Управление качеством данных. Тренды бизнес-аналитики
- -
- 100%
- +
Менеджер по организационным изменениям
Менеджер по изменениям занимается именно тем, что следует из его названия: организует. Он/она помогает организации, обеспечивая ясность и понимание передовых решений в области технологий обработки данных. Поскольку проблемы качества часто выявляются с помощью информационных панелей, менеджер по изменениям играет важнейшую роль в визуализации качества данных.
Бизнес-аналитик/аналитик данных
Бизнес-аналитик занимается всеми аспектами бизнеса. Этот специалист определяет требования к качеству с точки зрения организации. Затем эти требования количественно отражаются в моделях данных для сбора и предоставления. Этот специалист (или группа специалистов) обеспечивает доведение теоретических основ качества данных до команды разработчиков.
4.2 Профилирование данных – ВТОРОЙ СТОЛП
Состав процесса
Профилирование данных – важнейший процесс в рамках DQM. Оно включает в себя:
Подробный анализ данных
Сравнение и сопоставление данных с их собственными метаданными
Запуск статистических моделей
Отчеты о качестве данных
Для чего этот процесс инициируется
Этот процесс инициируется для анализа существующих данных и их сравнения с целями по качеству. Он помогает компаниям определить отправную точку в процессе DQM и устанавливает стандарт для повышения качества информации. Метрики анализа качества данных, такие как полнота и точность, крайне важны на этом этапе. Точные данные выявляют несоразмерные значения, а полнота данных определяет совокупность данных и гарантирует целостность всех точек данных. Мы рассмотрим их далее.
4.3 Определение качества данных – ТРЕТИЙ СТОЛП
Третий столп – это само качество
«Правила качества» должны быть разработаны и определены на основе целей и требований бизнеса. Это бизнес-/технические правила, которым должны соответствовать данные, чтобы считаться жизнеспособными.
Бизнес-требования, вероятно, займут ведущее место в этом аспекте, поскольку критически важные элементы данных должны зависеть от отрасли.
Разработка правил качества имеет решающее значение для успеха любого процесса DQM
Разработка правил качества имеет решающее значение для успеха любого процесса DQM, поскольку они позволят обнаружить и предотвратить негативное влияние скомпрометированных данных на работоспособность всего набора.
Подобно тому, как антитела обнаруживают и устраняют вирусы в нашем организме, правила качества данных устраняют несоответствия в ценных данных. В сочетании с онлайн-инструментами бизнес-аналитики эти правила могут сыграть ключевую роль в прогнозировании тенденций и составлении аналитических отчетов.
4.4 Предоставление данных – четвертыЙ СТОЛП
Процесс отчетности о качестве данных
Отчетность о качестве данных – это процесс удаления и регистрации всех компрометирующих данных. Этот процесс должен быть разработан с учетом естественного процесса применения правил обработки данных. После выявления и фиксации исключений их следует агрегировать для выявления закономерностей качества.
Полученные данные должны быть смоделированы и определены на основе конкретных характеристик (например, по правилу, по дате, по источнику и т. д.). После сбора данных их можно подключить к онлайн-программе для составления отчётов, чтобы отражать состояние качества и выявленные отклонения на панели мониторинга качества данных. Также необходимо внедрить автоматизированную отчетность и технологические решения «по запросу», чтобы аналитика отображалась на панели мониторинга в режиме реального времени.
Важность отчетности и мониторинга
Отчетность и мониторинг играют ключевую роль в окупаемости инвестиций в управление качеством корпоративных данных, поскольку они обеспечивают отслеживание состояния данных в любой момент времени в режиме реального времени. Предоставляя компаниям возможность определять местоположение и местонахождение исключений в данных, команды специалистов по данным могут начать разрабатывать стратегию устранения проблем.
Знание того, с чего начать проактивную корректировку данных, поможет компаниям стать на шаг ближе к возмещению своей части из 9,7 млрд долларов, которые ежегодно теряются из-за некачественных данных.
4.5 – Восстановление данных – пятыЙ СТОЛП
Важнейший аспект восстановления данных
Важнейшим аспектом восстановления данных является проведение анализа «первопричины», чтобы определить, почему, где и как возник дефект данных. После проведения этого анализа следует приступить к реализации плана восстановления.
Процессы обработки данных, зависящие от ранее некорректных данных, вероятно, потребуют повторной инициализации, особенно если их функционирование находится под угрозой или нарушено из-за некорректных данных. К таким процессам могут относиться отчеты, кампании или финансовая документация.
Необходимость пересмотра качества данных
На этом этапе необходимо пересмотреть правила качества данных. Процесс пересмотра поможет определить, нуждаются ли правила в корректировке или обновлении, и позволит начать процесс эволюции данных. Как только данные будут признаны высококачественными, критически важные бизнес-процессы и функции будут работать эффективнее и точнее, обеспечивая более высокую окупаемость инвестиций и снижение затрат.
V Рекомендации по подготовке данных к анализу
При подготовке данной главы использовался источник [2].
Следуя описанным далее рекомендациям, вы сможете подготовить свою информацию к анализу.
5.1 Обеспечьте управление данными. Обеспечьте вовлечение всех отделов
Обеспечьте управление данными
Управление данными – это набор процессов, ролей, стандартов и ключевых показателей эффективности (KPI), которые гарантируют организациям эффективное и безопасное использование данных. Внедрение системы управления – основополагающий шаг к определению ролей и обязанностей в области управления качеством данных. Также крайне важно обеспечить ответственность каждого сотрудника за доступ к данным и их обработку.
Обеспечьте вовлечение всех отделов
Как уже упоминалось, при работе с качеством данных необходимо наличие определенных ролей и обязанностей. К ним относятся роли и обязанности менеджера по качеству данных, аналитика данных и других. При этом, хотя потребность в специализированных специалистах и является обязательной, необходимо также вовлекать в процесс всю организацию.
5.2 Обеспечьте прозрачность. Обучайте своих сотрудников
Обеспечьте прозрачность
Для успешной интеграции всех заинтересованных сторон в процесс необходимо обеспечить им высокий уровень прозрачности. Убедитесь, что все правила и процессы, касающиеся управления данными, доведены до сведения всей организации, чтобы избежать ошибок, способных нанести ущерб вашим усилиям.
Обучайте своих сотрудников
Оценка грамотности ваших сотрудников в работе с данными имеет основополагающее значение для обеспечения качества данных. Ведь если сотрудники не умеют эффективно управлять информацией и выявлять признаки ненадлежащего качества, все ваши усилия будут напрасны. Рекомендуется предлагать обучающие курсы всем, кто в них нуждается, и предоставлять необходимые инструменты для улучшения коммуникации и совместной работы в этом процессе.
5.3 Выберите ответственных за данные. Создайте глоссарий данных
Выберите ответственных за данные
Еще один эффективный способ интеграции всех участников процесса – назначение ответственных за данные. Хотя инвестиции в обучение – отличный способ обеспечить качество данных во всей организации, выбор ответственных за обеспечение качества в определенных областях может быть очень полезным, особенно для крупных предприятий с большим количеством подразделений и отделов. Ответственные за данные обеспечат соблюдение политик управления и внедрение систем качества.
Создайте глоссарий данных
Создание глоссария данных в рамках вашего плана управления – хорошая практика. Этот глоссарий должен содержать все необходимые термины, используемые для определения данных компании, в доступной и удобной для навигации форме. Это обеспечит единое понимание определений данных в организации.
5.4 Найдите первопричины проблем с качеством. Инвестируйте в автоматизацию
Найдите первопричины проблем с качеством
Если вы обнаружили проблемы с качеством данных в своей компании, не обязательно просто от них избавляться. Данные низкого качества также могут дать ценную информацию, которая поможет вам улучшить ваши процессы в будущем. Хорошей практикой здесь является анализ текущих данных, выявление причин проблем с качеством и их устранение. Это не только поможет вам подготовить почву для работы с чистыми, высококачественными данными, но и выявить распространенные проблемы, которых можно избежать или предотвратить в будущем.
Инвестируйте в автоматизацию
Ручной ввод данных считается одной из наиболее распространенных причин низкого качества данных из-за высокой вероятности человеческой ошибки. Эта угроза становится еще более серьезной в компаниях, где требуется многократный ввод данных. Чтобы избежать этого, рекомендуется инвестировать в инструменты автоматизации, которые возьмут на себя весь процесс ввода данных. Эти инструменты можно настроить в соответствии с вашими правилами и интеграцией, и они обеспечат точность ваших данных на всех уровнях.
Конец ознакомительного фрагмента.
Текст предоставлен ООО «Литрес».
Прочитайте эту книгу целиком, купив полную легальную версию на Литрес.
Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.