Punkt danych nabiera znaczenia dopiero wtedy, gdy ustalone jest, co można, a czego nie można wprowadzić. Zużycie energii w danej lokalizacji nie może być ujemne. Wartość procentowa nie może przekroczyć stu. Współczynnik emisji powinien znajdować się w określonym przedziale, zależnym od źródła, które zostało przyjęte. Bez takich granic każda wprowadzona wartość może przepłynąć do raportu, nawet jeśli jest wynikiem błędnej jednostki, błędnego przecinka lub pomieszanej kolumny.
Prawidłowa wartość nie jest więc oceną jakościową treści liczby. Jest to techniczna granica: zakres, typ, obowiązkowa jednostka, relacja z innym punktem danych. Tę granicę ustala się na poziomie danego punktu danych, nie na poziomie raportu. To jest różnica między kontrolą, którą ktoś wykonuje ręcznie raz w roku, a regułą, która jest zapisana bezpośrednio przy samym punkcie danych, tak że każde wprowadzenie danych przechodzi przez nią.
Nie każde odchylenie jest błędem. Zużycie, które w tym roku znacząco różni się od poprzedniego, może być błędem, ale może być również skutkiem remontu, przejęcia lub innego okresu pomiarowego. Warto więc rozróżnić dwa rodzaje reguł.
Pierwszy rodzaj to twarda granica: wartość, która po prostu nie może istnieć. Wartość ujemna tam, gdzie to niemożliwe, wartość procentowa powyżej stu, data w przyszłości. Takie wartości należy zatrzymać, zanim pójdą dalej.
Drugi rodzaj to sygnał: wartość, która jest możliwa, ale odchyla się od tego, czego można by się oczekiwać. Znaczący wzrost w porównaniu z rokiem poprzednim, liczba, która wyraźnie wykracza poza przedział podobnych lokalizacji, wprowadzenie danych, które następuje dosłownie w terminie ostatecznym, bez żadnego uzasadnienia. Sygnał niczego nie blokuje. Wymaga jedynie spojrzenia na niego, a ewentualnie wyjaśnienia, zanim liczba pójdzie dalej. Jak skonfigurować te dwa rodzaje reguł i jak je od siebie rozróżnić, opisano na stronie o ustawianiu odchylenia sygnałowego dla punktu danych.
Reguła, która się aktywuje, ale nikt jej nie widzi, nie jest regułą. Do każdego punktu danych powinna więc być przypisana nie tylko wartość granicząca, ale również nazwisko: kto jest właścicielem tego punktu danych i kto zobaczy sygnał, gdy wartość się odchyli. Przy punkcie danych bez właściciela sygnał zanika w systemie, którego nikt nie kontroluje, lub w arkuszu kalkulacyjnym, który jest otwierany ponownie dopiero przy zamknięciu roku.
To właścicielstwo nie musi być skomplikowane. Chodzi o nazwisko przypisane do punktu danych, nie o proces. Ale bez tego nazwiska reguła jakości jest tylko regułą na papierze. Jakie kontrole logicznie odpowiadają jakiemu typowi punktu danych i dlaczego nie każdy punkt danych wymaga takiej samej kontroli, można przeczytać na stronie o tym, jakie kontrole odpowiadają danemu punktowi danych.
Granice punktu danych nie pojawiają się z niczego. Wynikają z definicji punktu danych: co mierzy, w jakiej jednostce, za jaki okres, dla jakiej części organizacji. Jeśli ta definicja różni się między częściami organizacji — jedna lokalizacja liczy w metrach kwadratowych powierzchni użytkowej, inna w powierzchni brutto — to różni się również to, co jest prawidłową wartością, a granica poprawna dla jednej lokalizacji staje się bezużyteczna dla innej. Jak sobie z tym radzić, opisano na stronie o tym, co robić z definicjami różniącymi się między częściami organizacji.
Jest jeszcze inna pułapka: wartość graniczna, która sugeruje, że liczba jest bardziej precyzyjna, niż pozwala na to źródło. Współczynnik emisji z czterema miejscami po przecinku, oparty na oszacowaniu dokładnym do dwóch cyfr, tworzy precyzję, która w rzeczywistości nie istnieje. Reguły jakości powinny wyłapywać taką pozorną precyzję, a nie ją potwierdzać, co szerzej opisano na stronie o zapobieganiu pozornej precyzji.
Kusząca jest myśl o zakupie narzędzia, które automatycznie kontroluje błędy. Ale narzędzie nałożone na niezorganizowany proces kontroluje reguły, które jeszcze nie zostały ustalone, wobec punktów danych, które nie mają właściciela, na podstawie definicji, które różnią się między częściami organizacji. Wynikiem jest bardziej uporządkowany raport dotyczący liczb, które wciąż nie są skontrolowane.
Data Readiness Scan dlatego najpierw ustala, co już istnieje: rejestr punktów danych, pochodzenie każdej liczby, właścicielstwo oraz reguły określające, co jest prawidłową wartością a co sygnałem. To praca, która obecnie często jest rozproszona w arkuszach kalkulacyjnych, korespondencji mailowej i w głowach kilku osób. Narzędzie wspierające ten proces jest w budowie; osoby, które chcą już teraz zacząć z tym pracować, mogą zapisać się na listę oczekujących.
Gdy już jasne jest, jakie reguły i kontrole odpowiadają danemu punktowi danych, powstaje też dobry obraz tego, jaka część tej pracy kontrolnej jest powtarzalna, a jaka wymaga oceny. To rozróżnienie stanowi centralny element skanu pracy FTE TO AI, który dla każdego zadania wylicza, jaka część pracy może zostać przejęta przez AI, a jaka pozostaje po stronie człowieka.
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.