Jautājums izklausās vienkārši, līdz brīdim, kad tas jāatbild. Ilgtspējas dati nāk no HR sistēmām, telpu apsaimniekošanas informācijas paneļiem, energoapgādes uzņēmumiem, atsevišķu darbinieku izklājlapām un dažkārt no kāda cilvēka atmiņas, kurš gadiem sniedz tos pašus skaitļus. Bez pārskata neviens precīzi nezina, kādi datu punkti pastāv, no kurienes tie nāk un vai tie vēl atbilst tam, kas kādreiz ticis fiksēts.
Datu punktu reģistrs ir atbilde uz šo neskaidrību. Ne kā pārskatu sniegšanas rīks, bet kā datu pašu administrācija: kas ir datu punkts, no kurienes tas nāk, kurš par to ir atbildīgs un kādiem noteikumiem tam jāatbilst, pirms to var izmantot.
Reģistrs ir vairāk nekā saraksts ar skaitļu nosaukumiem. Par katru datu punktu vismaz jābūt fiksētam šādam:
Bez šiem laukiem datu punktu saraksts ir nosaukumu kopums bez izcelsmes. Ar šiem laukiem kļūst redzams, no kurienes dati nāk un kur ir vājās vietas.
Secība, kādā jūs veidojat reģistru, nosaka, vai tas dos rezultātu. Nesāciet ar pārskatu sniegšanas struktūru, bet ar to, kas jau ir fiksēts. Vietnē kur datu punkts jau pastāv aprakstīts, kā to izsekot: skaitlis bieži jau pastāv citā sistēmā, nekā gaidīts, ar citu nosaukumu vai citā mērvienībā.
Pēc tam seko jautājums, kā izveidot pašu struktūru, kādi lauki ir obligāti un kādā secībā pievienot datu punktus, lai reģistrs nezaudē pārvaldāmību. Šis process aprakstīts vietnē kā izveidot datu punktu reģistru.
Ne katram datu punktam ir uzreiz identificējams avots. Daži skaitļi kādreiz tikuši ievadīti manuāli, pārņemti no vecāka pārskata vai novērtēti kāda cilvēka, kurš pašlaik jau nav nodarbināts. Ko darīt šādā situācijā un kā to atšķirt no datu punktiem, kuriem avots ir zināms, aprakstīts vietnē ko darīt ar datu punktu bez avota.
Cita atkārtota problēma ir dublēšanās: viens un tas pats datu punkts, kas reģistrā ienāk pa divām dažādām ceļiem, ar nedaudz atšķirīgām vērtībām. Kā to atklāt, pirms tas rada nesakritīgus skaitļus, aprakstīts vietnē kā atpazīt divkāršu datu punktu.
Tas, ka datu punkts atrodas reģistrā, nenozīmē, ka tas ir korekts. Korektums ir atsevišķs solis: vērtībai jāsakrīt ar avota definīciju, mērvienībai jāatbilst kvalitātes noteikumu prasībām, un atbildīgajai personai jāvar apliecināt, ka procesā nekas nav mainījies kopš pēdējās verifikācijas.
##
Tam ir nepieciešams zināt, kā datu punkts pārvietojas no avota uz pārskatu. Šī trajektorijas kartēšana tiek sauktā par source-to-report mapping, un tā ir atsevišķs solis papildus definīcijas fiksēšanai. Ko šī kartēšana precīzi ietver un kāpēc reģistrs bez šīs kartēšanas paliek nepilnīgs, lasiet vietnē kas ir source-to-report mapping.
Jautājumam, kad reģistrs ir pietiekami pilnīgs, lai uz to varētu paļauties, nav fiksētas atbildes datu punktu skaita izteiksmē. Tas ir atkarīgs no pārskatu sniegšanas pienākuma apjoma, no tā, cik daudziem datu punktiem jau ir verificēts avots un atbildīgā persona, un no tā, cik daudzi vēl ir atzīmēti kā neatrisināti vai neskaidri. Reģistrs nav pabeigts tāpēc, ka tas izskatās pilnīgs, bet tāpēc, ka atklātie punkti ir zināmi un pārvaldīti. Kā to noskaidrot, aprakstīts vietnē kad reģistrs ir pabeigts.
Datu punktu reģistrs ir momentuzņēmums no tā, kas šobrīd fiksēts. Bez apkopes tas noveco tikpat ātri kā izklājlapas, kuras tam bija jāaizstāj: avoti mainās, atbildīgās personas aiziet, definīcijas nedaudz pārvietojas, bez tam, ka kāds atjaunina reģistru.
Lielu daļu darba, lai reģistru turētu aktuālu, ir atpazīstams un atkārtojams: avotu pārbaude, vērtību salīdzināšana ar kvalitātes noteikumiem, izmaiņu signalizēšana. Kuru daļu no šīs apkopes var atbalstīt ar AI un kura daļa joprojām prasa cilvēka veiktu novērtējumu, nav iespējams pateikt vispārīgos vārdos. FTE TO AI darba skenēšana to izrēķina katram uzdevumam atsevišķi, pamatojoties uz to, ko uzdevums precīzi ietver un cik bieži tas atkārtojas, lai kļūtu skaidrs, kuru darba daļu var pārņemt un kuru nevar.
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.