Dobrá nebo špatná?

Dobrá nebo špatná? Jak správně posoudit význam dat?

Práce s daty je jedním z nejdůležitějších témat pro malé a střední podniky. Důvodem je digitalizace a průmysl 4.0. Ale musíme začít od píky, musíme vědět, že se můžeme spolehnout na informace v datech uložené a adekvátně posoudit kvalitu dat.
Mnoho společností v minulosti z různých důvodů zapomnělo dbát na kvalitu a čistotu dat. Neuvědomili si ani nezkoumali, zda jejich ERP systémy fungují optimálně. S digitalizací procesů a rychlým vzestupem umělé inteligence (AI) se toto riziko stává ještě více rizikovým. Protože je vědecky prokázáno, že špatná kvalita dat ovlivňuje efektivitu a výsledky, a to i v systémech AI, jako jsou samoučící stroje. Je čas se stát aktivními. Nejde jen o vlastní data, je potřeba mít jistotu i o kvalitě informací z dalších zdrojů, od třetích stran.
Jakých je 5 rozhodujících výkonnostních parametrů na data?

Důslednost

Sady dat v různých systémech si nesmí vzájemně odporovat. V praxi vede duplicitní ukládání dat do několika datových sil a manuální přenos v nejlepším případě "pouze" k další práci při zadávání dat. V nejhorším případě dochází k chybám, například při přenosu dat objednávky do softwaru pro zajištění kvality. Pokud duplikáty zůstanou neobjeveny, dojde rychle k chybným interpretacím. Například, pokud má jeden dodavatel je označen v systému vícekrát, pokaždé jiným číslem a data pak nejsou agregována, nevíme klíčové údaje, jako je např. objem zakázek pro jednání o slevách.

Konzistentnost

Údaje musí splňovat požadavky systémů a procesů, například v odpovídajícím standardizovaném formátu. Klasický případ je formát datumu a měny. U časových razítek je také důležité zajistit, aby kromě hodin a minut bylo také zaznamenáno příslušné časové pásmo. Koneckonců, rozdíl mezi 8 hodinami v Šanghaji a 8 hodinami v S?o Paulu je 12 hodin.

Přesnost

Data musí být přesná. Přesněji: musí být dostatečně přesná. Konec konců, ne každý obchodní proces vyžaduje vysoce přesná data až na desetinné místo. I zde by se společnosti měly nejprve ptát: jak přesné musí být měření a další údaje? Požadovaná přesnost by pak měla být zachována na systémové straně příslušnými pravidly a kontrolami údajů.

Správnost

Kromě toho, že jsou data aktuální, toto kritérium poukazuje na další důležitý aspekt: správnost, ve smyslu spolehlivosti údajů. Současná diskuse o falešných zprávách to ještě více akcentuje: „Špičková" informace o hospodářských potížích dodavatele nemusí být nutně správná. Zdroje, z nichž společnosti získávají informace důležité pro podnikání, musí být proto srozumitelné a důvěryhodné.

Aktuálnost

Moderní technologie dnes umožňují trvalé propojení mobilních zařízení s backendem. Jsou situace, kdy jsou real time data nepostradatelná – potřebujete vyrábět, vykrýt potřebu Vašich zákazníků, nebo i jen zaparkovat?

Trvale udržitelné řízení kvality dat pomáhá třemi způsoby: Šetří vás z nákladných chyb, zvyšuje důvěru ve svá data a umožňuje lépe se rozhodovat. Když už tedy ta dobrá data máme, přichází další úkol. Umět je správně využít a vytěžit. Je potřeba schopnost práce s daty upevňovat v různých částech firmy. Historicky se data těžila zejména ve financích, controllingu, což už není dostatečné. Je potřeba se rozhodovat víceúrovňově a umět si poradit i s daty např. v marketingu, výrobě, prodeji, hr ... a mít v každém týmu zástupce, který má k datum a analýzám blízko. Tato nová kompetence našich zaměstnanců bude v budoucnosti nabývat více a více na významu.
Správně spravovaná data pomáhají digitalizovat procesy.

Olga Cechlová
Controller Institut