Ett datapunkt utan kontroll är ett tal som ingen ifrågasätter. Det står i rapporten, det kommer från ett system eller ett kalkylblad, och det accepteras eftersom det inte finns någon anledning att ifrågasätta det. Först när en extern part ställer en fråga, eller när en siffra plötsligt förändras med en faktor tio jämfört med föregående år, upptäcks att ingen någonsin har tittat på det. Då är det för sent att rekonstruera var det gick fel.
Frågan som förebygger detta är enkel att ställa men svår att besvara utan struktur: vilken kontroll hör till denna datapunkt, och vem märker det om det går fel. Det är två frågor, och de bör båda ha ett svar innan en siffra går in i en rapport.
Varje datapunkt har gränser. En energiförbrukning kan inte vara negativ. Ett antal fte är inte ett decimaltal. En procentsats går inte över hundra. Detta verkar självklart, men i praktiken är sådana gränser sällan dokumenterade någonstans — de finns i huvudet hos den som har bearbetat data i flera år, och försvinner så snart den personen byter befattning.
Att fastställa ett giltigt värde innebär inte bara att notera en undre och övre gräns. Det innebär också att fastställa i vilken enhet en datapunkt levereras, vilka datumformat som är tillåtna, och om ett tomt fält är ett giltigt resultat eller ett tecken på att något saknas. Utan den överenskommelsen bedöms varje undantag på nytt, av den som råkar titta på det vid det tillfället. Vad som exakt räknas som giltigt, och när ett gränsvärde snarare är ett antagande än en regel, finns utvecklat på sidan om vad ett giltigt värde är.
Inte varje avvikelse är ett fel. En datapunkt kan ligga helt inom de giltiga gränserna och ändå vara en signal — en förbrukning som plötsligt sjunker, ett antal som är tre gånger så högt som föregående kvartal, en leverantör som för första gången på två år inte levererar data. Det är inga ogiltiga värden. Det är värden som kräver en blick från någon som känner till sammanhanget.
En signalregel är alltså något annat än en valideringsregel. Validering avgör om ett värde kan existera. En signal avgör om ett värde, även om det är giltigt, ändå är en anledning att titta närmare. Hur den tröskeln ställs in — fast procentuell avvikelse, jämförelse med en historisk serie, eller en kombination — beror på datapunkten och på hur stabil den underliggande aktiviteten normalt är. Utformningen av en sådan regel, inklusive avvägningen mellan för många och för få signaler, beskrivs på sidan om att ställa in en signalavvikelse.
En regel som ingen ser är ingen regel. Om en validerings- eller signalkontroll utlöses någonstans i ett system måste det stå fast vem som får meddelandet och vad den personen gör med det. Är det den som matar in data, ägaren av datapunkten, eller någon som har överblick över helheten innan rapporten sammanställs? Utan en utsedd mottagare försvinner en signal i en logg som ingen konsulterar.
Detta berör ägarskap, och ägarskap berör ett problem som förblir olöst i många organisationer: olika delar använder olika definitioner för det som på pappret är samma datapunkt. En anläggning räknar fte inklusive inhyrd personal, en annan gör det inte. När en signal utlöses som visar att ett värde avviker, är den första frågan ofta inte om värdet är korrekt, utan om alla utgår från samma definition. Hur ni hanterar detta finns på sidan om olika definitioner mellan enheter.
Det är frestande att söka dessa kontroller i ett mjukvarupaket: något som automatiskt varnar, validerar och rapporterar. Men ett verktyg som utför kontroller på data där ingen har fastställt vad ett giltigt värde är, utför ingen kontroll — det ger bara ett prydligt resultat om en process som fortfarande inte är genomtänkt. Reglerna måste finnas först, oavsett vilket system som slutligen tillämpar dem. Denna ordning, och varför att kasta om den vanligtvis leder till besvikelse, förklaras på sidan om att köpa ett verktyg först eller inrätta processen först.
Om det för varje datapunkt står fast vad ett giltigt värde är, när en signal utlöses, och vem som tar emot den signalen, uppstår ett register som inte bara dokumenterar utan också är användbart som ett kravpaket. Det registret är exakt vad som behövs för att fastställa vad ett system — internt byggt eller inköpt — sedan måste kunna göra. Utan det kravpaketet blir varje inköp ett lotteri. Hur ni översätter detta till funktionella krav som kommer från er egen process, i stället för från en leverantör, finns på sidan om funktionella krav från er egen process.
Kontroller på datapunkter avslöjar också hur mycket av arbetet runt omkring som är repetition: göra samma jämförelse, vidarebefordra samma meddelande, bedöma samma undantag på nytt. Vilken del av den repetitionen som lämpar sig att låta AI ta över, och vilken del som istället kräver bedömning som inte kan automatiseras, är en fråga som kan besvaras per uppgift. Arbetsanalysen från FTE TO AI räknar ut det per uppgift.
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.