koje se sada često nalazi jedino u glavi nekoga — kolege koji zna da se ovaj broj obično kreće između dvije granice, ili da tu drugu vrijednost uvijek provjerava određena osoba. Prvo utvrditi to znanje, po podatkovnoj točki, drugačiji je posao od odabira sustava. Redoslijed kojim se to najbolje radi opisan je u prvo kupiti alat ili prvo urediti proces.

Od pravila kvalitete do radnog opterećenja

Čim se po podatkovnoj točki utvrdi što je valjana vrijednost, tko procjenjuje signal i tko objašnjava odstupanje, nastaje slika stvarnog posla koji se odvija oko podataka — provjeravanje, uspoređivanje, dodatno propitivanje, bilježenje. Ta slika korisna je za drugo pitanje: koji dio tih zadataka ponavlja se na način koji se pogodan je za automatizaciju, a koji dio zahtijeva procjenu koja pripada čovjeku. Radna skenirana analiza FTE TO AI izračunava po zadatku koji dio posla može preuzeti AI, na temelju toga kako je taj posao trenutno organiziran — a ne na temelju procjene unaprijed.