Previous Next Play Pause
Systemy MES, a Przemysł 4.0 Systemy MES, a Przemysł 4.0
Kierunek dla systemów ERP na najbliższe lata Kierunek dla systemów ERP na najbliższe lata
Druga młodość ERP Druga młodość ERP
Big zmiana z Big Data Big zmiana z Big Data
Innowacje i potrzeba „szybkich błędów” Innowacje i potrzeba „szybkich błędów”
8 zastosowań Big Data, o których nie miałeś pojęcia 8 zastosowań Big Data, o których nie miałeś pojęcia
Klient z danych poskładany Klient z danych poskładany
Z systemu pudełkowego do ERP Z systemu pudełkowego do ERP
5 kluczowych systemów Big Data na świecie 5 kluczowych systemów Big Data na świecie
Wysoko w chmurach Wysoko w chmurach
loading...
proalogo proalpha 2018Jakość danych w cyfrowych procesach biznesowych bezpośrednio przekłada się na wydajność i sukces firmy, w czasach gdy manualna weryfikacja staje się przestarzała. Właśnie dlatego eksperci nalegają by przedsiębiorstwa zadbały o zwiększenie jakości przetwarzanych informacji. Czy jest to opłacalne? I jeśli tak – gdzie zacząć? W tym artykule, odpowiemy na najczęściej zadawane pytania.


REKLAMA:
KLIKNIJ I POBIERZ RAPORT ERP
 
 
1. Czy jakość danych może być poprawnie mierzona i ewaluowana?

Eksperci mierzą jakość danych nawet w piętnastu teoretycznych wymiarach. Praktyka jest jednak znacznie prostsza – zautomatyzowane procesy pracują w oparciu o kompletne, bieżące i unikalne dane. Jakość spada, gdy pojawiają się duplikaty. Przykładowo – dwa rekordy w bazie klientów dla tego samego podmiotu mogą sprawić, ze otrzyma on nieadekwatną ofertę lub jego zamówienie będzie kolejkowane dłużej niż powinno.

2. Czy to ma sens? Czy po czasie dane znowu nie będą równie nieczytelne?

Każdy, kto do tej pory próbował podjąć się zarządzania jakością danych powie Ci, że jest to syzyfowa praca. Kiedy już uznasz, że dotarłeś na szczyt, a dane są w idealnej formie, głaz znowu zaczyna staczać się na samo dno wraz z jakością danych. Podejście projektowe nie ma tu zastosowania. Dbanie o jakość informacji to proces ustawiczny, w przeciwieństwie do projektu nie ma on terminów i daty zakończenia.

3. Gdzie zacząć?

Najlepszym rozwiązaniem jest rozpoczęcie czyszczenia tam, gdzie wprowadzane dane dają największą korzyść. Przykładowo, może to być dział zakupów, gdzie dokładna znajomość adresów dostawców, warunki współpracy i terminy odnowienia zapasów może przełożyć się na usprawnienie procesu zakupowego, a docelowo – produkcyjnego.

4. Czy wdrożenie poprawienia jakości danych może być wykonane samodzielnie?

Nowoczesne rozwiązania do analizy jakości danych nie wymagają już od użytkownika znajomości języków programowania. Definiowanie zasad ich prezentacji to nie fizyka jądrowa, przynajmniej nie dla użytkownika, który jest chociaż trochę zaznajomiony z systemem. Kiedy zasady zostaną już ustalone, pracownicy poszczególnych działów firmy zostaną powiadomieni o konieczności aktualizacji danych. W idealnym scenariuszu, otrzymają zestaw podejrzanych danych do samodzielnego „przeklikania”.

5. Jak szybko reguły mogą zostać poprawione wraz ze zmianą wymagań?

Dzisiejsze realia wymagają od firm, aby zmiany w regułach jakości danych były wprowadzane ad hoc. Wiele nowoczesnych rozwiązań monitorujących jakość danych może być zarządzana bez udziału osób o umiejętnościach programisty lub analityka. W rzeczywistości, firmy decydują się jednak na zatrudnienie zewnętrznego podwykonawcy z zakresu IT, który zapewni wysoką jakość reguł, oraz to, że reguły nie wykluczają się nawzajem, co spowoduje inne problemy w przyszłości. W związku z tym osoba odpowiedzialna za zarządzanie jakością danych w firmie jest niezbywalna. Jeżeli twoja organizacja ma na to zasoby – może to być jeden z pracowników firmy po odpowiednim szkoleniu.

Źródło: www.proalpha.com/polski/

PODOBNE


 

  • odl reklama baner
  • l systems wysuwany2019
  • ENOVA365 KWADRAT