Pirms skaitlis nonāk atskaitē, tam jau ir sava vēsture. Tas nāk no energoresursu rēķina, HR sistēmas, Excel faila, ko kāds atjaunina katru ceturksni, vai no aplēses, kas veikta trīs gadus atpakaļ un vairs nekad nav pārskatīta. Jautājums "kur šis datu punkts jau eksistē" izliekas vienkāršs, bet lielākajā daļā organizāciju atbilde nav nekur fiksēta. Tā ir cilvēku galvās, pagājušā gada e-pastu sarakstē, vai nekur.
Datu punktu reģistrs ir vieta, kur šī atbilde tiešām ir pieejama. Nevis kā atskaite, bet kā administrācija: par katru datu punktu fiksēts, no kurienes nāk vērtība, kas par to atbild un kādiem noteikumiem vērtībai jāatbilst, pirms jūs to izmantojat.
Reģistrs katram datu punktam satur fiksētu lauku kopu. Datu punkta nosaukumu un definīciju, lai divi cilvēki ar to pašu terminu nesaprastu ko citu. Avotsistēmas vai dokumentus, no kuriem vērtība nāk. Īpašnieku: personu, kas var paskaidrot, no kurienes skaitlis nāk un kas ir kontaktpersona, ja tas nav korekts. Apstrādes, kas notiek starp avotu un atskaiti, no vienību pārrēķina līdz saskaitīšanai pa filiālēm. Un kvalitātes noteikumus, kuriem vērtībai jāatbilst, piemēram, gaidāmo diapazonu vai pārbaudi pret iepriekšējo gadu.
Tas nav atskaites dokuments. Tas ir slānis zem tā: vieta, kur jūs varat uzmeklēt, no kurienes skaitlis nāk, nezvanot nevienam.
Reģistrs nepiepildās automātiski. Tas sākas ar sarakstu datu punktu, kuri jums nepieciešami, un par katru no tiem jautājumu: vai šis jau eksistē kaut kur, un tieši kur. Lielākajai daļai datu punktu atbilde nav viens avots, bet virkne posmu: eksports no sistēmas, apstrāde izklājlapā, manuāls papildinājums, un tad galīgā vērtība. Katram posmam šajā virknē būtu jāatrodas reģistrā, ne tikai pēdējam.
Pie tam pieder divi jautājumi, kas nav izlaisti. Pirmkārt: kas ir šī datu punkta īpašnieks, nevis kā formalitāte, bet kā persona, kas var atbildēt par vērtību. Otrkārt: kas notiek ar datu punktu, kura avotu nevar izsekot. Tas pēdējais notiek biežāk, nekā gaidīts, un ko jūs darāt ar datu punktu bez avota ir jautājums, kas netiek izlaists, to nosaucot par sarežģītu.
Šī reģistra izveide ir atsevišķs process ar savu kārtību: vispirms identificēt datu punktus, tad izsekot avotus, tad noteikt īpašniekus, tad formulēt noteikumus. Kā izveidot datu punktu reģistru apraksta šo kārtību soli pa solim.
Datu punkta esamība reģistrā nav tas pats, kas korekts datu punkts. Korekts nozīmē, ka avots ir izsekojams, ka apstrādes starp avotu un atskaites skaitli ir zināmas, un ka pastāv noteikums, pret kuru rezultātu var pārbaudīt. Bez šiem trim skaitlis ir pieņēmums ar ciparu virsū.
Apstrādes ir daļa, kas visbiežāk trūkst. Datu punkts reti nonāk tieši no avota atskaitē; parasti pa vidu ir pārrēķins, apkopošana vai korekcija. Kādas apstrādes atrodas starp avotu un atskaiti tāpēc ir atsevišķs jautājums līdzās jautājumam, kur atrodas pats avots, un šie divi jautājumi kopā veido to, ko zina kā source-to-report mapping: pilnu ceļu no neapstrādāta avota līdz atskaites skaitlim, kartēts.
Otra problēma, kas paliek redzama tikai tad, kad piepildāt reģistru, ir dublēšanās: viens un tas pats datu punkts, kas piegādāts pa divām plūsmām, ar divām nedaudz atšķirīgām vērtībām. Kā atpazīt dubultu datu punktu tad nav teorētisks jautājums, bet praktiska pārbaude, ko jūs veicat reģistram, pirms atzīmējat to par uzticamu.
Un tā kā reģistrs nekad nav pilnīgs uzreiz, pastāv atsevišķs jautājums par brīdi, kad varat pārtraukt meklēšanu: kad reģistrs ir gatavs apraksta, no kā tas ir atkarīgs, nevis nosaka fiksētu datu punktu skaitu vai termiņu.
Datu punktu reģistrs pastāsta, no kurienes datu punkts nāk un kas par to atbild. Tas nepastāsta, cik daudz laika aizņem šo datu ikgadēja atkārtota apkopošana, vai kāda daļa no šī apkopošanas darba paliek manuāla un kādu daļu var pārņemt automātiski. Tiklīdz reģistrs ir izveidots un jūs zināt, kuri posmi atkārtojas, šis jautājums rodas automātiski. FTE TO AI darba skenēšana aprēķina katram uzdevumam, kādu daļu no darba var pārņemt AI, un tādējādi savienojas tieši ar punktu, kurā reģistrs apstājas: nevis kur atrodas dati, bet cik daudz darba maksā tos katru reizi no jauna sasniegt.
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.