In DATA we TRUST

Часто виникає ситуація коли компанії впроваджують нові сховища даних, сучасні системи бізнес-аналітики, а користувачі продовжують приймати рішення інтуїтивно. Ні, вони час від часу завантажують звіти та розглядають красиві дашборди. Але ці дані не основне джерело інформації для прийняття рішень. На цьому часто і закінчуються ініціативи з цифровізації. Одна із причин подібної ситуації – бізнес не довіряє даним в інформаційних системах.

Розглянемо детальніше як неточні дані та неналежне документування можуть сприяти недовірі менеджерів до даних, на основі яких вони мали б приймати рішення. Ось кілька прикладів, які допоможуть пролити світло на проблему.

Неточні дані

Уявіть, що ви менеджер з маркетингу, який запускає нову кампанію. Ви отримуєте дані про продажі, які вказують на раптовий сплеск попиту на певний продукт. Натхненний, ви виділяєте на кампанію більший бюджет. Однак пізніше виявляєте, що дані були неточними через технічний збій, а стрибок насправді був аномалією. Це призводить до марної трати ресурсів і втрати довіри до надійності даних.

В цьому випадку на допомогу прийшла б система прогнозування, яка показала б, що це нерелевантний поточним умовам стрибок продажів, а також система контролю якості та достовірності даних з встановленими допустимими межами значень продажів.

Неузгодженість визначень даних

Як фінансовий менеджер, ви відповідаєте за аналіз прибутковості різних бізнес-підрозділів. Однак ви виявляєте, що кожен підрозділ визначає поняття «прибуток» по-різному. Деякі включають накладні витрати, а інші ні. Така неузгодженість у визначеннях даних ускладнює порівняння та отримання точних висновків. Це змушує скептично ставитися до надійності даних і заважає приймати обґрунтовані рішення.

Для розв'язання цієї проблеми є ПЗ для створення каталогів даних і аналітики, що дозволяє не тільки описати кожен показник в бізнес-глосарії через формальне визначення, формули й регламенти розрахунку, але і зв’язати його з конкретними аналітичними звітами, таблицями й полями даних в облікових системах.

Відсутність контексту даних

Уявімо, що ви операційний менеджер, який оцінює ефективність ланцюжка постачання. Ви отримуєте звіт про затримки в доставці продукції. Однак відсутня важлива контекстна інформація. Наприклад, про погодні умови або обмеження постачальника. Без цього контексту ви ставите під сумнів правдивість даних і не можете визначити першопричину затримок.

Для розв'язання цієї проблеми підійдуть системи бізнес-аналітики, які дозволяють створювати історії даних, додаючи до них коментарі та додатковий контекст. А також вони надають можливість швидкої зміни горизонту аналізу, щоб визначити наскільки така ситуація є типовою для конкретного постачальника за всю історію роботи з ним. Інший спосіб вирішення – побудова прогнозної моделі, яка буде показувати вплив конкретних факторів на своєчасність доставки та робити прогноз термінів.

Відсутність послідовності обробки даних

Як менеджер з продажу, ви відповідаєте за аналіз показників залучення клієнтів. Однак, коли ви намагаєтеся відстежити джерело даних, ви потрапляєте в глухий кут. Немає чіткої послідовності перетворення даних від джерела їх виникнення в системі до показника звіту, що унеможливлює визначення того, як вони були зібрані, перетворені або агреговані. Така непрозорість викликає сумніви щодо точності та надійності даних.

Зазвичай каталоги даних мають функціональність, що дає можливість автоматично або вручну прописати весь шлях даних від поля в таблиці облікової системи до конкретного бізнес-показника в глосарії. Це також дозволяє провести оптимізацію показників у звітах і видалити дублі та неточності.

Застаріла документація даних

Уявіть себе HR-менеджером, який намагається проаналізувати рівень плинності кадрів. Ви копаєтесь у документації, але виявляєте, що вона не оновлювалась роками. Ролі співробітників, відділи та назви посад змінилися, що зробило дані застарілими та ненадійними. Ця застаріла документація породжує скептицизм і підриває вашу впевненість у прийнятті рішень на основі даних.

Для розв'язання таких задач є спеціалізовані системи Master Data Management, які дозволяють проводити узгодження даних довідників із різних систем та відстежувати всі зміни у часі.

Отже, розв’язання цих проблем є життєво важливим для побудови довіри до даних. Впроваджуючи надійний контроль якості даних, встановлюючи чіткі визначення даних, документуючи походження даних і регулярно оновлюючи документацію, ми можемо підвищити точність даних і надати менеджерам впевненості, необхідної для прийняття обґрунтованих рішень.

Пам'ятайте, що управління даними відіграє вирішальну роль у забезпеченні точності, надійності та достовірності даних. Тому важливо впроваджувати кращі практики роботи з даними та розвивати культуру, засновану на даних, що дає можливість менеджерам повністю довіряти даним, на основі яких вони приймають рішення.