Údaj o emisiách s dvoma desatinnými miestami budí dôveru. Presnosť v zobrazení však nič nevypovedá o spoľahlivosti zdroja. Tabuľka, ktorá je vzdialená tri manuálne prepísania, môže zobrazovať rovnako dve desatinné miesta ako číslo, ktoré pochádza priamo z overeného systému. Rozdiel nie je v tom, ako číslo vyzerá, ale v tom, čo je zaznamenané o tom, odkiaľ pochádza a čo je platná hodnota.
Zdanlivá presnosť vzniká, keď číslo vyžaruje viac istoty, než aké podkladové dáta odôvodňujú. Nevzniká zlým úmyslom. Vzniká tým, že nikto nezaznamenal, aké sú hranice daného dátového bodu: aké hodnoty sú plauzibilné, aké odchýlky sú normálne a aké by mali vyvolať signál. Bez týchto hraníc vyzerá každé číslo rovnako dôveryhodne, aj číslo, ktoré je len chybou pri prepisovaní alebo nesprávnou jednotkou.
Otázka aká je platná hodnota by preto mala byť zodpovedaná pri každom dátovom bode, nie dodatočne pri kontrole vzorky, ale vopred, v momente, keď sa dátový bod zaznamenáva. Platná hodnota nie je len číslo v rámci určeného rozsahu. Je to aj správna jednotka, obdobie, ktoré sedí, a zdroj, ktorý je známy.
Pravidlo kvality robí viac než len schvaľuje alebo zamieta hodnotu. Určuje aj to, kedy sa odchýlka má stať signálom. Spotreba energie, ktorá je o dvadsať percent vyššia než minulý rok, môže byť chyba, ale môže to byť aj skutočné rozšírenie. Pravidlo samo nezaznamenáva, čo sa stalo; zaznamenáva, že tento typ odchýlky si zaslúži posúdenie skôr, než prejde ďalej.
Ako nastavíte signálnu odchýlku je teda iná otázka než čo je platná hodnota. Jedna otázka sa týka hranice prípustnosti, druhá hranice nápadnosti. Obe hranice sú potrebné a obe by mali byť zaznamenané pre jednotlivý dátový bod, nie ako všeobecné pravidlo pre celý report.
Signál, ktorý nikto nevidí, nie je signál. Toto je bod, kde mnohé dátové štruktúry zastavia: pravidlo existuje, odchýlka sa zistí, ale nie je zaznamenané, kto dostane upozornenie a čo s ním má dotyčná osoba urobiť. Bez vlastníctva na úrovni dátového bodu signál zmizne v zozname, ktorý nikto nečíta, alebo sa dostane k niekomu, kto dátový bod nepozná a teda ho nemôže posúdiť.
Aké kontroly patria k dátovému bodu preto nezahŕňa len samotné pravidlo, ale aj cestu: kto je vlastníkom, kedy dotyčná osoba dostane upozornenie a čo sa stane, ak nereaguje. Dátový bod bez vlastníka je dátový bod, pri ktorom nikto okrem koncového užívateľa reportu nikdy nezistí, že sa niečo pokazilo, a potom je už neskoro riešiť príčinu.
Existujú nástroje, ktoré zisťujú odchýlky a zobrazujú dashboardy. Tie nástroje sú užitočné, keď pravidlá už existujú. Ale nástroj, ktorý beží na registri dátových bodov bez zaznamenaných platných hodnôt, bez definícií signálov a bez pridelených vlastníkov, produkuje najmä upozornenia, ktoré nikto nevie interpretovať. Otázka najprv kúpiť nástroj alebo najprv zariadiť proces sa tu priamo uplatňuje: nástroj nad neusporiadaným procesom zmení formu problému, nie jeho obsah.
To isté platí pre definície. Ak dve časti organizácie používajú odlišné chápanie toho istého dátového bodu, potom pravidlo kvality pre jednu časť vytvorí falošný signál pre druhú. Čo urobíte s definíciami, ktoré sa líšia podľa útvaru, a akú voľbu zaznamenáte by preto malo byť zodpovedané vopred, inak sa každé pravidlo stane kompromisom, ktorý nikde poriadne nesadne.
Platné hodnoty, signály a vlastníctvo nie sú niečo, čo sa určí všeobecne a potom sa uplatní všade. Vyplývajú z toho, ako organizácia daný dátový bod skutočne zaznamenáva, kto k nemu má v praxi prístup a aké chyby sa v minulosti vyskytli. Aké funkčné požiadavky vyplývajú z vášho vlastného procesu popisuje, ako sa tieto pravidlá odvodzujú z existujúceho procesu, a nie zo všeobecného kontrolného zoznamu.
Hneď ako je jasné, ktoré hodnoty sú platné, ktoré odchýlky tvoria signál a kto ten signál posudzuje, vzniká aj prehľad o práci, ktorá sa za touto kontrolou skrýva: kto vyhľadáva údaje, kto porovnáva s predchádzajúcimi obdobiami, kto posiela upozornenie ďalej. Táto práca sa skladá z úloh, ktoré sa dajú rozčleniť, a pri časti z nich sa dá určiť, či ju môže prevziať softvér. Pracovný scan FTE TO AI vypočíta pre každú úlohu, aký podiel práce môže prevziať AI, na základe rovnakých zaznamenaných pravidiel a postupov, ktoré podopierajú kvalitu dát.
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.