Duomenų branda yra terminas, kuris dažnai naudojamas organizacijai priskirti tam tikrą lygį skalėje: nuo 1 lygio iki 5 lygio, nuo atsitiktinio iki optimizuoto. Tokios skalės nėra visiškai beverčės, tačiau jos suponuoja tikslumą, kurio tvarumo duomenų atveju paprastai nėra. Organizacija nėra nei brandi, nei nebrandi. Kai kurie duomenų punktai yra gerai pagrįsti, kiti priklauso nuo vienos skaičiuoklės, kurią supranta vienas žmogus. Duomenų brandos vertinimas praktiškai reiškia: kiekvienam duomenų punktui nustatyti, iš kur jis atsirado, kas už jį atsako ir kas nutiktų, jei tas žmogus nebūtų pasiekiamas.
Iš išorės gautas brandos balas suteikia bendrą įspūdį, bet ne veiksmų sąrašą. Jei atsakymas yra „2 lygis iš 5“, jūs vis tiek nežinote, kuris duomenų punktas yra nepatikimas, kokio šaltinio trūksta ar kuris darbuotojas yra vienintelis, žinantis, kaip skaičius sudaromas. Duomenų branda kaip vertinimo priemonė naudinga tik tada, kai ji suskirstoma iki atskirų duomenų punktų lygio. Ne: „organizacija vertinama vidutiniškai“, bet: „šis duomenų punktas neturi užfiksuoto šaltinio, tas duomenų punktas turi tris, kurie vienas kitam prieštarauja.“
Yra trys klausimai, kuriems kiekvienam duomenų punktui reikia atsakymo, ir kurie kartu suteikia realistiškesnį vaizdą nei bendras balas.
Pirmasis – kilmė: iš kur šis skaičius atsirado, kokiomis sistemomis ir apdorojimo veiksmais, ir ar tas kelias yra užfiksuotas, ar žinomas tik tam, kas tai daro jau metų metus. Tai tiksliai ta vieta, kur duomenų punkto kilmės grandinė pakeičia tai, ką organizacija gali įrodyti: ne pats skaičius, bet kelias iki jo.
Antrasis – priklausomybė: kas yra atsakingas už šį duomenų punktą, ir ar tai užfiksuota atskirai nuo asmens, kuris šiuo metu tai atsitiktinai daro. Neturint tokio užfiksavimo, klausimas kas skaitys jūsų duomenų punktų registrą, kai dabartinio savininko nebebus nėra retorinis, bet realus tęstinumo pavojus.
Trečiasis – kokybė: ar egzistuoja taisyklės, kurios pastebi klaidą prieš skaičiui patekus į ataskaitą, ar nukrypimas pastebimas tik tada, kai išorinė šalis apie tai paklausia. Šis trečiasis klausimas tiesiogiai susijęs su tuo, kiek duomenys yra patikrinami užtikrinimo (assurance) tikslais: auditorius netikrina, ar skaičius skamba tikėtinai, bet ar jo pagrindimas atlaikys patikrinimą.
Šis vertinimo būdas nesuteikia skaičiaus, su kuriuo galėtumėte lyginti save su kita organizacija. Jis nepasako, kiek procentų jūsų duomenų yra „brandūs“, nes tokia riba yra sąlyginė ir skiriasi pagal sektorių, duomenų punktą ir vertintoją. Jis taip pat neprognozuoja, kiek laiko reikės nueiti nuo dabartinės padėties į geresnę; tai priklauso nuo to, kiek yra duomenų punktų, kiek sistemų yra susijusios ir kiek žmonių šiuo metu turi žinias tik savo galvoje.
Tai, ką vertinimas iš tikrųjų daro, yra konkrečios apžvalgos suteikimas: šis duomenų punktas yra tvarkoje, tas – ne, ir tiksliai kodėl. Ši apžvalga yra mažiau įspūdinga nei balas penkiabalėje skalėje, tačiau tai yra vienintelis dalykas, suteikiantis pagrindą veikti.
Prielaida, kad skaičiuoklės yra problema, dažnai veda prie išvados, kad naujas įrankis automatiškai padidina brandą. Tai netiesa. Kaip aprašyta analizėje, kodėl skaičiuoklės nėra problemos esmė, pažeidžiamumas dažnai slypi ne failo formate, bet užfiksuotos kilmės ir priklausomybės nebuvime. Įrankis, pritaikytas neorganizuotam procesui, tik sukuria švaresnes tų pačių nepatikimų skaičių apžvalgas. Tvarka yra tokia: pirmiausia nustatyti, kas yra ir iš kur tai atsirado, tik tada rinktis, kokia sistema tai palaikys.
Brandos vertinimas nepradedamas nuo visų duomenų, kuriuos organizacija kada nors galėtų pateikti ataskaitoje, bet nuo klausimo, kokie duomenų punktai iš tikrųjų būtini pagal galiojančius ataskaitų teikimo reikalavimus. Toks apibrėžimas apsaugo nuo to, kad vertinimas išsivystytų į visko, kas kur nors užfiksuota, inventorizavimą, tuo tarpu skirtumas tarp duomenų punktų, kurių iš tikrųjų reikia, ir duomenų punktų, kuriuos atsitiktinai jau renkate, tiksliai nustato, į ką vertinimas turi būti sutelktas. Kas norėtų šį metodą pirmiausia išbandyti kartu vykstančioje sesijoje, o ne tik perskaityti, gali rasti jo struktūrą aprašyme apie tai, kas yra duomenų bootcamp ir ką jis suteikia.
Šis vertinimo būdas yra pirmas žingsnis, ne galutinis tikslas. Kai tampa aišku, kurie duomenų punktai yra silpnai pagrįsti, kas trūksta kaip savininkas ir kokių kokybės taisyklių dar nėra, kyla klausimas, kaip tai struktūriškai užfiksuoti: registre, su kiekvieno duomenų punkto kilme ir taisyklėmis, kurios pastebi nukrypimus prieš ataskaitai išeinant. Tam skirta csrdready.net Duomenų parengtumo skenavimo (Data Readiness Scan) paslauga. Skenavimas dar kuriamas; kas norėtų jau dabar tuo pradėti, gali registruotis į laukiančiųjų sąrašą.
Kai jau žinote, kurie duomenų punktai reikalauja dėmesio ir kas už juos atsako, kitas klausimas savaime kyla: kiek darbo aplink tai — perrašymas, tikrinimas, šaltinių sujungimas — yra darbas, kurį gali perimti mašina, ir kiek reikalauja žmogaus sprendimo. FTE TO AI darbo skenavimas apskaičiuoja kiekvienai užduočiai, kokią jos dalį gali perimti AI, todėl jums nereikia spėti – galite skaičiuoti.
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.