KVALITA INFORMACE: SROZUMITELNOST TEXTU VĚNUJÍCÍHO SE KVALITĚ DAT

Transkript

1 KVALITA INFORMACE: SROZUMITELNOST TEXTU VĚNUJÍCÍHO SE KVALITĚ DAT INFORMATION QUALITY: INTELLIGIBILITY OF WRITTEN TEXT IN TERMS OF THE DATA QUALITY Jiří Marek 1 Abstract In recent years, there has been an increasing interest in information quality management. So far, however, there has been little agreement on how to produce technical text for experts dealing professionally with the same topic presented in the text. In addition, no research has been found that surveyed how people who are not professionally interested in the topic of the analyzed technical text understand its content. This paper begins by reviewing the recent recommendations for the production of the intelligible text. It will then go on to explore how sixteen people of different ages and with different background knowledge understand the same written technical text. Finally, recommendations for the production of the technical text are presented, which are related to the main causes of intelligibility. Keywords Information quality, intelligibility, written technical text 1 ÚVOD Komunikací se rozumí pro potřeby tohoto textu výměna informací mezi lidmi a tato výměna může být uskutečněna třeba pomocí písemného textu, který jedna osoba vytvoří a druhá se čtením jeho obsahu a interpretací snaží porozumět zprávě. Informací se rozumí zpráva a v tomto článku písemná, u které se předpokládá, že má význam, a příjemce zprávy se snaží její poselství porozumět a vytvořit pomocí něho novou znalost. Informace má v porovnání s daty význam, přičemž toto odlišení není jediné správné a různí autoři mohou data a informace definovat odlišně. Pro potřeby této studie byl zvolen úryvek textu pojednávající o významu řízení kvality dat, přičemž úryvek se sestával z nadpisu, podnadpisu a dvou odstavců. Vybral jsem z tohoto úryvku slova a následně sestavil dotazník s více než 40 otázkami, jehož cílem bylo identifikovat, jak respondenti různého věku, vzdělání a vztahu k informačním technologiím jsou schopni jeho obsahu porozumět. Následně měly být popsány hlavní problémy nedorozumění a podána doporučení pro tvorbu srozumitelné informace. Přitom je vhodné mít na paměti, že v současnosti není k dispozici návod, pomocí kterého by bylo možné vytvářet srozumitelnou informaci za všech okolností. Tedy doporučení uvedená na konci tohoto článku pro tvorbu srozumitelné informace mají srozumitelnost textu zvýšit, avšak ho nemohou učinit plně srozumitelným. Kvalitu informace je obtížné definovat, leč pro potřeby tohoto článku se jí rozumí zejména srozumitelnost informace. Za informaci srozumitelnou považuji tu, kterou za srozumitelnou čtenář informace označí. Dále lze považovat za srozumitelnou informaci třeba tu, která používá odborný termín v jednom významu, který je v lepším případě vysvětlen. Více informací ke srozumitelnosti je uvedeno zejména v sekci Diskuze, jejímž smyslem je vedle jiného popsat hlavní problémy nesrozumitelnosti textu a podat návody, jak by měla být srozumitelná informace tvořena. Tedy tento článek má také za cíl podat určitou definici srozumitelného textu. V kapitole následující se uvádí Přehled literatury. Dále se popisují Metoda a předmět studie. Následuje kapitola věnující se výsledkům a po ní je uvedena kapitola Diskuze. Kapitola Zakončení je poslední kapitolou článku před seznamem literatury a přílohou, ve které se uvádí plné znění dotazníku, který byl v rámci studie použit pro dotazování celkem 16 respondentů. 2 PŘEHLED LITERATURY Jak píše William B. Rouse (2002), pro informační a znalostní management je třeba maximálně porozumět potřebám osob na informaci či znalost a s jakými schopnostmi a omezeními jsou lidé schopni informaci tvořit či přijímat, což se týká také znalosti. Podle něho je třeba lépe porozumět tvorbě informace či znalosti a také tomu, jak jsou informace přijímány příjemci zpráv, protože jen tak lze hledat doporučení pro tvorbu nejlépe srozumitelné a nejvíce přínosné informace. Přitom stejný autor klade důraz na uplatnění vysokohodnotové (high-value) informace v manažerském rozhodování, kdy je snahou získat informaci vždy co nejrychleji a s minimem nákladů. Dle téhož autora ne vždy osoby činící rozhodování vědí, jaké informace potřebují, přičemž z tohoto důvodu může být rozhodování obtížněji realizované, kdy není dostatečně porozuměno tomu, co je vhodné pro rozhodnutí získat za informace. 1 Jiří Marek, Ing., University of Tokyo, Department of Civil Engineering, Tokyo, Japan, {jiri}@ken-mg.t.u-tokyo.ac.jp 1

2 Podle Richarda Y. Wanga (1998) se nelze zabývat růstem produktivity, aniž by nebyla uvažována informace, lépe řečeno její management. Přímo se domnívá také, že je třeba v rámci informačního managementu řídit kvalitu informací. Také Wang píše, že jsou k dispozici nedostatečné metodologie, které by bylo možné uplatnit v totálním managementu kvality dat (Total Data Quality Management). Článek stejného autora metodologii prezentuje, přičemž smyslem metodologie je přispět k tvorbě kvalitních informačních produktů, které budou nabízeny zákazníkům firem. Uvažuje Wang tři body, pokud má být vytvářen informační produkt. Nejprve podle něho jsou k dispozici data jako vstupy. Dále je třeba uvažovat informační systém jako proces a nakonec vznikají informační produkty jako výstupy z informačního systému. Tvrdí vedle jiného stejný autor, že kvalita informace je závislá na kvalitě dat, pomocí kterých se informace vytváří. Wang v textu zpravidla nerozlišuje data od informací. Tentýž autor píše o 4 kategoriích kvality dat či informace, kdy se jedná o kategorie následující: kategorie vlastní (intrinsic), kategorie dostupnosti (accessability), kategorie kontextuální (contextual) a kategorie (reprezentační). První z uvedených 4 kategorií má 4 dimenze podle Wanga a jedná se o dimenze: přesnost (accuracy), objektivita (objectivity), důvěryhodnost (believability) a reputace (reputation). Druhá ze 4 uvedených kategorií má 2 dimenze, a to přístup a bezpečnost (access and security). Třetí kategorie kvality informace se charakterizuje 5 dimenzemi: relevance (relevancy), přidaná hodnota (value-added), včasnost (timeliness), úplnost (completeness) a množství dat (amount of data). Poslední kategorie ze 4 se sestává ze 4 kategorií: interpretovatelnost (interpretability), snadnost porozumění (ease of understanding), výstižnost reprezentace (concise representation) a konzistentní reprezentace (consistent representaton). Protože se dle mého minimálně některé dimenze neuplatňují příliš v češtině a překlad názvů dimenzí jsem provedl sám a nemusí být nejpřesnější, doporučuji čtenáři, aby se držel anglických názvů. Uvažuje-li se podle Wanga (1998) tvorba informace, pak lze uvažovat 4 typy osob majících co dočinění s tvorbou informace. Nejprve stejný autor uvažuje osobu, co je odpovědná za tvorbu dat a jejich sběr. Dále se uvažuje stejným autorem tvůrce informace, který má na starost fungování informačního systému, který vytváří informační produkt. Píše se dále v článku od Wanga o konzumentech informačních produktů a poté je podle něho třeba uvažovat ještě informační manažery, kteří řídí procesy, pomocí kterých se vytváří informační produkty. Jinak řečeno musí informační manažeři uvažovat životní cykly informačních produktů. Řídí-li se podle Wanga (1998) v organizaci kvalita informace, je vhodné uvažovat dva typy popisů. V rámci prvního se uvádí informace o systému výroby informací. V rámci druhého se popisují požadavky na kvalitu informace a na informační produkty. Následně se, jak píše stejný autor, oba popisy porovnávají a řídí se informace pomocí neustálého porovnávání popisů, kdy je hlavním cílem zdokonalit systém pro tvorbu informačního produktu. Jinak řečeno výsledky a procesy systému informací musí být co nejblíže informačnímu produktu, jehož kvalita se uvažuje (Wang, 1998). Měření se dle téhož zdroje provádí během porovnávání obou typů popisů za pomocí metrik kvality informace, přičemž se tyto metriky mohou týkat již výše vyjmenovaných 15 dimenzí kvality informace. Případně lze pracovat s metrikami složitějšími, které vznikají kombinací 15 metrik základních. Není dle téhož autora vhodné jen, aby se tvůrci informací snažili porozumět potřebám konzumentů informačních produktů, je dle něho také nutné, aby konzumenti informací rozuměli tomu, jak se informace tvoří a zachovává pomocí údržby a obnovy. V Kahn et al. (2002) se nahlíží na informaci jako na službu, přičemž se o informaci píše jako o využitelné, kdy je snaha při nabízení této služby informací (informačním produktem) uspokojit požadavky zákazníka. Již uvedený Wang (1998) uvedl 15 dimenzí kvality informace a Kahn et al. (2002) tyto dimenze přejímá, kdy přidává dimenzi bezchybnost (free of error). Těchto 16 dimenzí lze podle stejné publikace různě klasifikovat, což zde uvedeno nebude. Důležité je, že Wang (1998) v článku objasnil význam metrik pro management kvality informace a v textu od Pipino et al. (2002) je tvorba metrik podrobněji popsána, přičemž by se mělo jednat o tvorbu metrik, které lze po vytvoření opakovaně uplatnit. Již vyjmenované dimenze kvality informace se vysvětlují také v Pipino et al. (2002), přičemž ne vždy jsou snadno aplikovatelné na písemnou zprávu sestávající se třeba ze dvou odstavců. Lépe se jejich definice uplatní na záznamy v databázích. Uveďmě definice vybraných dimenzí, přičemž nebudou vysvětleny všechny dimenze ze 16 a zájemce o bližší informace se odkazuje na původní článek. Kupříkladu důvěryhodnost (believability) se definuje jako míra, se kterou se data považují za pravdivá či věrohodná ( the extent to which data is regarded as true and credible ). Dále třeba dimenze snadná manipulace dat se vysvětluje pomocí míry, kterou lze daty snadno manipulovat a aplikovat je na odlišné úkoly. Dále se třeba bezchybnost definuje pomocí korektnosti (corectness) a spolehlivosti. Dimenze přidané hodnoty se definuje pomocí ohodnocení přínosů a výhod, které jsou získány pomocí užití dat. Definice metrik pro 16 dimenzí uvedené v Pipino et al. (2002) však nepovažuji za vždy srozumitelné a snadno uplatnitelné kupříkladu v rámci uvažování dvou odstavců textu, protože doposud nebylo vyřešeno, jak třeba v případě věty o 20 slovech lze objektivně ohodnotit její spolehlivost, důvěryhodnost či bezchybnost, případně přidanou hodnotu, když je třeba uvažovat různé příjemce informace a informace pro někoho bezcenná může být jinou osobou považována za žádoucí. Jak již bylo napsáno výše, konstrukce metrik se uvádí v Pipino et al. (2002), avšak zde nebudou objasněny, protože v současnosti, jak tyto metriky uplatnit v rámci písemného textu sestávajícího se třeba ze 2 odstavců, kdy se neposuzují záznamy v databázi. Podívejme se vedle toho na vybrané komentáře od Philippa Smetse týkající se nedokonalosti informace (imperfection of information). Žádná informace nemůže být podle Smetse (1997) považována za jistě pravdivou a za dokonalou, pokud se na informaci nahlíží z objektivního pohledu. Jak píše stejný autor, lze uvažovat 3 hlavní aspekty nedokonalosti, kdy se 2

3 jedná o nepřesnost (imprecision), neslučitelnost (inconsistency) a nejistotu (uncertainty). Podle Smetse je informace perfektní (dokonalá) informací jistou a současně precizní. Připojuje první dva uvedené aspekty (nepřesnost a neslučitelnost) Smets informaci samotné a třetí aspekt má dle něho co dočinění s lidskou znalostí a také s informací, se kterou chtějí lidé znalosti porozumět. Píše také Smets o vztahu nepřímé úměrnosti mezi precizností informace a její jistotou, což znamená, že s rostoucí precizností (přesností) klesá jistota pravdivosti informace. Stejný autor v článku definuje některé aspekty informace, kdy některé se nyní uvádí. Třeba informaci nepřesnou (inaccurate) definuje jako významně nepřesnou a současně ne zcela chybnou ( essentially imprecise, but not completely erroneous ). Dále dle něho informace bezvýznamná (meaningless) je informací, která nesedí na realitu ( cannot be fitted to reality ). Smets (1997) uvádí také 4 aspekty neslučitelnosti a jedním z nich je protichůdnost (conflicting), přičemž je tento aspekt vysvětlen jako nesouhlas mezi daty ( disagreement among the data ). Některé z aspektů informace, jak je vysvětluje Smets, jsou aplikovatelné na písemné texty, kdy se třeba 2 sestávají ze dvou odstavců, jiné se aplikují hůře. Neslučitelnost lze v rámci porovnání dvou textů identifikovat, pokud k ní dojde, avšak může být obtížnější určit, který ze dvou textů je pravdivý. Totiž zde se naráží na problém Smetsem samotným uvedeným, že pravda tvrzení nemůže být prokázána, pokud se na tvrzení nahlíží objektivně. Pokud se jedno ze dvou tvrzení označí za pravdivé, nelze jinak řečeno vyloučit, že jednou bude vědecky označení tohoto pravdivého tvrzení zamítnuto jako pravdivé označení. Z toho důvodu se některé aspekty informace, jak je prezentoval Smets, obtížně aplikují. Tento autor píše třeba také o označení informace bezvýznamné pomocí toho, že se ukáže, že nesedí na realitu, přitom ale předpokládá, že je známa realita. Tomu tak ale není, protože se vedou vědecké diskuze, co je realitou, a nejenom mezi filosofy vědy, ale také třeba mezi fyziky (Rescher, 2001). Smets (1997) informaci nepřesnou definuje jako významně nepřesnou a současně ne zcela chybnou, kdy je v tomto případě problém to, co je a co není informace významně nepřesná, či informace, která není chybná zcela. Těchto obtíží si je sám Smets vědom, jak píše ve stejném článku, ze kterého byly převzaty informace pro přehled literatury v tomto článku. Parviz Ajiveh (2003) píše o dvou typech čtení, kdy v prvním případě text sám má význam a v druhém případě text sám o sobě je bezvýznamový a záleží pouze na interakčním procesu mezi čtenářem a písemnou informací. Podle téhož autora se při čtení uplatní paměť čtenáře, jeho jazyk a také se vyskytují očekávání, se kterými je text čten, kdy je při čtení snaha informaci přijmout, zamítnout či přijatou upravit. Mají se uplatnit při čtení schemata, jak se píše v textu stejného autora, kdy schema se vysvětluje jako inherentní struktury, které organizují lidský svět (inherentní = obsažený, vnitřně spjatý), přičemž tuto definici Ajideh převzal od Immanueala Kanta. Bez schemat nemá být realizováno porozumění, protože díky nim, které lze také považovat za lidskou znalost a zkušenost, lze aplikovat schemata na písemnou informaci a tak informaci porozumět (Ajiveh, 2003). Jak se píše tamtéž, při čtení se aktivují mentální schemata, přičemž tato schémata mohou napomáhat budování očekávání, které si člověk vytváří o textu. Nepovažuji za důležité o tomto tématu uvést pro potřeby článku více, tedy bude pojednáno o posledním tématu, které považuji za vhodné uvést, a to doporučení pro tvorbu srozumitelné zprávy. Greg Anderson (2002) doporučuje při tvorbě zprávy uvažovat průměrného čtenáře, kdy lze dle něho uplatnit technický žargon více, pokud se předpokládá, že text budou číst převážně experti a nikoliv osoby, co nejsou specialisty na téma, o kterém text pojednává. Z toho důvodu uvažování o budoucích čtenářích textu má vliv na výrazy, které se v něm uplatní. V jiné publikaci od jiných autorů se píše, že není k dispozici nejlepší metoda, se kterou by bylo možné vytvářet informace, které se uplatní v komunikaci (Scollon a Scollon, 2001). Základní pravidla kompozice se uvádí kupříkladu v publikaci od Joy M. Reid (2001), kde se třeba objasňuje rozdíl mezi esejí vysvětlovací a analyticko-souhrnnou, či se podávají návody pro tvorbu eseje argumentační. V téže publikaci se uvádí také příklady jiných esejí, avšak jim Reid nevěnuje tolik pozornosti. Podávají se v téže publikaci také návody pro organizaci textu sestávajícího se z více odstavců a podávají se tamtéž návody pro vhodnou organizaci vět v odstavci. Reid opět doporučuje v publikaci uvažovat audienci při tvorbě textu. Pisatel textu by se měl snažit odhadnout, co od textu čtenář bude očekávat, až přečte několik málo řádků, a také by neměl nechat čtenáře pisatel hádat, ale výslovně uvést, co mu nabízí (Reid, 2001). Vhodné dle předchozího zdroje pamatovat, že čtenář bude čtené ohodnocovat a následně usuzovat na pisatele textu. Dále se třeba v téže publikaci vysvětluje význam zužování tématu, či se píše o významu rozvinování poselství hlavní věty těch odstavců, které hlavní věty mají. Vysvětluje se také třeba v téže knize, že zahajovací (= hlavní) věty odstavců mohou prezentovat informace obecné a abstraktní, ale následující věty by měly být stále více konkrétní a specifické, kdy obecně je doporučující v textu preferovat konkrétní a specifické před abstraktním a obecným, protože text plný abstraktních a obecných výrazů je hůře srozumitelný a může také čtenáře nudit. Abstrakce je protikladem konkretizace. Význam abstrakce se mění s životními zkušenostmi. Válku vnímá člověk jinak, když o ní četl, nebo přežil pobyt v koncentračním táboře. Tedy abstrakce není jednoznačně interpretovatelná všemi lidmi. Pro někoho představuje štěstí dobrý vztah s rodiči, pro jiného úspěch u zkoušky. Abstraktní pojmy potřebujeme v určitých případech. Chceme-li pojmenovat myšlenku, ale nechceme uvádět podrobnost. To může být žádoucí při psaní hlavního nadpisu příspěvku, hlavních vět odstavců. V nadpise nebo hlavní větě uplatníme abstraktní pojem a v následujících větách pojem konkretizujeme na příkladě. Vztah obecných a specifických slov není protikladným, jak tomu je v případě abstrakce a konkretizace. U obecného a specifického jde o vztah celku k části. Obecná slova se týkají skupin, generalizací. Slova specifická se vztahují k části skupiny. 3

4 Většina osob nestudujících zásady psaní neopakuje klíčová slova ve větách, přičemž právě opakování klíčových slov napomáhá udržet soudržnost textu (coherence) (Reid, 2001). Tamtéž se doporučuje klíčová slova textu objasnit, protože jejich nevysvětlení může činit text nesrozumitelným. Podle Lawrence (1972) neexistuje model pro psaní odstavců, který by bylo možno označit za jediný správný. Neexistuje dle ní ani jediný správný návod, jak text členit do odstavců, případně jak vytvářet úvodní větu každého odstavce. Je třeba ale přesto vždy usilovat o uskupování vět do jednotek (= odstavců), které budou podávat podobné informace. Lawrence ve stejné knize nepoužívá výraz topic sentence (zahajovací či hlavní věta odstavce), který dle ní hojně užívají někteří učitelé psaní. Místo toho předává v publikaci návody, jak lze různě odstavec zahájit. Také jsou podány v knize návody, jak vytvářet věty ke konci odstavců (summary sentences), případně v závěrečném shrnutí. Podle ní ne každá věta odstavce musí mít zahajovací větu, která bude často obsahovat obecné sdělení (generalisations). Dokonce podle ní několik odstavců pod sebou nemusí být zahájeno pomocí zahajovací věty. Vždy ale je potřeba, aby tvůrce textu vynechal zahajovací věty v podobě generalizací po zvážení, aby text maximálně odrážel logické myšlenkové vztahy ( logical patterns of thought ). To jinak znamená, že se první věty v odstavcích nevolí náhodně, ale po uvážení, aby organizace textu, použité logické vztahy maximálně předávaly, co chtěl pisatel předat, pro co chtěl argumentovat. Slova lze užít v přesném pojetí, případně mohou vyjadřovat relativní hodnoty (Lawrence, 1972). Uvádí se dále tamtéž, že aby byla slova užita přesně, třeba ve vědeckém vyjadřování, pak musí být ke každému slovu, které to vyžaduje, být přiřazen číselný údaj, případně interval. Pokud pisatel i nevědeckého textu užije ve vztahu ke slovnímu vyjádření číselný údaj, bude jeho zpráva srozumitelnější. Často je smyslem textu podat vysvětlení, což se opět přebírá z publikace od Lawrence, pokud neusiluje pisatel kupříkladu hlavně o pobavení čtenáře. Lawrence vysvětluje význam slova vysvětlit (to explain) jako snahu pisatele podat něco srozumitelně (comprehensible) a jasně (clear). V rámci vysvětlení může být použito více logických metod organizace článku současně. Když má podle ní člověk psát vysvětlení, musí nejprve zvážit, které logické metody (kupříkladu dedukce) je nejvhodnější použít a jakou slovní zásobu pro vyjádření různých vztahů (kupříkladu celku k části, protikladů) je třeba použít (Lawrence, 1972). Podávají se v téže publikaci také různé návody pro tvorbu definic, jinak řečeno pro vysvětlení klíčových slov textu, což se zde již popisovat nebude. Neměly by v textu být zkratky, které sníží srozumitelnost textu (White & Strunk, 2000). Tedy každá zkratka by měla být vysvětlena. Totiž ne každý dle Whita vždy zná význam zkratky a přímo píše o lidech, kteří se se zkratkou mohou setkat poprvé a pak je pro ně text nesrozumitelný, když se zkratka nevysvětlí. Dle něho je dobrým pravidlem začít vždy článek pomocí celých slov a až později lze slova zkrátit a nabídnout místo nich zkratku. Stejná publikace dále třeba nedoporučuje používat slova převzatá z cizích jazyků či zkratky, a také se nedoporučuje převzít slova z cizích jazyků a neuvádět jejich překlady. Tvůrce zprávy by měl usilovat o srozumitelnost, což je jiné doporučení pocházející ze stejné knihy, pokud je smyslem zprávy předat čtenáři co nejsnadněji informaci a tam maximálně obohatit jeho znalost. Totiž psaní je komunikací a v ní jde o srozumitelnost. Dále stejná kniha nedoporučuje v textu používat kvalifikátory jako trochu, velmi, velice, málo, protože jsou pro čtenáře nesrozumitelné. Také doporučuje z každé věty odstranit zbytečná slova, z každého odstavce odstranit zbytečné věty. Doporučuje se i užívat jednoznačná, specifická a konkrétní slova (White & Strunk, 2000). Na druhou stranu má tvůrce textu, což se píše tamtéž, eliminovat slova vágní (nejednoznačná), obecná a abstraktní. Nelze podle téže publikace v textu uvádět vždy všechny detaily, avšak současně tvrdí, že je třeba významné detaily v textu uvádět, přitom by měl být tvůrce zprávy jednoznačný, přesný, specifický a konkrétní. Vedle již uvedeného není doporučeno se vyjadřovat váhavě či vyhýbavě, zpravidla se silnější větou (stronger) dochází k jejímu zkrácení, což zase tvrdí White & Strunk (2000). Doporučuje Strunk, což je druhý autor knihy, zahájit každý odstavec větou, která navrhne téma. Nebo lze začít odstavec větou, která napomáhá čtenáři v přechodu. Pokud je totiž odstavec dle stejného autora součástí většího textu, pak se úvodní věta odstavce vztahuje k předchozímu odstavci či odstavcům, případně k větší předchozí části textu. Šance na úspěch (vytvoření kvalitního (srouzumitelného) textu) je tím větší, čím jasněji je autor schopen před psaním určit, jaký tvar (shape) by měl mít jeho text (White & Strunk, 2000). Vhodnou jednotkou písemného textu je odstavec dle stejného zdroje a může být tvořen krátkou větou či kupříkladu dvaceti dlouhými větami. Každá jednotlivá myšlenka (a single idea) by měla být uvedena v samostatném odstavci, což se také píše tamtéž, pokud však je kupříkladu vytvářeno krátké zhodnocení (review), není třeba jednotlivé myšlenky uvádět v samostatných odstavcích. Když je odstavec vytvořen, má tvůrce posoudit, zda by nebylo vhodné ho rozdělit na více odstavců a tak text vylepšit. Strunk se o začátku každého odstavce vyjadřuje jako o signálu, že bude prezentováno cosi nového ve vztahu k tématu článku, co ještě nebylo uvedeno. Jinak řečeno každá první věta odstavce by měla nabídnout novou informaci k již uvedenému, a tedy přispět k rozvoji tématu. Zopakujme ještě na závěr této kapitoly, co již bylo řečeno. Neexistuje jedna metoda, které by vedla k tvorbě textu, co lze označit za nejvíce srozumitelný. Z toho důvodu se i výše uvedená doporučení uplatní při vytváření různých textů v různé míře a jak třeba píše Čmejrková et al. (1999), mělo by docházet k přibližování a sjednocování zásad akademického psaní, kdy odborné psaní výše uvedené zásady může využívat, avšak zatím například ke sjednocení anglického a německého stylu psaní nedošlo. Stejná publikace píše, že v rámci německého stylu se uplatní zejména intelektuálnost a tvůrce textu se primárně nesnaží vytvořit text srozumitelný, na což se zaměřuje na druhou stranu text 4

5 anglický. Přitom se v téže knize píše, že nelze jeden ze stylů jednoduše označit za překonaný druhým stylem. Každý totiž souvisí s jinou kulturní tradicí. V této kapitole výše prezentovaná doporučení na srozumitelné psaní se týkají zejména anglického stylu vyjadřování, avšak některá doporučení lze nejspíše uplatnit také ve stylu vyjadřování českého pisatele, který má zpravidla blíže k německému stylu. Domnívám se, že ne nutně každý píšící neměcky se musí vyjadřovat nesrozumitelně v porovnání s anglickým stylem vyjadřování, protože kupříkladu Karl Marx, což vím z vlastní zkušenosti, psal německy a je některými současnými vědci dáván za vzor, co se týče srozumitelnosti vyjadřování. Totéž platí podle mého o dalším německém filosofovi, Arthuru Schopenhauerovi, který sice psal německy, ale opět je jeho styl psaní dáván za vzor vhodný následování. 3 METODA A PŘEDMĚT STUDIE Na webové prezentaci českého časopisu IT SYSTEM ( byl vybrán článek publikovaný přímo v IT SYSTEM 6/2004, a to nesoucí název Řízení kvality dat v Českém Telecomu. Následně jsem z tohoto článku převzal nadpis článku a podnadpis, a to s prvními dvěmi odstavci článku. Tyto části textu se zde uvádí, přičemž autor článku Ing. Jaroslav Rada, působí jako account manager ve společnosti TietoEnator. ÚRYVEK Řízení kvality dat v Českém Telecomu V popředí zájmu jsou především data o zákaznících Kvalita dat je nezbytnou podmínkou pro získání kvalifikovaných informací. Bez zajištění kvalitních dat na výkonné úrovni nelze očekávat správné plánování na strategické úrovni. Je v životním zájmu každé společnosti zabývat se kvalitou dat na systematické bázi. Český Telecom řeší tuto otázku za přispění metodiky a technologie dodané společností TietoEnator. Význam řízení kvality dat Český Telecom je poskytovatelem hlasových, datových a integrovaných služeb. Zajištění stávajících služeb a produktů stejně jako rychlý rozvoj nových s sebou nese i rychlý rozvoj informačních systémů podporujících byznys společnosti a trvale se zvyšující nároky na kvalitu a čistotu dat. V praxi běžně docházelo k tomu, že vstupní informace v rámci jednoho systému byly věcně správné, došlo-li však ke vzájemnému porovnání odpovídajících datových položek mezi několika systémy, obsahy vykazovaly rozdíly. Další zpracování takovýchto dat běžnými metodami bylo velmi komplikované. Český Telecom se proto rozhodl v rámci projektu Data Quality implementovat metodiku TIQM (Total Information Quality Management) s cílem vybudovat prostředí pro růst kvality dat a její trvalé udržení. V popředí zájmu jsou především data vztažená k zákazníkovi, například název firmy, adresa sídla firmy, poštovní adresa apod. Nárůst kvality zákaznických dat v primárních databázích odstraněním nepřesností nebo neúplností má za následek například vzestup doručitelnosti zásilek (faktur, marketingových materiálů atd.). Dále se odrazí především v kvalitě reportů, které slouží k manažerskému rozhodování. Proces zajištění kvality dat zahrnuje mimo jiné proces přípravy a zpracování dat, vyhodnocení výsledků a následná nápravná opatření. Zdroj: (Zpravodajský portál časopisu IT System, úryvek převzat 9. listopadu 2007) Následně byl vytvořen dotazník, jehož cílem bylo zjistit, jak lidé různého věku a různého vztahu k informačním technologiím rozumí stejné písemné informaci. Cílem bylo identifikovat pomocí tohoto dotazníku části informace, kterým respondenti nejméně rozumí. Tak měly být identifikovány nejobtížnější části písemné informace, načež měla být vytvořena doporučení, pomocí který lze srozumitelnost textu vylepšit a tak zvýšit kvalitu unformace. Vybral jsem pro účel studie text od jiného autora a nikoliv text vlastní, protože se problémem tvorby srozumitelné informace zabývám již přes dva roky a považuji své vyjadřování ne za standardní, jelikož mi je občas vytýkáno, že se snažím vlastní text vytvářet příliš srozumitelný, a tedy se jedná o text ne příliš vhodný pro odborníky. Úryvek byl pro potřeby studie převzán z webového portálu časopisu IT SYSTEM bez žádosti tento úryvek ve studii použít směřované na editora časopisu či autora úryvku. Studie se zúčastnilo celkem 16 respondentů různého věku a nejedná se pouze o osoby, jejichž povolání má blízko k informačním technologiím. Ani nebyli ve studii zastoupeni pouze respondenti, kteří se o informační technologie zabývají soustavně v rámci studia či výkonu povolání. Byli užiti ve studii respondenti různého věku a různého vztahu k informačním technologiím a k tématu kvalita dat, protože bylo cílem této studie ohodnotit primárně, ne jak experti zabývající se kvalitou dat či informačními technologiemi čtou odborný text, ale na druhou stranu bylo cílem studie určit, jak lidé s různým vztahem k informačním technologiím či přímo k oblasti informačních technologií, která se zabývá kvalitou dat či informace, rozumí textům, kteří píšou odborníci zabývající se kvalitou informace soustavně. 5

6 Jinak řečeno byla snaha ohodnotit, zda odborníci vytvářející texty o kvalitě dat či informace vytváří texty srozumitelné pro každého či minimálně pro osoby označující se za profesionály v oblasti informačních technologií. Počet osob oslovených se žádostí o vyplnění dotazníku se pohyboval mezi 40 až 50. Toto číslo nejsem schopen uvést přesně, protože některé osoby, které vyplnily dotazník, mou žádost o účast ve studii rozeslaly dále, avšak jsem již nezjišťoval, kolik osob každá z nich přesně oslovila. Dotazníků bylo vráceno vyplněných 16. Respondenti nemuseli číst v rámci studie znění celého analyzovaného článku, ale naopak měli k dispozici v dotazníku pouze nadpis, podnadpis a dva první odstavce článku. Přitom však byl v dotazníku uveden hypertextový odkaz na znění celého článku, takže v případě zájmu mohl každý respondent při vyplňování dotazníku přečíst článek celý. Ke konci dotazníku pak byla vznesena otázka, zda respondent přečetl článek celý či nikoliv, a jak je zřejmé z výsledků studie, celý článek přečetl 1 respondent ze 16. Ostatní zpracovali dotazník po přečtení části článku uvedeného v dotazníku. Pro analýzu srozumitelnosti byl zvolen počátek článku a nikoliv úryvek z jeho dalších částí, protože bylo předpokládáno, že nadpis článku či podnadpis mají předat čtenáři úvodní informace o obsahu článku a také by to měl činit úvodní odstavec či odstavce textu v úvodu článku. Přitom lze očekávat, že další odstavce textu uvádějí kupříkladu podrobnější či složitější informace, které se již dříve v článku třeba zmínily obecněji či jednodušeji. Z toho důvodu respondenti analyzovali počátek článku a nikoliv pasáž kupříkladu z jeho středu či konce, protože tyto pasáže by mohly obsahovat informace, k jejichž porozumění by museli respondenti číst předchozí části článku. Pouze část článku byla zvolena do studie, protože žádat respondenty, aby přečetli celý článek, by vyžadovalo více času na zpracování dotazníku z jejich strany a domnívám se, že by studie nebyla dokončena pro nezájem většiny respondentů strávit nad dotazníkem více času. Dotazník v současné podobě vyžadoval na zpracování více než 20 minut a již tato doba se zdála některým respondentům dlouhá. Patnáct respondentů ze 16 četlo pouze část článku, přesto bude obsah celého článku v první subkapitole následující kapitoly Výsledky popsán. Totiž nelze vyloučit, že informace, které respondenti nerozuměli v analyzovaném úryvku, může být vysvětlena v části článku, kterou nečetli. Tím, že obsah celého článku popíšeme, jsme schopni určit, které informaci respondenti nerozuměli, protože není v analyzovaném úryvku článku a současně ani ve zbytku článku, který neměli k dispozici. Dále lze určit, které informaci respondenti nerozuměli, protože analyzovali pouze úryvek článku a nepřečetli si zbytek článku, kdy informace, které nerozuměli, může být vysvětlena ve zbytku článku. Vybral jsem pro studii text jiné osoby, protože sám přes dva roky věnuji kvalitě informace a srozumitelnosti vyjadřování a pokud bych použil ve studii svůj text, nejspíše by na něm některé problémy srozumitelnosti nebyly identifikovány. Z toho důvodu by studie měla menší vypovídací hodnotu, protože by nebylo ohodnoceno vyjadřování osoby, která se měsíce nezabývá metodami pro vytvoření srozumitelné písemné informace v podobě odborného článku. Cíle článku je naopak ohodnotit vyjadřování osoby, která se zabývá kvalitou informace ve výzkumu či v povolání a současně ale nemusí mít ponění o mnoha doporučeních pro srozumitelné psaní. Toto tvrzení však nejsem schopen v této kapitole potvrdit, tedy je pouze spekulativní, protože lze předpokládat, že autor analyzovaného úryvku uplatnil návody pro srozumitelné psaní shrnuté v předchozí kapitole zabývající se literaturou. Pak ale je smyslem studie ohodnotit, jak moc se mu podařilo stále srozumitelnou informaci vytvořit. Více k domněnce uvede sekce Diskuze. V první subkapitole kapitoly Výsledky, se popisuje, jak již bylo uvedeno, celý obsah článku, jehož část byla převzata do dotazníku. Tento popis je zejména subjektivní, protože jsem se snažil s pomocí své znalosti identifikovat vedle uvedení samotného popisu textu v textu vše, co mi přijde nesrozumitelné. Nesrozumitelné (například nejednoznačné, vágní, obecné výrazy) jsem se snažil identifikovat, protože bylo třeba vybrat pro studii slova, na jejichž význam budou respondenti tázáni. Tato slova byla zvolena a poté jsem sestavil dotazník, ve kterém jsou respondenti tázáni na vysvětlení významů slov, kterým jsem sám nerozuměl. Tímto způsobem mělo být zjištěno, zda slovům nerozumím sám, či zda s významy slov mají problémy také jiné osoby. Aby byla ohodnocena plně srozumitelnost textu, pak by bylo nejspíše potřeba se ptát na význam každého slova z analyzovaného úryvku, na návaznost vět, nadpisu či také třeba na hlavní zprávy odstavců a propojení těchto hlavních zpráv odstavců. Tento způsob zvolen nebyl, protože by dotazník obsahoval desítky dalších otázek a byl by náročný na vyplnění. Lze říci, že ohodnocení srozumitelnosti textu je vždy z části závislé na tom, jaká slova tvůrce studie zvolí na rozbor, přitom však se současně domnívám, že lze pomocí dostatečného počtu zvolených slov do dotazníku nabídnout doporučení pro vytvoření informace srozumitelnější, protože i tak mohou být některé nesrozumitelné části článku identifikovány. Znění celého dotazníku je uvedeno ke konci článku, a to v příloze, přičemž nebude v této kapitole detailně dotazník popsán. To proto, že znění jeho otázek je uvedeno v následující kapitole prezentující výsledky studie. Poslední otázka dotazníku má číslo 44, v rámci které byli respondenti tázáni, zda chtějí po vyhodnocení studie a napsání článku o ní jeho znění obdržet em. Odpověď na tuto 44. otázku dotazníku analyzovat v tomto článku nebudu a ani prezentovat volby respondentů. Předposlední otázka dotazníku má číslo 43, přesto je otázek v dotazníku o několik více. Nejprve totiž dotazník obsahuje 6 otázek předběžných, ve kterých uvedli respondenti jméno, věk, studijní obor či název povolání a kontaktní . Dále uvedli nejvyšší dosažené vzdělání a také vztah k informačním technologiím. Na výběr měli při volbě nejvyššího dosaženého vzdělání čtyři následující možnosti: 1. vystudovaná základní škola, či studuji základní školu; 2. vystudovaná střední škola s maturitou, či studuji střední školu s maturitou; 3. vystudovaná střední škola bez maturity či vyučení, či studuji střední školu bez maturity i výučního listu; 4. vystudovaná vysoká škola, či studuji vysokou školu. Pod otázkou Jaký je váš vztah k informačním technologiím? následovalo šest následujících možností: 1. Jedná se o můj obor studia či náplň práce.; 2. Zajímám se o toto téma ve volném čase soustavně.; 3. Zajímám se o toto téma ve volném čase příležitostně.; 4. O tomto tématu vím velice málo.; 5. O tématu nic.; 6. Jiná možnost. Veškeré předběžné otázky nebyly číslovány. 6

7 Jména respondentů ve výsledcích studie nejsou uvedena, aby byla zachována anonymita, je však uveden věk každého respondenta a jeho pohlaví, nejvyšší dosažené vzdělání, jeho vztah k informačním technologiím a také studijní obor či název jeho povolání. Tyto údaje považuji za vhodné uvést, aby čtenář článku získal představu o složení skupiny respondentů, kteří analyzovali úryvek odborného textu zabývající se kvalitou dat, kdy se nejspíše jednalo o text napsaný odborníkem v této oblasti, protože autor analyzovaného článku pracoval jako account manager ve společnosti, která pomohla Českému Telecomu zkvalitnit řízení dat. První číslovaná otázka dotazníku má číslo 1 a poslední číslo 44. Přitom otázek číslovaných v otazníku je více, protože vedle 44 otázek s čísly 1 až 44 se nachází v dotazníku také 3 podotázky. Přímo se jedná o podotázky 8.1,28.1 a Tedy dotazník obsahuje celkem 47 číslovaných otázek. Většina otázek dotazníku nabízela nejprve uzavřené odpovědi, kdy se volila odpověď kupříkladu mezi a (otázky č. 1, 3 až 7, 9 až 11, 13 až 18, 20 až 28, 29 a 29.1, 31 až 35, 37 až 39); mezi ne a a ano a vysvětlím (otázka č. 2); mezi ano a ne a (otázky č. 8 a 8.1, 12); mezi ne a ano a uvedu příklad(y) (otázka 28.1); mezi nejsem schopen tak učinit a uvedu (otázka 30); mezi ano a a ne a vysvětlím (otázka č. 36). Otázka č. 19 nabízela čtyři možnosti: ne,, ano a nejsem schopen vysvětlit, ano a vysvětlím. Pokud byla v dotazníku kdekoliv zaškrtnuta možnost, jejíž částí bylo slovo vysvětlím, pak museli respondenti slovně objasnit, proč zvolili onu možnost. Posledních 5 otázek dotazníku (otázky č. 40 až 44) respondenti vyplňovali po vyplnění všech předchozích otázek uvedených v dotazníku. Otázka s pořadovým číslem 40 se ptala na hlavní zprávu úryvku a v tomto případě měli respondenti popsat onu zprávu jednou větou. Ve 41. otázce byli tázáni na ohodnocení srozumitelnosti analyzovaného úryvku, případně celého článku, kdy měli na výběr jednu z těchto 5 možností: 1. Rozumím hlavní zprávě textu a rozumím také významu všech slov v něm.; 2. Rozumím hlavní zprávě textu, ale nerozumím významu některých slov v něm.; 3. Nerozumím hlavní zprávě textu, ale rozumím významu všech slov v něm.; 4. Nerozumám hlavní zprávě textu a nerozumím významu všech slov v něm.; 5. Jiná možnost. Otázka s pořadovým číslem 42 se ptala, zda autor úryvku či celého článku vytvořil srozumitenou informaci, kdy respondenti mohli zvolit 1 ze 2 možností, a to ano a ne. Další otázka s číslem 43 se ptala, zda si respondent přečetl znění celého článku, když vyplňoval dotazník. Na výběr byly tři odpovědi: 1. ano, 2. ne, 3. Pokusil jsem se, ale vzdal jsem to před koncem, protože textu nerozumím. Pomocí této otázky bylo možné rozpoznat, kteří respondenti analyzovali pouze úryvek uvedený v dotazníku a kteří si přečetli článek celý, který nebyl součástí dokumentu vytvářejícího dotazník. V sekci Výsledky se nejprve popisuje obsah celého článku, jehož část byla převzata do dotazníku. Dále se uvádí výsledky ze 16 dotazníků. 4 VÝSLEDKY Nejprve bude popsán obsah celého článku, jehož úryvek respondenti analyzovali, kdy prezentuji vlastní interpretaci článku, tj. vyjmenovávám části úryvku užitého v dotazníku a části článku, které nebyly součástí dotazníku, které považuji za nesrozumitelné. Úryvek článku převzatý pro dotazník zde nebude ocitován, byl uveden v předchozí kapitole a také je uveden v příloze příspěvku. Článek, jehož úryvek byl převzdat do dotazníku, vyšel v časopise IT SYSTEM 6/2004, jeho autor pracoval v době uveřejnění jako account manager ve společnosti TietoEnator, jak se píše pod článkem na webovém portálu stejného časopisu. Vedle nadpisu Řízení kvality dat v Českém Telecomu (Český Telecom zkráceně Č.T.) má článek podnadpis V popředí zájmu jsou především data o zákaznících a pod nadpisem se nachází v tučném fontu psaný odstavec, který byl převzat také do studie. Dále následuje v článku další odstavec a opět převzatý do studie, který se nachází pod nadpisem odstavce Význam řízení kvality dat. Poté se v článku uvádí nadpis dalšího odstavce Proces zpracování dat a následuje znění samotného odstavce. Dále se článek sestává z dalšího nadpisu odstavce Nápravná opatření, přičemž se pod tímto nadpisem uvádí odstavec textu a pod ním se píše Nápravná opatření zahrnovala následující oblasti:. Oblasti se poté v sedmi jednovětných bodech vyjmenovávají. Následně se uvádí další nadpis odstavce Přínosy pro business a pod ním se píše Mezi přínosy projektu Data Quality pro Český Telecom patří například:. V devíti bodech se ony přínosy opět poté vyjmenovávají. Poslední odstavec článku má nadpis Trvalý proces řízení kvality dat a poté se prezentuje samotný text odstavce. Pak se na webové stránce s článkem nachází údaje o autorovi článku. Pod údaji o autorovi článku se ještě prezentuje text mimo článek podávající doplňující informace, kdy text je uveden na modrém pozadí. Hlavním nadpisem textu na modrém pozadí je Nezbytné komponenty managementu informační kvality. Pod tímto nadpisem následuje odstavec a pod ním pak věta K základním aspektům managementu informační kvality, tak aby se stal významným nástrojem společnosti, patří:. Tyto aspekty se v článku číslují čísly 1 až 4 a jedná se o následující 4 aspekty: 1. Informační kvalita je obchodní problém, nikoliv IT problém, 2. Zaměřte se na uživatele a dodavatelé informací, ne jenom na data, 3. Zaměřte se na všechny komponenty informační kvality - definice, obsah, prezentace, 4. Vyhodnocujte přesnost, nikoliv správnost. Jak název analyzovaného úryvku převzatého v IT SYSTEM 6/2004 sděluje, má pojednávat o řízení kvality dat v české společnosti. Přitom chce autor článku zdůraznit, že v rámci řízení kvality dat je třeba se zaměřit na data o zákaznících. Tento důraz je uskutečněn pomocí obsahu podtitulku článku. Považuje následně autor článku kvalitu dat za 7

8 nutnou podmínku pro obdržení informací kvalifikovaných. Totiž v druhé větě prvního odstavce se píše, že nelze bez kvalitních dat provádět správné plánování na strategické úrovni, přičemž data by měla být zajištěna na úrovni výkonné. V článku však není uvedeno, proč data zajištěna kupříkladu na výkonné úrovni nemohou být použita pro získávání kvalifikovaných informací na výkonné úrovni. Nevysvětluje se, proč jen kvalita dat je nutná pro získání kvalifikovaných informací a proč ne třeba také pro získání nekvalifikovaných informací. Není ani objasněn rozdíl mezi daty a informacemi. Vedle toho není objasněno, v čem se liší úroveň výkonná od úrovně strategické. Podíváme-li se opět na první větu prvního odstavce, lze říci, že není dále objasněno, proč jsou kvalitní data nutná pro získávání kvalifikovaných informací. Vedle toho není v odstavci objasněno, v čem se liší kvalifikovaná informace od nekvalifikované, či proč firma nemůže pomocí kvality dat získávat nekvalifikované informace. Ve druhé větě prvního odstavce analyzovaného článku se píše o životním zájmu, aby se firmy zabývaly kvalitou dat, leč není uvedeno, proč je to v životním zájmu a nikoliv jen v zájmu. Stejná věta pak uvádí termín systematická báze, který není výslovně objasněn. Vedle toho se píše v prvním odstavci článku o metodice a technologii a opět není objasněn rozdíl ve významu těchto dvou pojmů. Porovná-li se obsah dílčího nadpisu článku s obsahem prvního odstavce článku, lze říci, že odstavec článku neobjasňuje, proč je třeba zejména věnovat pozornost datům o zákaznících. Totiž první odstavec textu píše o kvalitě dat a informací obecně a není v něm uvedeno nikde slovo zákazníci. Autor článku podnadpisem V popředí zájmu jsou především data o zákaznících specifikuje zaměření článku, když se uvažuje výše uvedený hlavní nadpis článku. Přitom se však první odstavec článku nezabývá specifikovaným tématem (řízením kvality dat o zákaznících), leč podává první odstavec článku informace obecné týkající se kvality dat a informací, tedy podává jinak řečeno informace týkající se hlavního nadpisu článku. Podívejme se dále na odstavec uvedený pod nadpisem Význam řízení kvality dat. V tomto odstavci chtěl nejspíše autor článku vysvětlit, proč je třeba řídit kvalitu dat. Jak se píše ve stejném odstavci, nabízí Č.T. služby hlasové, datové a integrované, leč se nelze dočíst v článku o příkladech těchto služeb. Také není objasněno, v čem se liší služba hlasová od datové, služba datová od integrované, či služba hlasová od integrované. Je třeba podle autora článku dbát na zajištění stávajících služeb a produktů, kdy není uveden příklad stávající služby či produktu. Ani se neuvádí, jak Č.T. tyto stávající služby zajišťuje. Když se následně píše o tom, že se rychle rozvíjí nové služby a produkty, opět se neuvádí příklad nově se rozvíjejících služeb a produktů. Vedle toho se píše o rychlém rozvoji, kdy však není specifikováno slovo rychlý. Tedy lze spekulovat, v čem se liší rychlý rozvoj od třeba extrémního, pomalého, významného, zrychlujícího se. Dále v textu není uvedeno i, co přesně znamená rychlý rozvoj informačních sytémů. Totiž se lze ptát, kdy může být rozvoj informačního systému nazván rychlým na rozdíl od rozvoje informačního systému, který nebude považován za rychlý ani třeba pomalý a jen se bude rozvíjet. Výraz informační systémy není specifikován a není uveden příklad informačního systému pomocí detailního vysvětlení. Tedy se lze následně ptát, když se v článku píše o informačních systémech, co mají podporovat byznys společnosti, zda existují informační systémy, které byznys společnosti nepodporují. Dále se lze i tázat, jaké typy či druhy informačních systémů existují, když autor nepíše o jednom informačním systému, ale píše o informačních systémech. Když začíná druhá věta druhého odstavce článku výrazem V praxi, pak se nelze v článku dočíst, zda má autor článku na mysli praxi v rámci řízení kvality dat v Č.T., či zda v tomto případě píše o řízení dat v rámci více firem. Nejspíše má na mysli Č.T., protože první věta druhého odstavce článku začíná výrazem Český Telecom. Pak se ale můžeme ptát, co znamená, že běžně docházelo v rámci porovnání datových položek více systémů k rozdílům. Píše se také v druhém odstavci článku o několika systémech, které nejspíše používá Č.T., nejsou však uvedeny příklady minimálně dvou systémů. Následně si nedovedu představit, v čem se liší vstupní informace týkající se různých systémů a také těch systémů, které se porovnávají. Autor článku také píše o věcné správnosti dat, kdy se opět nevysvětluje v témže odstavci, v čem se liší věcná správnost od věcné nesprávnosti. Datové položky mezi více systémy byly porovnány, kdy se nelze dočíst, jaké datové položky přesně a mezi jakými systémy a jak byly porovnány. Píše se následně o vykazování rozdílů v obsazích systémů, přičemž tyto rozdíly nejsou popsány. Tedy čtenář může spekulovat, jaké rozdíly byly nalezeny. Protože se v článku také píše Další zpracování takovýchto dat běžnými metodami bylo velmi komplikované., lze předpokládat, že po porovnání dat mezi více systémy byla snaha je dále zpracovávat k jakémusi účelu. Přitom se již nedočteme, proč bylo zpracování dat komplikované, či lépe řečeno velmi komplikované. Dále se nelze dočíst, jaké běžné metody při onom zpracování dat selhaly a proč. Pokud se v článku píše o metodách zpracování dat běžných, lze se ptát, zda existují také metody jiné než běžné. Pokud existují, může být vznesen dotaz, proč nebyly aplikovány na zpracování dat místo metod běžných. Píše se také v článku o projektu Data Quality a jelikož lze na projekt nahlížet na aktivity omezené časem a náklady, pak se lze ptát, co bylo smyslem tohoto projektu, který nejspíše realizoval Č.T. a k jeho dosažení využíval služeb společnosti TietoEnator. Metodika Total Quality Information Management byla implementována v rámci DataQuality projektu, kdy se název této metodiky neuvádí v češtině. Tedy se lze kupříkladu ptát, v čem se liší metodika totální od metodiky Quality Information Management. Vedle toho nadpis článku píše o řízení kvality dat a projekt nese název Data Quality. Totiž může být namítnuto, že by mohla být snad také uplatněna metodika Quality Data Management přímo na řízení dat, pokud existuje, a nikoliv metodika na řízení informací, kdy je snaha zlepšit v rámci projektu zejména řízení dat. Není v článku ani výslovně objasněno, co to je prostředí, které zajistí růst kvality dat a současně tento růst bude udržovat. Lze se také ptát, co znamená růst kvality dat v porovnání se stagnací kvality dat. 8

9 Píše se v druhém odstavci článku V popředí zájmu jsou především data vztažená k zákazníkovi..., kdy se uvádí následně příklady dat ke konci věty. Ocitovaná část věty je shodná s podtitulkem článku a celé znění věty je: V popředí zájmu jsou především data vztažená k zákazníkovi, například název firmy, adresa sídla firmy, poštovní adresa apod. Předchozí citace uvádí 3 příklady dat, a to po slově například, kdy po těchto 3 případech následuje ještě slovo apod., které by nejspíše nemuselo být uvedeno, protože již je ve větě slovo například. Lze také spekulovat, zda všichni či alespoň někteří čtenáři textu jsou schopni vyjmenovat další příklady. Píše následně autor článku o primárních databázích, kdy tento pojem není opět objasněn a nelze říci, zda existují kupříkladu také sekundární databáze a v čem se liší od primárních databází. Píše se i v článku o odstranění nepřesností a neúplností v databázích, kdy se nelze v druhém odstavci článku dočíst, jak byla nepřesnost či neúplnost záznamů eliminována, když se uvažují kupříkladu 3 výše uvedené příklady dat. Jinak řečeno nebyl uveden příklad nepřesného či neúplného záznamu v primární databázi. Autor článku zdůrazňuje zaměření na data o zákaznících, leč se nelze dočíst, proč by měl Č.T. věnovat pozornost primárně datům o zákaznících. Nejspíše vyšší kvalita dat (menší nepřesnost a neúplnost) o zákaznících v databázi vede kupříkladu k nárůstu počtu doručitelnosti zásilek. To však ale stále neříká, proč právě kvalita dat o zákaznících by měla být v popředí zájmu, když lze předpokládat, že pracuje Č.T. i s jinými daty než o zákaznících. Zvýší-li se kvalita dat v primárních databázích, kterých má Č.T. nejspíše několik, protože autor článku nepíše o jedné databázi, pak se vytváří reporty, které v článku nespecifikuje jinak než, že se jedná o reporty pojednávající o záznamech v databázích nutných pro manažerské rozhodování. Naskýtá se otázka, k čemu potřebují manažeři Č.T. reporty týkající se záznamů o zákaznících, lépe řečeno se lze ptát, k čemu potřebují manažeři pro rozhodnutí reporty, které budou vypovídat o databázových záznamech o klientech. Lépe řečeno se lze ptát, jaký vliv má jaký nárůst kvality záznamů v databázích na kvalitu reportů pro rozhodování manažerů. Pod pojmem kvalita dat v databázi se rozumí kupříkladu data bez nepřesností a data úplná. Pokud však reporty nejsou databázová data, ale jedná se o větné informace vedle třeba tabulek či grafů, pak se lze ptát, v čem se liší report kvalitní od nekvalitního. Totiž lze spekulovat, zda nárůst kvality dat v databázi vede vždy nutně k nárůstu kvality reportů. Totiž reporty mohou tvořit různí lidé, kteří budou využívat stejná data z databází, a tedy by mohla být kvalita reportů vytvořená různými tvůrci reportů odlišná. V rámci procesu zajištění dat se data připravují, následuje zpracování. Poté se vyhodnocují výsledky nejspíše ze zpracování a realizují se nápravná opatření. Vedle těchto uvedených dílčích procesů má proces zajištění kvality dat obsahovat i jiné dílčí procesy, protože se v článku píše mimo jiné, přitom však nejsou jiné procesy vyjmenovány. Jelikož se píše v článku o přípravě dat a také o zpracování dat, může být vznesena otázka, zda v rámci přípravy nemusí být také data někdy zpracovávána. Vedle toho není v poslední větě druhého odstavce podrobně vysvětleno, co se rozumí pod pojmem nápravná opatření, či jaké výsledky a jak byly vyhodnocovány. Můžeme se také ptát, kdo v rámci řízení kvality dat provádí přípravu, zpracování dat, kdo vyhodnocuje výsledky a kdo přijímá nápravná opatření a realizuje. Výše byla rozebrána informace, kterou účastnici studie měli k dispozici jako základ, pokud se nerozhodli přečíst celý článek na Webu. Pokusme se na celý úryvek včetně nadpisu a podnadpisu podívat znovu a na základě výše uvedeného získat informace doposud ne příliš zřejmě v úryvku uvedené. Bude se jednat o informace, které mohou být pravdivé a také ale být pravdivé nemusí. Jelikož se zaměřuje autor článku na zpracování dat, jak se píše v nadpisu článku, a ty se týkají databází, pak lze snad tvrdit, že by se kvalifikovaná informace mohla týkat výstupu získaného ze zpracování dat. Tento výstup by mohl mít kupříkladu podobu reportu určeného pro manažery. Nelze však stále určit, kdo kvalifikovanou informaci vytváří, či kým je použita. Domnívám se, že by se mohlo jednat o informaci používanou manažery kvalifikovanými osobami. Protože autor článku také píše o dvou úrovních plánování, a to strategické a výkonné, pak nejspíše se výkonná týká činností majících co dočinění s každodenním řízením kvality dat v databázích a strategická úroveň by se mohla týkat rozhodování manažerů o obsazích databází či třeba o jejich zřizování, změnách obsahů, kdy se uvažují dlouhodobé záměry firmy. Jelikož se v článku píše o více než jedné primární databázi, pak se lze domnívat, že by mohl mít Č.T. záznamy o zákaznících ve více (primárních) databázích. Pokud se však nerozumí pod pojmem primární databáze záložní databáze, která by mohla být sekundární, lze se ptát, proč musí být obsahy primárních databází porovnány, či jak mohou být porovnány, když se v nich nachází údaje o různých klientech. Jelikož se také mají porovnávat datové položky mezi více systémy, lze se tázat, zda systémy jsou totéž jako primární databáze, či zda autor článku nezahrnuje do systémů vedle databází primárních také databáze jiné. Píše se i v prvním odstavci článku o kvalifikovaných informacích, kdy se neobjasňuje, proč jsou třeba kvalifikované informace a nelze pracovat s nekvalifikovanými získanými také pomocí kvality dat. Jelikož jsou kvalitní data o zákaznících, kdy lze nejspíše přiřadit úroveň výkonnou těmto datům, nutná pro správné strategické plánování, pak může být vznesen další dotaz, čeho by se mělo strategické plánování zejména týkat. Zda kupříkladu zejména obsahu, počtu, druhu databází, či zda by se nemělo týkat udržitelnosti firmy na trhu či dosažení vyššího zisku, tržního podílu. Podívejme se dále na Proces zpracování dat, který se vysvětluje ve třetím odstavci článku. Tento odstavec má následující znění a již nebyl uveden jakou součást úryvku v dotazníku. Příprava a zpracování dat, měření kvality dat a zpracování výstupů ve společnosti Český Telecom jsou založeny na principech Trillium Data Quality Methodology a využívají metriky kvality dat, jako jsou správnost, přesnost, úplnost, konzistence, aktuálnost, jedinečnost či platnost. Použitý systém Trillium Software System, dodaný společností TietoEnator, je vybaven inteligentním mechanismem čištění dat založeným na fuzzy logice. Proces zpracování probíhal dle navržené metodologie v logicky na sebe navazujících krocích: analýza dat, standardizace, doplnění a sdružování dat. 9

10 Analýza dat spočívá v provedení statistiky formátů datových položek, frekvenční analýzy, normalizace a transformace dat a případně validace dat proti stanoveným celopodnikovým číselníkům. Během kroku standardizace se provádí rozpoznání a roztřídění datových položek na základě znalostní báze, identifikace chyb v datech, aplikace podnikových datových standardů a příprava dat na sémantickou analýzu. Doplnění dat zahrnuje obohacení dat hodnotami ze znalostní báze a provedení komplexní sémantické analýzy. Sdružování dat spočívá v porovnání záznamů a odstranění duplicitních osob, adres nebo firem. Výsledkem procesu je vygenerování finálního doporučeného záznamu. Proces zpracování využívá znalostní bázi, ve které dodavatel řešení vytvořil aktualizovatelnou sadu pravidel pro zpracovávaná data. Základní rozsah vytvořený pro české národní prostředí, včetně celostátního registru adres v České republice, byl v průběhu zpracování dat postupně rozšířen o další pravidla, jak obecná, tak i specifická pro Český Telecom. V první větě předchozího odstavce není uveden rozdíl mezi přípravou a zpracováním dat. Vedle toho se píše o měření kvality dat, kdy lze spekulovat, zda zpracování dat nemusí být také měřením kvality dat, či zda měření kvality dat nemusí být součástí zpracování dat. Vedle toho se v první větě píše o zpracování dat a také ale o zpracování výstupů, tedy se lze ptát, v čem se liší zpracování dat od zpracování výstupů zpracování dat. V téže větě se píše o výstupech, takže může být také vznesena otázka, o jaké výstupy se jedná a o jaký počet výstupů. V první větě se píše o metodologii Trillium Data Quality Methodology, kdy se nevysvětluje význam slova Trillium. Vyjmenovávají se dále metriky, aniž by se objasnilo, jak se metriky měří a co znamená slovo metrika, kdy se jmenuje třeba konzistence či úplnost. Významy těchto metrik nejsou objasněny, tedy lze spekulovat, v čem se liší třeba metrika konzistence od metriky úplnost. Také není nadefinována přesnost či správnost týkající se záznamu v primární databázi. Takže si čtenář nemusí udělat jednoznačnou představu, který záznam v databázi je přesný a správný na rozdíl od nepřesného a nesprávného. Vedle toho vstupní informace týkající se různých systémů (databází) mohou být v různých databázích různě zachyceny, tj. každá databáze může mít různý počet řádkových a sloupcových záznamů. Takže se naskýtá otázka, jak se záznamy, kdy struktury databází jsou odlišné, navzájem porovnají, přičemž se posuzují třeba správnost či přesnost. Dále první věta prvního odstavce článku píše o kvalitě dat zasluhující si pozornost pro obdržení kvalifikovaných informací. Přitom se však v druhém odstavci článku píše o vstupních informacích, a to vstupujících do různých systémů. Nicméně v samotných primárních databázích jsou nejspíše data a nikoliv informace, pokud autor článku rozlišuje mezi obojím, takže se lze ptát, proč do systémů (databází) vstupují informace a nikoliv data. Dále se třeba uvádí jako příklady metrik aktuálnost či platnost. Ve vztahu k dvěma předchozím metrikám lze vznést dotaz, zda informace platná není vždy aktuální, pokud se slovo platná nerozumí jako pravdivá. Společnost TietoEnator poskytla Č.T. software, který pomocí inteligentního mechanismu provádí čistění dat v databázích. Přitom čištění má být založena na fuzzy logice. Lze se tedy ptát, proč je mechanismus čištění označen jako inteligentní, či se můžeme také ptát, jak jsou čištěny záznamy v rámci jedné konkrétní databáze. Není v článku uvedeno, co znamená vyčistit data, aby záznamy v databázi byly čisté. Fuzzy logika je široký pojem a lze opět spekulovat, zda si každý expert v informačních technologiích dovede představit, jak se čistily pomocí fuzzy logiky databázové záznamy týkající se kupříkladu názvů firem, poštovních adres firem, aby byla zvýšena doručitelnost zásilek. Totiž fuzzy logika pracuje s číselnými hodnotami a záznamy v databázích týkající se kupříkladu názvů firem, poštovních adres firem nejsou číselné hodnoty 0 či 1, pokud budeme předpokládat, že fuzzy logika pracuje (snad) s hodnotami 0 a 1. Píše se dále v třetím odstavci článku o logickém procesu zpracování dat, kdy se uplatnila analýza dat či standardizace. Databází bylo nejspíše více a nelze z článku určit, jak se analyzovala data v rámci alespoň jediné databáze konkrétně. Také není objasněn význam slova standardizace ve vztahu k datům, ani se nevysvětluje, čím byla data doplňována (z jakých zdrojů) a proč a jak byla sdružována. Hovoří se však v článku o analýze dat jako o provedení statistiky formátů datových položek, frekvenční analýzy, normalizace a transformace dat a případně validace dat proti stanoveným celopodnikovým číselníkům. Znovu nejsou specifikovány datové položky v minimálně jedné databázi, či není uveden příklad datové položky. Není ani objasněn význam slova statistiky, které se týká datových formátů, pokud se nejedná kupříkladu o frekvenční analýzy, o kterých se píše ve stejné větě. Jestliže byla provedena normalizace dat, pak by bylo nejspíše vhodné objasnit tento postup podrobněji. Také se píše o transformaci dat, kdy není uvedeno, jak byla data přetransformována, odkud a kam. Ani stanovené celopodnikové číselníky nejsou podrobněji objasněny, tedy lze zase spekulovat, jak probíhala validace dat a jakých v porovnání s číselníky. Píše se ve třetím odstavci článku také, že se datové položky rozpoznávají, kdy není uvedeno jak a čím, a také se provádí třídění, kdy není uvedeno na základě jakých parametrů. Pouze ony kroky náleží do fáze standardizace a pracuje se se znalostní bází. Tato báze se však v článku nevysvětluje, stejně jako nebyly vysvětleny významy slov informace a data. Pokud předpokládáme, že jsou znalostními bázemi rozuměny záznamy v databázích, což nemusí být pravdivý předpoklad, pak se lze tázat, proč se nepíše v článku o datové bázi místo znalostí báze, protože pokud nejsou data totéž jako informace, lze namítnout, že ani znalost není daty či informacemi. Protože se také píše ve třetím odstavci o podnikových datových standardech, lze se ptát, zda jsou tyto standardy totéž co stanovené celopodnikové číselníky. Pokud se jedno od druhého liší v článku, není to vysvětleno. Na data byla dle informací ve stejném odstavci aplikována sémantická (obsahová) analýza, kdy se nevysvětluje, proč tak bylo provedeno. Data měla být v procesu doplnění obohacena hodnotami, které se převzaly ze znalostní báze. Lze tedy říci, že má výše uvedená domněnka není pravdivá, protože znalostní báze není totéž jako databáze (obsahující data), která byla analyzována. Pak ale není zřejmé, co je znalostní báze, či jaká data (možná znalosti) se v ní nachází a jak je lze převzít do databáze v procesu doplnění dat 10

11 v databázi. Přímo byla provedena sémantická analýza po obohacení dat v databázi ze znalostní báze. Nelze se však dočíst v článku, za jakým účelem byla sémantická analýza provedena, či co bylo a jak sémanticky analyzováno. Totiž sémantická analýza je široký pojem a lze v rámci ní uplatnit více metod. Autor článku rozumí pod výrazem sdružování dat to, že byly záznamy porovnány. Není mi však jasné, zda se vždy porovnávaly záznamy v databázích, čí záznamy databáze se znalostní bází. Jestliže se při tomto procesu odstraňují duplicitní záznamy, lze se tázat, co je obsahem druhé jednotky (databáze či báze), která se porovnává s první databází. Jelikož má být dále generován jako výsledek finální doporučený záznam, může být vznesena další otázka, a to o jakou formu záznamu se bude jednat zda půjde o databázi. Vedle toho není uvedeno v článku, když se získá finální doporučený záznam, co se stane s původní databází a znalostní bází. Také se píše ve třetím odstavci článku, že Č.T. nabízí ve znalostní bázi aktualizovanou sadu pravidel pro zpracovávaná data. Přitom však není v článku uveden příklad těchto pravidel, takže si čtenář nemůže udělat představu, s pomocí jakých pravidel byla data zpracovávána. Jinak řečeno je informace obecná. Poslední věta třetího odstavce začíná: Základní rozsah vytvořený pro české národní prostředí... Lze se ve vztahu k počátku předchozí věty tázat, základní rozsah čeho má autor článku na mysli. Totiž můžeme spekulovat, zda se jedná o obsah databáze či o obsah znalostní báze. Jelikož se však ve větě píše o celostátním registru adres, pak se nejspíše jedná o základní rozsah databáze, který specifikuje znalostní báze. Tento základní rozsah byl podle autora článku rozšířen, kdy se jmenují pravidla obecná i specifická pro Č.T. Lze však vznést zase námitku, zda čtenář článku ví rozdíl mezi specifickými a obecnými pravidly, zda je schopen správně zatřídit pravidlo, které se v článku žádné nejmenuje, do jedné ze dvou kategorií (obecná a specifická). Podívejme se dále na podkapitolu článku nesoucí název Nápravná opatření, přičemž je její obsah ocitován včetně 6 nápravných opatření. Výstupy jednotlivých kroků zpracování, vypovídající o úrovni kvality dat z určitého hlediska, a jejich vyhodnocení byly podkladem pro návrhy nápravných opatření. Řešení informační kvality totiž nespočívá jen v analýze a čištění dat. Je nutné rovněž identifikovat příčiny vzniku nekvalitních informací, a ty řešit. Skutečnosti zjištěné v procesu zpracování dat proto byly konzultovány s uživateli jednotlivých systémů. Na základě těchto konzultací byly formulovány návrhy nápravných opatření, a to jak v oblasti procesní a organizační, tak v oblasti technické. Nápravná opatření zahrnovala následující oblasti: jednoznačnou definici obsahu sporných položek, návrhy na softwarové (automatizované) řešení nápravy, návrhy na úpravy aplikačního software, návrhy na změny metodik a procesů, ruční opravu nekonzistentních dat na základě poskytnutých sestav, doplnění neúplných dat ( např. chybějící IČO), deduplikaci dat (odstranění shodných záznamů sloučením informací do jednoho záznamu, případně odstranění duplicitního záznamu). V první předchozí ocitované větě se píše o výstupech z kroků zpracování. Může být tedy vznesen dotaz, zda je krokem zpracování také samotné zpracování dat, či zpracování výstupů, když nad třetím odstavcem článku je uveden nadpis Proces zpracování dat a pod tímto nadpisem se píše o: Příprava a zpracování dat, měření kvality dat a zpracování výstupů... Výstupy z kroků zpracování mají mluvit o úrovni kvality dat z určitého hlediska, kdy se nespecifikuje, jaké hledisko se týká třeba výstupu zpracování či výstupu zpracování výstupů. Dále se nevysvětluje, jak bylo provedeno vyhodnocení, či proč byla přijata ta či ona nápravná opatření. Jelikož klade autor článku důraz na eliminaci identifikovaných příčin vzniku informací, které nejsou kvalitní, bylo dle něho potřeba provádět konzultace s uživateli jednotlivých systémů. Nelze se však dočíst, o jaké různé uživatele se jedná a o jaké různé systémy se jedná. Totiž se lze ptát, pokud existuje jedna databáze o zákaznících, proč se v článku píše o více systémech. Také se píše o skutečnostech zjištěných při zpracování dat, kdy tyto skutečnosti odhalily příčiny nekvalitních dat. Bylo by nejspíše vhodné uvést příklady příčin nekvalitních dat, které se v článku neuvádí. Totiž byla vytvořena nápravná opatření, a to jak v oblasti procesní a organizační, tak v oblasti technické. Ve vztahu k předchozí citaci lze vznést dotaz, v čem se liší oblast procesní, organizační a technická od úrovně výkonné a strategické týkající se plánování. Vyjmenovává se v článku sedm oblastí nápravných opatření, kdy v první oblasti byly jednoznačně definovány sporné položky. Přitom již není objasněno, co znamená jednoznačně definovat sporné položky. Totiž položky mohou být různé a nejspíše minimálně některé z nich mohou vyžadovat různé jednoznačné definice. Následující oblasti nápravných opatření převzaté z článku jsou obecné: návrhy na softwarové (automatizované) řešení nápravy, návrhy na úpravy aplikačního software, návrhy na změny metodik a procesů, kdy není uveden jediný příklad, co bylo provedeno ve vztahu ke konkrétní nekvalitní položce. Pátá oblast opatření se týká ručních oprav, kdy nejspíše tyto opravy byly přes ruční vkládání provedeny s pomocí software. Píše se ve stejném bodě o poskytnutých sestavách, kdy se zase alespoň nenastiňuje jejich obsah. Podívejme se dále stručně na část článku nesoucí název Přinosy pro business. Vrátíme-li se k druhé větě druhého odstavce článku, pak se v ní používá slovo byznys a v nadpisu předposledního odstavce článku se nepoužívá stejné, ale uplatňuje se anglický výraz. Znění předposledního odstavce článku je následující. 11

12 Mezi přínosy projektu Data Quality pro Český Telecom patří například: identifikace a oprava nesprávně zadaných telefonních čísel, zpřesnění zařazení zákazníků do segmentů a prodejních kanálů, zavedení datových standardů pro další optimalizaci řízení datové kvality, standardizace datových položek - Číslo účtu, Číslo banky, IČO apod., oprava vazby zákazník-smlouva napříč systémy, identifikace zákazníků s nesprávným rodným číslem a IČO a následná oprava v systému, indikace a oprava chyb v datových položkách navázaných na číselníky, deduplikace zákazníků, standardizace adresních datových položek. V přechozí citaci se vyjmenovává několik přínosů projektu Data Quality. Přitom již můžeme říci na základě výše uvedených komentářů, že lze jen spekulovat, jak byla nesprávně zadaná telefonní čísla odhalena a opravena. Dále dle druhého přínosu se zpřesnilo členění klientů do segmentů, kdy se však neuvádí, pomocí jakých pravidel bylo členění provedeno a proč bylo dosaženo zpřesnění. Vedle toho se nevysvětluje význam pojmu prodejní kanály. Třetím přínosem mají být implementované datové standardy, kdy se lze ptát, čeho konkrétně se mají kupříkladu týkat, či se lze ptát, co se rozumí další optimalizací v rámci řízení datové kvality. Lze však porozumět, co se rozumí pod pojmem standardizace datových položek, kdy autor článku uvádí tři příklady. Není však srozumitelné, co rozumí pod bodem oprava vazby zákazník-smlouva napříč systémy. Totiž o smlouvě čteme nyní poprvé a již bylo výše uvedeno, že se nedaří z obsahu článku určit, jaké různé informační systémy se vyskytují v Č.T. Tedy nelze specifikovat vazby, když se neznají systémy, mezi kterými se vazby realizují. Podařilo se určit klienty, kteří mají chybné rodné číslo či IČO (identifikační číslo), leč není zřejmé z článku, pomocí čeho se podařilo chybná rodná čísla či identifikační čísla odhalit. I když mne napadá, že by mohl existovat jakýsi celostátní registr adres a také rodných čísel, který byl pro zlepšení dat v databázi Č.T. použit, kdy se obsahy databází porovnaly s obsahem této znalostní báze. To však je spekulace, protože autor článku o onom výslovně nepíše. Jestliže byla provedena také deduplikace či eliminace duplikací, pak zejména v případě eliminace duplikací mohly být vždy dva stejné záznamy ze stejné databáze odstraněny, či stejný záznam v databázi a ve znalostní bázi. Nelze však určit z obsahu článku, k jakým eliminacím duplikací došlo, aniž bych nespekuloval. Podívejme se na poslední odstavec článku, který se nejprve cituje a uvádí se pod nadpisem Trvalý proces řízení kvality dat. Řízeni kvality dat se v Českém Telecomu neomezilo jen na vlastní provedení jednorázového auditu kvality dat, ale představuje komplexní proces zajištění a udržení určité úrovně kvality dat po celou dobu jejich životního cyklu v IT prostředí společnosti. Řízení kvality dat zasahuje i do tvorby metodologie, procesů a vnitřních předpisů a standardů ve společnosti. Zajištění datové kvality a trvalá systematická péče o datovou kvalitu přináší společnosti nejen snižování nákladů, ale používání správných a validních dat, zejména ve styku se zákazníky, přispívá také k dobrému jménu celé společnosti. První věta předchozí citace píše o jednorázovém auditu, o kterém však nebyla dříve v článku zmínka. Píše se v téže větě o životním cyklu dat, a to přímo v IT prostředí společnosti. Pomine-li se skutečnost, že zkratka IT není vysvětlena slovy, pak není stále vysvětlen význam životního cyklu dat. Dále není specifikována určitá úroveň kvality dat jinak než pomocí slova určité. Druhá věta odstavce píše o řízení kvality dat zasahujícím do několika jiných oblastí, přitom se však nelze dočíst, jak řízení kvality dat zasahuje do různých oblastí. Poslední věta článku píše o správných a validních datech, kdy tyto metriky nejsou stále vysvětleny. Nicméně je již z poslední věty zřejmé (alespoň trochu), proč je vhodné věnovat řízení kvality dat o zákaznících pozornost. Totiž řízení kvality těchto dat firmě snižuje náklady a také kupříkladu buduje dobré jméno firmy u zákazníků. Podívejme se dále stručně na obsah textu, který je uveden na modrém pozadí pod článkem, kdy tento text nese název Nezbytné komponenty managementu informační kvality. V první větě pod nadpisem se píše o kvalitě dat a informací jako o termínech, které se stávají i u nás novými a významnými. Přestože autor článku uplatnil slovo termíny a současně píše o nových termínech, nelze kdekoliv v článku najít vysvětlení významů těchto dvou termínů. V druhé větě se píše kupříkladu o: projekty informační kvality, projekty datového skladu, projekty analytického CRM. Tyto termíny se nevysvětlují a zejména zkratka CRM není vysvětlena slovně a není přeložena do češtiny. Varuje autor článku v témže odstavci, že konzultační společnosti se čím dál více zabývají řízením kvality informace, kdy však mohou i zaměňovat slova správnost a přesnost. Přímo se píše v článku: A to nehovoříme o zaměňování pojmů správnost a přesnost! Vysvětlení významu těchto termínů sám autor článku nabízí až v posledním odstavci dodatku k článku. Tento poslední odstavec dodatku nese název 4. Vyhodnocujeme přesnost, nikoliv správnost a je ocitován, přičemž jsem do hranatých závorek v textu vložil možné komentáře, které mohou dle mého informaci zpřesnět. Mnohé [kolik?] konzultační i dodavatelské společnosti zabývající se problematikou informační kvality nesprávně [jak nesprávně?] interpretují rozdíl mezi správnými a přesnými daty. V čem je rozdíl? Data uložená v databázi určitého [jakého přímo systému? chybí příklad] systému vznikla jako "obraz" reálného subjektu 12

13 (zákazník, produkt). Měření a vyhodnocování validity (správnosti) dat je založeno na jejich porovnání [co se konkrétně porovnává a jak?] s doménovými hodnotami [co jsou doménové hodnoty?], případně je kontrolován [jak?] jejich soulad s příslušnými obchodními pravidly [jakými kupříkladu?]. Přesnost (vzhledem k realitě) reprezentuje stupeň, s jakým data uložená v databázi organizace představují reálný subjekt [jak se měří přesnost? Jak se měří jinak řečeno přesnost záznamu vzhledem k realitě? Co je realita?]. V předchozí citaci se píše o validitě jako o správnosti, vyhodnocování validity (správnosti), přitom poslední odstavec článku před informacemi o autorovi článku obsahuje větu: Zajištění datové kvality a trvalá systematická péče o datovou kvalitu přináší společnosti nejen snižování nákladů, ale používání správných a validních dat... V předchozí citaci se píše o datech správných a o datech validních. Pokud však jednou autor považuje validitu za správnost a jindy rozlišuje ve významech pojmů, aniž to výslovně uvedl, či rozdíl ve významech objasnil, činí informaci nesrozumitelnou. Přitom píše pod třetím bodem dodatku, který má název 3. Zaměřte se na všechny komponenty informační kvality - definice, obsah, prezentace následující: Informační kvalita skutečně není jenom o tom, co je uloženo v databázích systémů, ale také o kvalitě ostatních forem informací (elektronická, papírová, slovní, grafická forma). Článek v odborném časopise lze označit za formu informace elektronickou a slovní a protože není konzistentní autor článku při užívání výrazů validita a správnost nabízí informaci nesrozumitelnou. Podíváme-li se dále na druhý bod dodatku článku, kdy tento bod má název 2. Zaměřte se na uživatele a dodavatele informací, ne jenom na data, můžeme říci, že v první větě pod nadpisem autor článku nerozlišuje mezi informací a daty, protože píše:...nejjednodušší zaměření informační (datové) kvality je... Tedy zde zaměňuje data za informace, přestože píše v první větě prvního odstavce článku, že kvalita dat a nikoliv kvalita informací se potřebuje pro obdržení informací kvalifikovaných. Zbytek druhého bodu dodatku (uvedený po první větě pod nadpisem) se následně opět cituje, kdy opět vpisuji možné dotazy na text. Avšak toto není zcela [proč není zcela místo jen není?] správný přístup (byť je schopen přinést určité výsledky skoro okamžitě [proč skoro okamžitě místo okamžitě? ]). Metody informační kvality [jaké existují metody informační kvality?] musí být zaměřeny na uživatele informací [jak se klasifikují uživatelé informací? Proč musí být zaměření metod na uživatele?]. Je třeba porozumět jejich požadavkům na kvalitu informace [proč?]. Také producenti [o koho se kupříkladu jedná?] informací musí cítit odpovědnost [proč musí cítit odpovědnost?] za kvalitu svých "produktů" [co jsou produkty?] vůči ostatním uživatelům informací. Toto je zároveň jedna z velmi důležitých [proč velmi důležitých?] vlastností souvisejících s data stewardshipem [co je stewardship?]. První bod dodatku nese název 1. Informační kvalita je obchodní problém, nikoliv IT problém, přičemž znění tohoto bodu je následující. Cílem procesu informační kvality není zlepšování dat uložených v datovém skladu či jiných databázích společnosti. Cílem informační kvality je zlepšení efektivnosti obchodních a rozhodovacích procesů společnosti eliminací nákladů souvisejících s nekvalitními informacemi. Vždy se jedná o řešení zahrnující obchodní procesy, aplikace, databáze a v neposlední řadě i lidi. Řešení informační kvality bývá v některých případech uváděno jako "analýza" a/nebo "čištění" dat. To je zcela chybné. Je nutné identifikovat příčiny vzniku nekvalitních informací, a ty řešit. Existuje celá řada příčin vzniku nekvalitních dat, například nesprávně definovaný proces, neškolení producenti dat, špatný databázový design apod. Společnosti se dále domnívají, že aplikací kontrolních pravidel před vstupem dat do systému je problém nekvalitních dat vyřešen, jedná se o tzv. zero-defect prevenci. Aplikace kontrolních pravidel v rámci systému však neřeší problematiku informační kvality kompletně. Podíváme-li se na první větu předchozí citace, máme-li na paměti, že bylo dříve psáno o projektu DataQuality, lze se ptát, v čem se liší proces informační kvality či proces datové kvality od projektu týkajícího se téhož (kvality dat či informace). Dále není objasněno, v čem se liší datový sklad v porovnání s ostatními databázemi firmy. Vedle toho není zřejmé, zda databáze obsahující záznamy o zákaznících, o které se psalo v článku, je datovým skladem či nikoliv. Mají se pomocí kvality informací zefektivnit procesy v rámci firmy, a to obchodní a rozhodovací. Samotný článek však byl zaměřen zejména na data a nikoliv na informace. Tedy se lze ptát, proč nyní je kladen důraz na kvalitu informací a nikoliv na kvalitu dat. Není dále specifikován výraz zefektivnit rozhodovací procesy. Autor článku nepovažuje za hlavní cíl kvality dat, lépe by asi bylo napsat za hlavní cíl řízení kvality dat, zvyšování kvality záznamů v databázích, na druhou stranu má být hlavním cílem zvyšování efektivnosti rozhodovacích procesů. Přitom mají být pocesy zefektivňovány pomocí snižování nákladů týkajících se nekvalitních informací. Pokud však uvažuji správně, nelze pomocí řízení kvality informací zefektivnit procesy, když se při rozhodovacích procesech uplatní záznamy z databází, pokud kvalita záznamů v databázích neexistuje. V jedné větě se píše: To je zcela chybné, kdy by nejspíše mohlo být vypustěno slovo zcela, pokud autor věty nehodlá vysvětlit, proč toto slovo zvolil. Dále se v jiné větě píše o zero-defect prevenci, kdy není tento anglický výraz 13

14 přeložen do češtiny a vysvětlen. Poslední věta citace píše o aplikaci pravidel, když se pracuje se systémem, kdy nemá být plně problematika kvality informace vyřešena. Pokud se nejedná o kompletní řešení, pak bylo možná vhodné uvést, proč se nejedná o kompletní řešení. V předchozím textu kapitoly Výsledky byl popsán celý obsah článku, jehož část byla převzata do dotazníku. Dále se prezentují větné odpovědi (= odpovědi jiné než volba možnosti pomocí pouhého zaškrtnutí jedné z více nabízených možností) a provádí se jejich porovnání, kdy se také obsah těchto odpovědí porovnává s výše objasněným obsahem článku, jehož úryvek byl použit do studie. Znění číslované otázky je uvedeno vždy tučně, kdy se uvádí všech 1 až 40 otázek včetně 3 podotázek 8.1, 28.1 a Vždy po znění otázky je uveden přehled všech odpovědí, které byly pomocí dotazníku získány na danou otázku od maximálně 16 respondentů. Ne každý respondent byl schopen kupříkladu určit Proč jsou v popředí zájmu především data o zákaznících? Tedy v rámci této otázky číslo 1 není uvedeno 16 odpovědí, ale je uvedeno pouze 13 odpovědí (od 13 respondentů), kteří zvolili možnost u první otázky. Vždy před vysvětlením od určitého respondenta je uvedeno jeho pořadové číslo 1 až 16, aby mohl čtenář článku přiřadit zpětně k respondentům odpovědi na jednotlivé otázky. Podívejme se již na znění první otázky, které se uvádí tučně kurzívou, poté se prezentují odpovědi respondentů a po nich následuje komentář. Při popisu odpovědí na otázky dotazníku používám výraz respondent i pro ženy, aby text nenabyl na rozsahu tím, že budu dbát na odlišení výrazů respondent a respondentka v každém případě. Pokud by totiž na některou otázku z 16 respondentů odpověděli 2 muži kladně a 4 ženy kladně, bylo by třeba při odlišování pohlaví psát 2 respondenti a 4 respondentky či 2 muži a 4 ženy. Pokud pohlaví není rozlišeno, lze jen psát 6 respondentů, což je nejkratší vyjádření, a tedy eliminující délku článku, což považuji za žádoucí, protože nepotřebuji pro potřeby článku rozlišovat mezi pohlavími respondentů. 1 Proč jsou v popředí zájmu především data o zákaznících? 1 Telecom má databázi svých zákazníků a je v jeho zájmu, aby data byla správná a aktualizovaná, aby mohl bezproblémově komunikovat prostřednictvím pošty s klienty, dělat různé statistiky, vyhodnocovat je a na základě toho dělat rozhodnutí atd. 2 ke kvalitnímu plánování strategií 3 nevysvěleno, článek je o jejich zpracování, ne proč si autor vybral právě tuto oblast 4 kvalita poskytovaných služeb 5 znalost zákazníků pro upřesnění nabídky zboží 6 zákazník je obchodní partner 7 lepší komunikace se zákazníkem, představa o klientovi 9 Především kvůli marketingu 10 Zvýšení kvality dat o zákaznících vede ke zlepšení komunikace se zákazníky (doručitelnost zásilek) a ke zlepšení reportů, které slouží jako podklad pro rozhodování managementu. 13 Zkvalitnění řízení 14 Pro většinu firem jsou zákaznicí důležití, proto jsou v popředí. 15 dostupnost zákazníků a možnost nabízet služby, někdy i vnucovat služby 16 dulezita pro komunikaci se zakaznikem, prubeh obchodu, rozbor trhu Třinácti respondentům z 16 nedělalo obtíže odpovědět kladně na první otázku. Tedy se zdá, že pouze 3 z 16 nejsou schopni uvést, proč jsou data o zákáznících v popředí zájmu. Nicméně přestože kupříkladu respondent č. 3 zvolil možnost vysvětlím, píše, že není v úryvku objasněno, proč datům o zákaznících příspěvek věnuje pozornost. Dále první respondent nevysvětluje dostatečně, proč jsou data o zákaznících důležitá. Totiž kvalitní databáze o zákaznících nejspíše vede ke komunikaci méně problémové s klienty, avšak tento respondent současně neobjasňuje, proč jsou data o zákaznících v databázích důležitá pro rozhodnutí (nejspíše managementu firmy na strategické úrovni). Tato informace v celém analyzovaném článku vysvětlena není, jak je zřejmé z textu výše v této kapitole, kde se popisoval obsah článku. Respondenti č. 2 a 13 také píší o významu dat o zákaznících pro plánování, leč opět neobjasňují, jaká data a jak by měla být uplatněna jako vstupy pro plánování nejspíše na strategické úrovni podniku. Již bylo uvedeno výše, že úryvek sám nevysvětluje, proč kupříkladu úplné a přesné zápisy adres či názvů firem jsou nutné pro strategické plánování budoucího směřování Českého Telecomu. Pochyb není příliš o tom, že jsou vhodné přesné záznamy o kupříkladu názvech klientů a jejich adresách, protože stoupne doručitelnost zásilek, a tedy komunikace se zákazníkem bude méně problémová. Leč není zřejmé, jak tvrdí respondent č. 5, proč by zájem o data o zákaznících měl vést ke zpřesnění nabídky zboží. V samotném článku toto není objasněno. Lze namítnout, že otázka se ptá na data o zákaznících, aniž by bylo specifikováno, že má respondent uvažovat kupříkladu adresu či název klienta. Tedy se může jednat o jakákoliv data o zákaznících, která však analyzovaný úryvek neprezentuje. Je-li tomu tak a respondenti v některých případech uvažovali jiná data o zákaznících než třeba názvy klientů či jejich adresy, lze se stále ptát, jak se jiná data promítnou do obsahu různých reportů, kdy se rozhodování na strategické úrovni organizace realizuje po zhodnocení dat prezentovaných v reportech. Šestnáctý respondent píše o důležitosti dat o zákaznících pro průběhy obchodu, kdy může být opět vznesen dotaz, jak kvalita dat v databázích ovlivňuje kupříkladu kvalitu nákupu nové služby od Českého Telecomu. Dále není u stejného respondenta ani z analyzovaného úryvku zřejmé, jak lze pomocí informací v databázi provést rozbor trhu, případně klasifikaci klientů do segmentů. 14

15 Jelikož se v článku, ze kterého byl převzat úryvek pro dotazník, neuvádí příliš položky datábáze o zákaznících, lze se ptát, jak píše první respondent, jaké statistiky lze vytvářet pomocí dat v databázích, či jaká vyhodnocení jsou k dispozici. Pátý respondent se domnívá, že vyšší znalost zákazníků (tedy i nejspíše záznamů v databázích) vede k upřesnění nabídky zboží. Vyjdeme-li však z obsahu samotného článku, kde se mezi přínosy pro business uvádí i zpřesnění zařazení zákazníků do segmentů a prodejních kanálů, nemůžeme stále říci, jak k upřesnění nabídky zboží dochází, protože e, jak Č.T. provádí segmentaci a zařazení do prodejních kanálů (na základě jakých kritérií). 2 Máte dojem, že uvažuje v popředí zájmu autor článku také cosi jiného než data o zákaznících, když píše, že v popředí zájmu jsou PŘEDEVŠÍM data o zákaznících? 1 ano, může mít např. i databáze přístrojů, ceníky a různé další věci, ale nyní se zaměřuje na databázi zákazníků 3 že se dřívější metody zpracování lišily ve výsledcích 4 skrytá reklama 10 Data o zákaznících jsou pro Telecom patrně nejdůležitější, ale jedná se i o zlepšení všech dalších základních dat. 14 Určitě uvažuje i o jiných věcech, které jsou také důležité. 15 movitější zákazník větší objem služeb 16 je samozrejmosti, ze pro samotnou komunikaci a obchod jsou data o zakaznikovi ty primarni, co se tyce adres a nazvu firmy, klicove, ale i tak si myslim ze i dalsi data se porad toci okolo zakaznika, tot muj nazor. nutno si ovsem uvedomit, co konkretne je mysleno data o zakaznicich... pod tim si nepredstavuju pouze jednotliva data, co se tyce adres a firem, telefonu, bank accountu, ale i treba chovani zakaznika a jeho potreby a zadosti... dle meho:) V rámci druhé otázky 7 respondentů ze 16 zvolilo možnost, že je autorem článku uvažováno také cosi jiného než data o zákaznících. První respondent píše o databázi přístrojů, o cenících či o různých dalších věcech, kdy již tyto další věci nevyjmenovává. V samotném článku převzatém z IT SYSTEMS není o databázích přístrojů a cenících zmínka. Tím však nelze vyloučit, že v rámci projektu DataQuality nebyla věnována pozornost těmto databázím. Z obsahu článku to nelze stanovit. Ona informace totiž v článku není uvedena. Pokud rozumím správně tvrzení od třetího respondenta, pak chtěl pisatel článku zdůraznit, že dřívější metody pro zpracování dat se lišily od současných ve výsledcích, přitom však toto zdůraznění jiní respondenti nejmenují. Čtvrtý respondent považuje slovo především za formu skryté reklamy, kdy není uvedeno, zda se jedná o skrytou reklamu Č.T. či firmy, která pomáhala kvalitu dat Č.T. vylepšit. Předpokládám, že respondent má na mysli skrytou reklamu směřovanou každopádně ke čtenářům článku. Desátý respondent považuje data o zákaznících za patrně nejdůležitější, kdy lze spekulovat, zda se jedná o jisté tvrzení, když je užito slovo patrně. V analyzovaném úryvku, jak již bylo uvedeno také ve vztahu k předchozí otázce, není vysvětleno, proč jsou důležitá především data o zákaznících a jaká data Č.T. chce v rámci řízení kvality dat řídit vedle dat o zákaznících. Domnívá se také 14. respondent, že jsou uvažovány jiné věci, kdy je nevyjmenovává. Respondent 15. vidí v rostoucí movitosti klienta možnost většího objemu služeb, a tedy i tržeb, kdy lze vznést otázku, na základě jakých dat o zákaznících je Č.T. schopen posuzovat movitost klienta. Zda to není právě na základě toho, kolik za služby klient Č.T. platí. Respondent s pořadovým č. 16 uvažuje mezi daty o zákazníkovi třeba data o jeho chování, potřebách či žádostech. K tomu může být namítnuto, že se o těchto datech v článku nepíše a nelze určit, jak by kupříkladu databáze o chování klientů byla organizována. 3 V čem se liší informace kvalifikovaná od informace nekvalifikované, když se v prvním odstavci píše o kvalifikovaných informacích? 2 kvalifikovana informace - informace prislusna a primerena, tedy jasna, stucna a logicka; nekvalifikovana - je zavadejici, duplikovana, nepodstatna 5 informace založené na objektivních datech 6 kvalifikovaná informace je podložena odbornou znalostí 7 podle mého informace kvalifikovaná je informace ověřená 8 myslím si, že kvalifikovaná je nabízena experty v daném oboru či profesionály, těmi, co se o daný problém dlouhodobě a systamaticky zajímají. Nekvalifikovaná je ta, kterou nabídne člověk, co o tématu vesměs nic neví. 10 Kvalifikovaná informace vzniká na základě správných dat 11 kvalifikovaná - dobrá informace, pravdivá; nakvalifikovaná - vymyšlená 12 kvalifikovaná - je to kvalitní a pravdivá informace, nekval. - méně pravdivá 14 Na pochopení informace kvalifikované potřebujeme trochu znalost oboru, kterého se to týká, ale nekvalifikovaná je určená všem lidem. 15 že by to nebylo, jedna paní povídala 16 jak vysvetluji pozdeji, asi bych to videl, ze nekvalifikovana inf. je zalozena na nekvalitni informaci, jez neodpovida/z casti neodpovida realite Třetí otázka dotazníku měla určit, zda jsou schopni respondenti odlišit informaci kvalifikovanou od nekvalifikované, když dle věty v prvním odstavci úryvku jsou kvalitní data nutná pro získávání kvalifikovaných informací. První odpovídající považuje informaci kvalifikovanou za informaci příslušnou či přiměřenou, kdy již ale není objasněno, jak lze příslušnost či přiměřenost informace posuzovat. Dále stejný odpovídající píše o jasné, stručné či logické informaci, kdy se opět nevysvětluje, jak se jasnost, stručnost či logičnost informace určí. Vedle toho je dle téhož respondenta informace nekvalifikovaná vždy informací nepodstatnou. Může být tedy vznesen dotaz, zda může existovat 15

16 informace kvalifikovaná a současně nepodstatná. Pokud by tomu tak bylo, nelze jeho rozlišení kvalifikované informace od nekvalifikované považovat za srozumitelné. Respondenti č. 5 až 7 považují informaci kvalifikovanou za objektivní či ověřenou, tedy v rámci těchto respondentů byla identifikována podobnost pohledů na význam pojmu kvalifikovaná informace. Také tvrzení osmého respondenta je podobné tvrzením 5. až 7. respondenta, kdy 8. respondent píše o expertech v oboru. Tvrzení 15. respondenta je opět obdobné tvrzení 5. až 8. respondenta. Nicméně desátý respondent píše o kvalifikované informaci vznikající díky správným datům a lze se ptát, zda správná data musí být nutně data objektivní či nabízená odborníky. Respondent jedenáctý považuje informaci kvalifikovanou za dobrou, kdy není uvedeno, jak by se dobrost informace měla posuzovat. Podle 12. respondenta je kvalifikovaná informace vždy kvalitní, a současně pravdivá, kdy naopak tento respondent považuje informaci nekvalifikovanou za méně pravdivou. Není však uvedeno, o kolik méně je informace nekvalifikovaná pravdivá než informace kvalifikovaná. Vedle toho 12. respondent považuje informaci nekvalifikovanou za méně pravdivou než informaci kvalifikovanou, kdy ale respondent 11. považuje nejspíše za pravdivou informaci pouze informaci kvalifikovanou, protože již nepíše o pravdivosti u nekvalifikované informace a považuje ji pouze za vymyšlenou. Ve vztahu k vymyšlené informaci lze dále namítnout, zda musí být každá vymyšlená informace nepravdivou. Protože 14. respondent tvrdí, že je třeba pro pochopení kvalifikované informace trochu znalosti oboru, lze se ptát, jak moc je znalosti potřeba, a také lze vznést kupříkladu dotaz, zda je informace v námi analyzovaném úryvku informací kvalifikovanou dle této definice. Pokud by o kvalifikovanou informaci šlo, pak by osoby soustavně se zajímající o informační technologie měly lépe rozumět analyzovanému úryvku než jiné osoby. K tomu bude podáno vyjádření níže v článku. Patnáctý respondent tvrdí, co již bylo řečeno ve vztahu k odpovědím od 5. až 8. respondenta. Respondent 16. rozumí informaci nekvalifikované jako té, která není založena na kvalitní informaci, tedy informace kvalifikovaná by měla být nejspíše založena na kvalitní informaci. V tomto případě se však nevysvětluje, jak lze určit třeba v případě podnadpisu článku V popředí zájmu jsou především data o zákaznících, že informace odpovídá zcela či z části realitě. Třináctý respondent považuje za zajištění kvalitních dat ta data, které odpovídají potřebám firmy. Potřeby firmy se nevysvětlují dále, kdy v tomto případě lze spekulovat, zda zajištění kvalitních dat je totéž co data samotná. Totiž kdesi se vyskytující kvalitní data nutně neznamenají, že jsou firmou také zajištěna, využita. Dle 14. respondenta je potřeba odborníků a přímo takové jejich práce, aby byla informace srozumitelná i pro nekvalifikované klienty. U tohoto respondenta lze vznést námitku již výše uvedenou, zda informace (data) nutně srozumitelná či také pravdivá bude každým klientem považována za informaci kvalitní, lépe řečeno za přínosnou. Vedle toho píše 14. respondent o zajištění kvalitních dat pro zákazníky. Tedy se lze ptát, zda toto omezení na nekvalifikované zákazníky není příliš omezující, zda není třeba v rámci Č.T. zajistit kvalitní data pro manažery firmy. Stejný respondent vysvětluje slovo zajistit pomocí slova napsat, což může být jeden ze způsobů zajištění čehosi. Respondent předposlední měl na mysli nejspíše informaci tvořenou odborníky a poslední respondent se nejspíše domnívá, že není nekvalifikované informace bez informace kvalitní, na které se kvalifikovaná informace zakládá. Podívejme se dále na 4. otázku dotazníku. 4 Co si představujete pod pojmem zajistit kvalitní data? 1 porovnáváním s jinými systémy (např. UIR-ADR-adresní části, CRO, OR-identifikační údaje OFO a OPO) zajistit správná a hlavně aktuální data 2 získat kvalitni informacni kanal, zdroje a overeni spravnosti informaci 3 přesná "statistika" 5 zvýšení spolehlivosti údajů 6 zajistit spolehlivá dobrá data 7 mít ověřené informace o klientech, správně uložené v databázi a umět se všemi dobře pracovat 9 věnovat nejvyšší péči zjišťování a ověřování dat 10 Zajištěním kvalitních dat se rozumí zachycení informace v systému tak, aby byla věcně správná a včasná. 11 zajistit pravdivé informace 12 pravdivá data 13 Data odpovídající potřebám firmy 14 Musejí se sejít odborníci a napsat to tak, aby to pochopili i nekvalifikovaní zákazníci. 15 viz bod 3 16 sesbirat data zalozena na skutecnosti, pokud mozno bez chyb První respondent píše o porovnání s jinými systémy a nejspíše má na mysli datábáze o zákaznících či databázi s jinými systémy, jako jsou kupříkladu systémy, které vyjmenovává pomocí zkratek v závorce. Lze vznést dotaz, zda informace jím vytvořená je srozumitelná, pokud budou účastníci naší studie tázáni, aby vysvětlili zkratky UIR-ADR, CRO, OR, OFO a OPO. Dále se lze ptát kupříkladu, zda porovnání několika systémů vede nutně k zajištění kvalitních dat, když data v systémech budou nekvalitní. Nakonec může být vznesena námitka, že aktuálnost dat není blíže specifikována a není objasněno, v čem se liší správnost dat od nesprávnosti dat. Správnosti informace se však věnují také 21. a 22. otázky dotazníku, tedy o správnosti bude ještě pojednáno níže v článku. Druhý respondent rozumí pod pojmem zajistit kvalitní data získat kvalitní informace. Přitom odpověď není příliš konkrétní, protože zajistit kvalitní data a získat kvalitní informace je téměř totéž, pokud se data považují za totéž co informace. Data lze také 16

17 nejspíše považovat za zdroj. Opět druhý respondent píše o správnosti, kdy ji zde nevysvětluje, avšak je tak činěno ve 21. a 22. odpovědi dotazníku. Třetí respondent píše o přesné statistice, kdy přesná statistika má nejspíše zajistit kvalitní data, pokud je přesná. Lze se ptát, zda jakákoliv statistika sama o sobě vždy zajistí kvalitní informaci či data. Totiž třeba veškeré číselné údaje v databázi mohou být dostupné a pomocí složitých statických metod vyhodnoceny a přitom se může jednat o záznamy v databázi, které byly dodány smyšleně a zpracovatel statistické analýzy si toho nemusí být vědom. Pátý a šestý respondent píší o zajištění spolehlivosti, kdy se lze ptát, jak se kupříkladu určí spolehlivost tvrzení V popředí zájmu jsou především data o zákaznících. Vedle toho respondent šestý píše přímo o zajištění dat spolehlivých a dobrých, tedy opět může být vznesen dotaz, jak se měří dobrost dat. Kvalitní data lze nejspíše zajistit tak, že se pomocí jiného zdroje ověří informace o klientech uvedené v databázi. Přitom ale sedmý respondent již nevysvětluje, co znamemá správné uložení dat v databázi na rozdíl od nesprávného, přitom správné uložení není nejspíše totéž jako správná informace či správná data. Dále stejný respondent píše o schopnosti umět s informacemi dobře pracovat, kdy se lze ptát, v čem se liší dobrá práce s informacemi od nedobré, výborné čí excelentní. Devátý respondent píše o nejvyšší péči, kdy není uvedeno, čemu by kupříkladu měla být věnována péče nižší než nejvyšší. Jelikož opět desátý respondent píše o správnosti informací, bude jeho porozumění správnosti okomentováno u 21. a 22. otázky dotazníku. Přitom ale současně píše stejný respondent o včasnosti informace a pojem nevysvětluje, tedy se lze ptát, jak se určí včasnost kupříkladu následujícího tvrzení: V popředí zájmu jsou především data o zákaznících. Respondent jedenáctý považuje zajištění pravdivých dat za totéž jako zajištění pravdivých informací, tedy nečiní rozdílu mezi informací a daty, kdy není objasněn význam slova zajistit. U respondenta 12. se píše o pravdivých datech. Předpokládejme, že následující věta je pravdivá: V popředí zájmu jsou především data o zákaznících. Pokud její informaci čtenář uplatní (využije), pak půjde nejspíše o informaci pravdivou a současně kvalitní. Pokud mu však bude informace k ničemu a bude tuto informaci znát řekněme z dalších 10 odborných článků, lze říci, že nutně označí onu pravdivou informaci za kvalitní? Domnívám se, že pravdivá informace není za všech okolností informací kvalitní, pokud dokonce neuvažujeme to, že každá minimálně objektivní informace je hypotetické povahy, a tedy její pravdivost může být jednou zamítnuta. Nicméně vyjádření respondenta je subjektivní a nelze říci, že jako subjektivní musí být nepravdivé, nesprávné. 5 V čem se liší výkonná úroveň od strategické úrovně? 1 výkonná úrověň je provozní (např. současné provádění kontrol) a strategická je zaměřená na budoucnost, na stanovení cílů (určení, kterým směrem se bude vývoj kontrol ubírat), strategická je rozhodovací 2 strategicka uroven - urcuje smer a vize; vykonna - tuto strategii rozdeli do jednotlivych kroku k dosazeni stanovene strategie 4 výkonná = operační, strategická = formulace strategie firmy 6 strategická úroveň rozhodne např. o směru další orientace firmy, výkonová úroveň rozhoduje o konkrétních zakázkách 8 Strategická se týká dlouhodobých cílů (třeba roky), kdežto výkonná kratších období. Tedy vedení se asi zajímá hlavně o strategické plánování je na strategické úrovni. To pod vedením se zabývá zejména kratšími termíny, tedy se umísťuje na výkonnou úroveň. 10 Výkonná úroveň je například plánování výroby na nejbližší časové období (např. týden). Je to tedy výhled na kratší časové období. Zatímco strategická úroveň se řídí sumarizovanými informacemi, které poskytuje systém na výkonné úrovni a širší okolí firmy, a zaměřuje se na delší budoucnost. 11 strategické promyšlení postupu a výkonná pracovitá 14 výkonná má výsledky (nejen dobré) hned, zato strategická se snaží dosáhnout nejlepšího výsledku na úkor času. 15 zootechnik = výkon, říďa = strategie 16 strategicka uroven primo souvisi se zasahy managementu spolecnosti smerem k trhu, vykonna uroven nejspis souvisi s efektivitou ziskavani kvalitnich dat Pátá otázka se ptala respondentů na rozdíl mezi strategickou a výkonnou úrovní. I tato otázka má význam, protože autor analyzovaného úryvku rozdíl mezi pojmy nevysvětlil, tedy lze pomocí 5. otázky dotazníku zjistit, zda respondenti těmto slovním spojením rozumí. Deset respondentů z 16 bylo schopno popsat rozdíl mezi strategickou a výkonnou úrovní, tedy zhruba třetina dotazovaných významy pojmů nebyla schopna objasnit. Respondent první považuje výkonnou úroveň za provozní a za současnou. Stejný respondent pak strategickou úroveň považuje za zaměřenou do budoucnosti, kdy ji označuje za rozhodovací, a v rámci této strategie se stanovují cíle. Podíváme-li se na vysvětlení druhého respondenta, směr a cíl (či cíle) jsou u strategické úrovně plánování také uvažovány. Avšak stejný respondent považuje výkonnou úroveň za rozdělení strategie do jednotlivých kroků, tedy lze možná říci, že se jedná také o plánování, i když ne plánování dosažení strategie jako celku, ale plánování dílčích cílů strategie. Odpověď čtvrtého respondenta by nemusela být všem účastníkům studie srozumitelná, protože píše o úrovni operační a současně strategická úroveň má formulovat strategii. Předpokládejme, že čtenář neví význam slova strategie, pak lze spekulovat, zda je schopen určit význam slova strategická a vysvětlit význam tohoto slova v porovnání s významem slova operační. Šestý respondent píše o orientaci firmy při uvažování strategické firmy, kdy není uvedeno, na co by se měla firma orientovat, avšak je zřejmé, že se nejedná o orientaci na zakázky, protože to má být realizováno v rámci výkonné úrovně. Z odpovědi 6. respondenta není zřejmé, zda se výkonná úroveň týká pouze zakázek, pokud by tomu tak bylo a neexistuje jiná úroveň než strategická a výkonná, pak by strategická úroveň musela 17

18 rozhodovat o všem, co se netýká zakázek. Tedy by mohla rozhodovat kupříkladu o plánovaném náboru dvou zaměstnanců v Č.T. v prosinci roku Osmý respondend píše o dlouhodobých cílech, avšak je nevyjmenovává. Respondent č. 10 podává zřejmé odlišení úrovně výkonné od strategické, přitom není objasněno, co se rozumí výrazem sumarizované informace. Uvažujme například databáze záznamů o zákaznících, kde se nachází jména zákazníků a jejich poštovní adresy. Dále uvažujme, že na základě těchto záznamů mají být vytvářeny reporty pro management firmy, který má rozhodovat na strategické úrovni. Lze se pak ptát, co jsou v tomto případě sumarizované informace nabízené v reportech managementu firmy. Respondent jedenáctý vysvětluje strategickou úroveň pomocí strategického promyšlení postupu, což lze považovat za cyklickou definici, protože se opakuje ve vysvětlení slovo stejného kořenu jako jedno ze slov, které má být vysvětleno. Dále lze namítnout, zda strategické promyšlení postupu nemusí být pracovité stejně jako výkonná pracovitá úroveň. Ve vztahu k odpovědi 14. respondenta se lze ptát, zda se v rámci výkonné úrovně také nedosahuje nejlepšího výsledku na úkor času, jako se má dosahovat v rámci strategické úrovně. Podíváme-li se na odpověď 15. respondenta, lze se tázat, zda strategická úroveň je nutně a vždy spojená s nulovým výkonem, když 15. respondent přiřazuje výkon výkonné úrovni, ale již není výkon přířazen osobám, které strateticky rozhodují. Respondent 16. píše o zásazích managementu firmy, kdy tyto zásahy mají směřovat k trhu, leč není trh specifikován, není objasněno, o jaké zásahy a do čeho se může jednat. Výkonná úroveň nejspíše souvisí s efektivitou získávání kvalitních dat, což lze předpokládat po zhodnocení obsahu analyzované článku, jen se lze ptát, zda musí vždy souviset jen s efektivitou získávání kvalitních dat. 6 V čem se liší správné plánování od nesprávného plánování? 1 na základě chybných dat může být učiněno nesprávné rozhodnutí, nesprávně cosi naplánováno 2 spravne planovani - neznamena planovani cinnosti a pak se cile, stanoveneho pruhebu, vysledku a postupu drzet, je dulezita prubezna kontrola a srovnani s aktualnimi zmenami nejen na trhu, upraveni cilu a cesty k temto cilum, je nutna vize a dar predvidat, tedy byt krok napred 3 asi pouze v lidském pohledu, co člověk, to názor 5 nesprávné plánování je založeno na neobjektivních údajích 7 správné plánování vede k dobrému cíli, nesprávné plánovaní tam také může vést, ale složitou, náročnou cestou. 8 Správné vede k cíli. I když k cíli může vést asi i nesprávné. Správné je asi to, které tak autor označí. 10 Správné plánování může fungovat pouze na základě správných dat. Plánování, i když se správným algoritmem, selže vždy, pokud nejsou v systému správná data včas. 11 správné plánování by mělo vyjít, nesprávné málo kdy vyjde 12 správné by většinou mělo vyjít a mělo by být předem promyšleno 14 Správné plánování má nějaký úspěch v dané věci, na kterou je zaměřeno budu mít hezky pohromadě data od všech o všem, nebo nebudu a bude hokej 16 spravne planovani = kroky provedene spolecnosti (v tomto pripade vzhledem k trhu), jejichz vysledkem by mel byt vyssi zisk, nalakani novych zakazniku, nacasovani jednotlivych produktu a programu vzhledem k situaci na trhu, konkurenci, rocnich obdobich. Nespravne = vsechno opacne, jen se to porad vztahuje k zakaznikum a trhu Šestá otázka vyžadovala od respondentů objasnit rozdíl mezi plánováním správným a nesprávným, přičemž 4 respondenti nebyli schopni rozdíl objasnit. První respondent se věnuje zejména plánování nesprávnému, kdy lze tedy předpokládat, že správné plánování se dle něho provádí opačně než plánování správné. Pokud se podle něho využijí chybná data, může být realizováno nesprávné plánování, avšak uvádí slovo může, tedy nelze říci, že chybná data vedou vždy k nesprávnému plánování. To by jinak mělo znamenat, že také data chybná mohou vest ke správnému plánování či data neoznačovaná jako chybná mohou vést k nesprávnému plánování. Z toho důvodu není zřejmý rozdíl mezi plánováním správným a nesprávným, protože obojí může být realizováno pomocí dat chybných či dat nepovažovaných za chybné. Druhý respondent odlišuje správné plánování od nesprávného tím, že v rámci správného se vykonávají další činnosti, co nepatří do plánování nesprávného, kdy se tyto činnosti vyjmenovávají. Přitom stejný respondent také píše, co správné plánování není, tedy tím objasňuje nesprávné plánování. Druhý respondent uplatnil také výrazy cíle a výsledky, aniž by objasnil rozdíl ve významu těchto slov. Nakonec druhý respondent píše o vizích a darech, které blíže nevysvětluje. Podle třetího respondenta je plánováním správným a nesprávným vždy plánování to, které člověk za jedno nebo druhé označí. V případě respondenta pátého se lze ptát, zda existuje plánování správné, které pracuje s neobjektivními údaji. Podle tohoto respondenta nikoliv, kdy se lze ale tázat, zda plánování založené na neobjektivních údajích může vést někdy k cíli. Respondent sedmý píše o dobrém cíli, který se dosahuje správným plánováním, kdy není vysvětlen význam slova dobrý. Dále stejný respondent píše o složité a náročné cestě u plánování nenáročného, kdy se již neobjasňuje, v čem se liší cesta složitá a náročná od cesty, co taková není. Dále lze namítnout, zda každé správné plánování nutně vede k cíli pomocí cesty, co není složitá a náročná. Tvrzení osmého respondenta je podobné s tvrzením respondenta třetího, kdy se v obou píše o pohledu člověka. Respondent 10. píše o správných datech, kdy se tento termín neobjasňuje v odpovědi. Dále není stejným respondentem podán příklad správného algoritmu, kdy plánování má selhat vždy bez správných dat k dispozici. Nicméně opět není objasněno blíže, co je dostupnost správných dat v systému, která je časově vyhovující. Respondent jedenáctý se domnívá, že správné plánování zpravidla vyjde, i když ne vždy, a u nesprávného plánování je výsledek zpravidla opačný. Nicméně není ve vysvětlení stále objasněno, co se rozumí pod pojmem málo vyjde v porovnání s pojmem zpravidla či většinou. V případě 12. respondenta je odpověď podobná 18

19 jako v případě 11. respondenta, kdy se zpravidla správné plánování promýšlí, leč nemusí být vždy promyšleno a ani se nepíše, co znamená promyslet plánování. U 14. respondenta se píše o nějakém úspěchu, kdy ale úspěch může být dosažen také pomocí plánování nesprávného. Vedle toho není specifikováno, jaký úspěch má správné plánování na rozdíl od úspěchu nesprávného plánování, protože nesprávné plánování může mít také nějaký úspěch v dané věci. Podívejme se dále na 15. respondenta, který píše o datech, co budou pohromadě. Můžeme se ptát, zda mít pohromadě data nutně znamená, že plánování založené na nich bude správné. Vedle toho lze vznést otázku, od koho všeho je nutné mít pohromadě data a jaká data má respondent na mysli, když píše o datech o všem. V případě 16. respondenta je opět řečeno, že správné plánování nemusí nutně vést třeba k vyššímu zisku. Tento respondent považuje plánování za provádění kroků, které mají vést k dosažení výsledku. Lze se ptát, zda každé plánování lze považovat za jakési kroky, případně se lze ptát, zda každé kroky provedené společností vedou k výsledku. Jelikož dle téhož respondenta je nesprávné plánování opakem správného, pak nejspíše kroky nevedou k žádanému cíli u nesprávného plánování. Tedy jejich výsledkem by neměl být kupříkladu vyšší zisk. 7 Co to je systematická báze? 1 systematický základ; 10 Uspořádaný soubor informací.; 14 Zajistit, aby se pracovalo pod určitým systémem.; 15 spíš tuším, že je to součást podkladů pro vytváření seznamů dat, 16 zapracovani dat/informaci do informacniho systemu pouzivaneho spolecnosti, jez shromazduje a vyhodnocuje zadane informace Sedmá otázka dotazníku chtěla vysvětlit význam pojmu systematická báze. Pouze 5 respondentů se bylo schopno vyjádřit k významu tohoto pojmu, kdy v rámci prvního se píše o systematickém základu, kdy není objasněno, v čem se liší základ systematický od nesystematického. Vedle toho není uveden příklad základu. Druhý respondent píše o uspořádání informací, přičemž není uvedeno, jaké informace se uspořádávají a jak. V případě respondenta 14. není specifikován systém, pod kterým by se mělo pracovat, dále není vysvětleno, co znamená pracovat pod systémem. Ani není objasněno, jak má být zajištění provedeno. V případě 15. odpovědi se píše o seznamech dat, leč se neuvádí, jaká data se uplatní při tvorbě seznamů. Také se nevysvětlují blíže podklady, které by měly být uplatněny. Vedle toho si není respondent významem systematické báze jist, protože píše spíš tuším. U poslední odpovědi se lze ptát, co znamená zapracovat data či informace do informačního systému. Také se lze ptát na vysvětlení informačního systému. Tento systém by měl shromažďovat a vyhodnocovat informace, které se nespecifikují, kdy se také nevysvětluje blíže, jak se informace shromažďují, či vyhodnocují. Informace mají být do systému zadány, přičemž není uvedeno, kým se data zadávají či jak. Podívejme se dále na vysvětlení integrovaných služeb, kterých se týkala 9. otázka dotazníku. 9 Co to jsou integrované služby? 1 služby, které zahrnují vše v logickém celku - věci spolu logicky související 4 vzájemné propojení služeb 5 poskytnutí "balíku" služeb, který pokrývá možný nebo skutečný prostor činnosti zákazníka 6 integrované - česky slučované, jsou spojené služby - na př. integrovaný záchranný systém (policie, lékaři, hasiči) 10 Více služeb v jednom balíku poskytovaném zákazníkovi. 13 Vložené 14 Jsou služby zapojené do trochu jiné složky pro nejlepší výsledky. 15 myslím, že spojené služby, např: telefon + internet a další kombinace 16 predstavuju si to jako zacleneni treba datoveho programu do hlasoveho, tzn. ze jako zakaznik pri objednani tarifu pripojeni pevne linky automaticky ziskas pristup na internet v cene tarifu toho telefonniho pripojeni <nebo> pri objednani sluzeb poskytovanych spolecnosti ti v pripade o2 telefoniky treba automaticky poskytnou telefoni pristroj, v pripade datovych sluzeb dostanes modem, klidne v tom muze byt i treba nonstop free online podpora Podíváme-li se na první vysvětlení, pak integrovamé služby maji zahrnovat vše spolu související, kdy se má jednat o logickou souvislost. Nejprve není objasněn význam slova služby, dále není objasněn logický celek a nakonec není vysvětleno, jak které služby souvisí na rozdíl od těch, co nesouvisí, kdy má být uvažováno vše související. Čtvrtý respondent píše o vzájemném propojení, kdy se lze ptát, zda existuje propojení, které není vzájemné. Vedle toho nejsou vyjmenovány služby stejně jako v předchozím případě. V případě dalšího respondenta se píše o balíku služeb, kdy se balík nespecifikuje, a také se píše o možném či skutečném prostoru ve vztahu k činnosti klienta, kdy není vysvětlen význam mezi možným a skutečným prostorem. Píše se i o činnosti klienta, přičemž není uveden příklad činnosti. Problém u vysvětlení integrovaných služeb, které v definovaném textu uvádí výraz služby, aniž by ho blíže objasnily, je, že je uplatněno v definici stejné slovo, které má být definováno. Pokud bychom předpokládali, že některá osoba nezná význam slova služba, pak nemůže porozumět významu výrazu integrované služby, když se vysvětluje kupříkladu jako vzájemné propojení služeb. V případě 13. odpovědi je uvedeno pouze slovo vložené, kdy se již nevysvětluje, co je vloženo do čeho či jak. V případě 14. není objasněno, jak se realizuje zapojení, dále se nevysvětluje, co je trochu jinou složkou na rozdíl od kupříkladu trochu více jiné složky. Vedle toho se nevysvětlují nejlepší výsledky. Patnácté vysvětlení hovoří o integrovaných službách jako o službách, které jsou spojené. Tedy služby 19

20 integrované se definují jako služby spojené. Obecně řečeno služby o vlastnosti X mají být totéž jako služby o vlastnosti Y, jelikož by X mělo být totéž co Y, či by mělo jít o podobné vlastnosti. Nejprve se lze ptát, zda spojené je totéž co integrované a dále se lze ptát, zda je vhodné služby o vlastnosti X definovat zase jako služby o jiné vlastnosti, či zda není na druhou stranu lépe definovat služby o vlastnosti X jako cosi jiného než služby o vlastnosti X, kdy se může jednat třeba o činnost o vlastnosti X. V rámci 15. odpovědi se píše také o dalších kombinacích, kdy se tyto kombinace nevyjmenovávají. U 16. respondenta se píše o začlenění dvou programů, a to datového do hlasového. Dále se uvádí příklad, ve kterém se píše o tarifu připojení pevné linky a o přístupu na internet, což by mělo být součástí připojení na internet. Jedná se nejspíše o příklad začlenění, avšak se lze ptát, který prvek ze dvou je datovým programem a který je hlasovým programem. Nejspíše pisatel uvažuje datový program připojení na internet a hlasový program telefonování pomocí pevné linky. Pak se lze stále ptát, zda obecně může být datový program programem hlasovým, či jaké další vztahy mezi těmito programy mohou existovat. 10 Proč je v životním zájmu každé společnosti zabývat se kvalitou dat? 1 protože nekvalitní data vedou k omylům, chybné strategii, zvyšují náklady atd. 3 marketing to potřebuje 4 zisk 5 bez kvalitních dat může společnost kolabovat mimochodem: co se rozumí "společností"? 6 protože kvalita dat je základem dalšího zpracování problematiky 7 v oblasti IT bez dobré databáze by těžko mohla společnost fungovat 8 Informace jsou základem úspěchu, ty se týkají komunikace a bez komunikace firma nefunguje. Komunikaci je třeba řídit, tedy ji zkoumat, jinak řečeno řídit její kvalitu. 9 kvůli marketingu a snižování nákladů 10 Základní (kmenová) data v systému vstupují do všech procesů podniku. Pokud jsou chybná, bude chybný i výsledek procesu. 11 pro rychlý rozvoj 12 aby zákazník měl pravdivé informace a byl spokojen 13 Bez kvalitních dat nelze kvalitně plánovat a kontrolovat výsledky 14 Aby úplně každý (i nekvalifikovaný) tomu rozuměl. 15 nedělat chyby v základní nabídce - zhoršování služeb 16 protoze na tom stoji cely jeji fungovani a ucinkovani na trhu, v pripade nekvalitnich dat se taky muze rozloucit se svym pusobenim, ztracet zisky a nekdy i krachnout (extremni pripad) Poněvadž se v analyzovaném úryvku píše o životním zájmu společnosti zabývat se kvalitou dat, zjišťovalo se pomocí 10. otázky dotazníku, proč se firma musí na kvalitu dat zaměřit. Jak se píše v první odpovědi, je třeba kvalitních dat, protože jinak budou vznikat omyly. Přitom se již nepíše o tom, že by kvalitní data mohla vést k omylům či k jiným nežádoucím jevům. V případě 3. odpovědi se píše o potřebách marketingu, kdy se nevysvětluje, proč marketing vyžaduje, aby se firma zabývala kvalitou dat. Čtvrtý respondent uvádí slovo zisk, kdy není objasněno, jaký vliv má zabývání se kvalitou dat na jeho tvorbu. U páté odpovědi se píše o možném kolabování společnosti, kdy možné není totéž jako nutné. Sám se respondent táže, jaký je význam slova společnost, přičemž na význam tohoto slova nebyla v dotazníku otázka a není toto slovo stejným respondentem vysvětleno. Respondent šestý píše o základu dalšího zpracování, kdy není vysvětleno, proč se jedná o základ. Dále není vysvětleno, co se rozumí problematikou. Podíváme-li se na sedmou odpověď, pak se zdůrazňuje význam dobré databáze pro informační firmu, kdy není vysvětleno, co je dobrá databáze, a není vysvětleno, proč společnost potřebuje dobrou databázi. Devátá odpověď ve své první polovině tvrdí obdobné co odpověď 2. Dále se v 9. odpovědi píše a přímo v její druhé polovině totéž, co lze najít v odpovědi prvního respondenta. Desátý respondent píše o datech kmenových či základních, kdy se neuvádí příklad. Dále se má jednat o vstupování dat do procesů, kdy se nespecifikuje, jak data do procesů vstupují. Dále se píše o všech procesech, kdy se lze ptát, zda čtenář tohoto vysvětlení je schopen říci, jaké všechny procesy se uskutečňují v rámci Českého Telecomu. Píše se dále o chybných datech, přičemž není objasněn rozdíl mezi daty, která chybná nejsou. Vedle toho mají chybná data vést k chybnému výsledku, kdy se tento výsledek nespecifikuje, a není uvedeno, proč mají chybná data vést k chybnému výsledku. Odpověď jedenáctá píše o rychlém rozvoji, kdy není objasněno, v čem se liší rozvoj rychlý od třeba pomalého či maximálně rychlého, a také se nevysvětluje, o rozvoj čeho se má jednat, kdy jde nejspíše o rychlý rozvoj společnosti. Pokud se vrátíme k obsahu článku, který se zabýval zejména databázovými záznamy o zákaznících, lze se tázat, jak v důsledku čehosi ve vztahu k 12. odpovědi by měl být zákazník spokojen. Totiž by měl nejspíše obdržet pravdivé informace navozující u něho spokojenost, kdy není vysvětleno, jaké pravdivé informace by měl obdržet. Lze však spekulovat, že spokojenost u něho nastane, pokud obdrží fakturu v obálce, kde bude správně a plně uvedena jeho adresa, kdy současně mu dorazí faktura, kterou musí uhradit za poskytnuté služby. Odpověď 13. respondenta se zdá být uspokojivá, protože je potřeba dat pro plánování a kontrolu, přitom se ale nevysvětluje, proč jsou kvalitní data potřeba třeba pro plánování místo nekvalitních dat, či místo kvalitních informací. Odpověď čtrnáctá píše o nutnosti, aby úplně každý... tomu rozuměl, kdy v tomto vysvětlení není uvedeno, čemu by měl úplně každý rozumět kromě toho, že by měl rozumět tomu. Vedle toho není zřejmý vztah mezi zájmem firmy o kvalitní data a tím, že tomu každý 20