Un dato di emissioni con due decimali suscita fiducia. Ma la precisione nella presentazione non dice nulla sulla attendibilità della fonte. Un foglio di calcolo che si trova a tre trascrizioni manuali di distanza può mostrare tanto bene due decimali quanto un numero che proviene direttamente da un sistema validato. La differenza non sta nell'aspetto del numero, ma in ciò che è stato documentato su dove ha origine e cosa costituisce un valore valido.
La falsa precisione si verifica quando un numero trasmette più certezza di quanto i dati sottostanti giustifichino. Non accade per malafede. Accade perché nessuno ha stabilito quali sono i limiti di un punto dati: quali valori sono plausibili, quali deviazioni sono normali e quali dovrebbero generare un segnale. Senza questi limiti, ogni numero appare altrettanto credibile, anche quello che è un errore di trascrizione o un'unità di misura errata.
La domanda cos'è un valore valido dovrebbe quindi trovare risposta per ogni punto dati, non a posteriori in un controllo a campione, ma in anticipo, nel momento in cui il punto dati viene registrato. Un valore valido non è solo un numero all'interno di un intervallo. È anche un'unità di misura corretta, un periodo coerente e una fonte nota.
Una regola di qualità fa più che approvare o respingere un valore. Determina anche quando una deviazione deve diventare un segnale. Un consumo energetico superiore del venti per cento rispetto all'anno precedente può essere un errore, ma può anche essere un'espansione reale. La regola in sé non stabilisce cosa sia accaduto; stabilisce che questo tipo di deviazione merita una valutazione prima di procedere.
Come impostare una deviazione segnalata è quindi una domanda diversa da cos'è un valore valido. Una domanda riguarda il limite dell'accettabile, l'altra il limite del notevole. Entrambi i limiti sono necessari, ed entrambi dovrebbero essere stabiliti per ogni punto dati, non come regola generale valida per tutto il rapporto.
Un segnale che nessuno vede non è un segnale. Questo è il punto in cui molte strutture dati si arrestano: la regola esiste, la deviazione viene rilevata, ma non è stato stabilito chi riceve la segnalazione e cosa quella persona debba farne. Senza una responsabilità definita per ogni punto dati, un segnale finisce in un elenco che nessuno legge, oppure arriva a qualcuno che non conosce il punto dati e quindi non può valutarlo.
Quali controlli spettano a un punto dati comprende quindi non solo la regola stessa, ma anche il percorso: chi è il responsabile, quando questa persona riceve una segnalazione, e cosa succede se non risponde. Un punto dati senza responsabile è un punto dati di cui nessuno, tranne l'utente finale del rapporto, si accorgerà mai che qualcosa è andato storto, e a quel punto è troppo tardi per intervenire sulla causa sottostante.
Esistono strumenti che rilevano deviazioni e mostrano dashboard. Questi strumenti sono utili nel momento in cui le regole sono già definite. Ma uno strumento che opera su un registro di punti dati senza valori validi stabiliti, senza definizioni di segnale e senza responsabili assegnati, produce soprattutto segnalazioni che nessuno può interpretare. La domanda acquistare prima uno strumento o organizzare prima il processo è qui direttamente applicabile: uno strumento sovrapposto a un processo disorganizzato cambia la forma del problema, non il contenuto.
Lo stesso vale per le definizioni. Se due parti dell'organizzazione utilizzano una comprensione diversa dello stesso punto dati, allora una regola di qualità che funziona per una parte genererà un falso segnale per l'altra. Cosa fare con le definizioni che differiscono per reparto e quale scelta si registra dovrebbe quindi trovare risposta in anticipo, altrimenti ogni regola diventa un compromesso che non si adatta bene a nulla.
Valori validi, segnali e responsabilità non sono qualcosa che si determina in generale e poi si applica ovunque. Derivano da come un'organizzazione registra effettivamente il punto dati, chi può accedervi nella pratica e quali errori si sono verificati in passato. Quali requisiti funzionali derivano dal suo processo descrive come queste regole vengano derivate dal processo esistente invece che da una checklist generica.
Non appena è chiaro quali valori sono validi, quali deviazioni costituiscono un segnale e chi valuta quel segnale, emerge anche una visione del lavoro che sta dietro a quel controllo: chi cerca i dati, chi confronta con i periodi precedenti, chi inoltra la segnalazione. Questo lavoro consiste in compiti che possono essere scomposti, e per una parte di essi è possibile determinare se il software può assumerli. La scansione del lavoro di FTE TO AI calcola per ogni compito quale parte del lavoro può essere assunta dall'IA, sulla base delle stesse regole e percorsi documentati che sostengono la qualità dei dati.
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.