Kvalita a správa dat Data Quality

Transkript

1 Kvalita a správa dat Data Quality Analýza a optimalizace procesů a řízení společnosti 20. dubna 2010 Poradenské služby

2 Agenda Strana 1 Souvislost kvality dat a procesů 1 2 Čištění dat 7 3 Náš přístup 14

3 1 Souvislost kvality dat a procesů Poradenské služby

4 1 - Souvislost kvality dat a procesů Kvalita dat úzce souvisí s kvalitou procesů Správně definované procesy jsou základním předpokladem pro kvalitu dat Klienti často řeší nekvalitu dat na úrovni výstupu (manuální opravy, automatizované čištění), místo aby se zaměřili na původ chyb Nejčastější důvody vzniku nekvalitních dat: Procesy nemají svého vlastníka (process owner) Nejsou definovány jednoznačné odpovědnosti Procesy nemají stanoveny metriky (KPIs), podle kterých by bylo možné posoudit jejich kvalitu Procesy nemají definované zdroje (lidské, materiálové, finanční a DATOVÉ/INFORMAČNÍ) Chybějící standardizace datových vstupů Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 2

5 1 - Souvislost kvality dat a procesů Přínosy plynoucí z dobře fungujících procesů a kvalitních dat Zvýšení efektivity lidské práce Kvalitnější manažerská rozhodnutí Nižší náklady na infrastrukturu a lidské zdroje potřebné dat Snížení rizik spojených s použitím špatných údajů k nalezení správných Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 3

6 1 - Souvislost kvality dat a procesů Negativní dopady nekvalitních dat Problémy právní a regulatorní povahy Nesoulad s právními a regulatorními předpisy Ztráta důvěryhodnosti finančních a vnitropodnikových výkazů Asistence se splněním nároků mateřské společnosti, externích regulátorů Finanční ztráty Neefektivní podnikové procesy, které zvyšují provozní náklady Poškození brand image, zvýšené náklady na IT Nízká kvalita poskytovaných služeb zákazníkům Dopady na rozhodování Chybná obchodní rozhodnutí a ztracené obchodní příležitosti Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 4

7 1 - Souvislost kvality dat a procesů Nejčastěji používané nástroje pro analýzu a optimalizaci procesů Procesní mapy Popisy rolí a odpovědností Popisy procesů FTE analýza Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 5

8 1 - Souvislost kvality dat a procesů Revize datové integrity a procesů Při zlepšování dat je nutné projekt doplnit o procesní analýzy Odhalení skrytých příčin nedostatků ve struktuře dat a slabin kontrolního prostředí Změny v průběhu procesů, posílení kontrolních mechanismů Dosažení trvalého zlepšení Příklad komplexních přístupů ke zlepšení Revenue Maximizer PwC metodologie Revenue v úvahu procesní aspekty nekvalitních dat Assurance bere Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 6

9 2 Čištění dat Poradenské služby

10 Data 2 - Čištění dat Chyby v datech jsou běžné a nelze se jim vyhnout. Mít kvalitní data je základem snadného fungování všech služeb. Bez vynaložení enormního úsilí nejde snížit chybovost dat pod běžnou 1-5% úroveň. Problémy, jež nekvalitní data přinášejí Legislativní v případě tvorby reportů a auditu Nepochopení dat a z toho vyplývající špatné závěry Nemožnost migrace dat či upgradu systému Prostoje jak na lidské straně tak systémové Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 8

11 2 - Čištění dat Business Nekvalitní data jsou velmi nákladná. Spotřebovávají jak čas analytiků zahlcených požadavky, tak uživatelů, kteří se zabývají tím, zda dostali správná data. Náklady na zavedení či vylepšení aplikace v systému se neúměrně zvětšují. Nejhorší situací je předání špatných údajů zákazníkovi, nebo předání dat špatné osobě v důsledku nejasností v datech. Dat neustále přibývá a s tím se zvětšuje i problém se v datech vyznat. Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 9

12 2 - Čištění dat Řešení pro data Čištění dat je postup pro nalezení nepřesných, neúplných, nekonzistentních nebo nesmyslných dat a následné vylepšení kvality dat opravou nalezených chyb a opomenutí. Běžný postup při čistění dat zahrnuje Stanovení chybných stavů Vyhledání a identifikování chybných záznamů Oprava chyb Dokumentace chybných záznamů a typů chyb Modifikace procedur a procesů na vstupu dat pro omezení chyb Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 10

13 2 - Čištění dat Řešení pro business Čištění dat může probíhat jak jednorázově tak i průběžně, od toho se odvíjí i náklady na zvolené řešení. Pokud není čištění provedeno jak metodicky tak prakticky správně, lze očekávat neúspěšnost takového procesu. Proces čištění dat také pomáhá firmě uvědomit a si a klasifikovat důležité zdroje dat. Usnadnění procesu zálohování a obnovy dat díky předem vyřešené konzistenci dat a jejich bezproblémového navrácení do provozního cyklu. Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 11

14 2 - Čištění dat Přínosy - data Po pročištění dat, vám data budou opět pomáhat místo překážení při řešení problémů. Standardizace a validace používaných dat. Usnadnění monitorování dat a tvorby reportů. Zvýšení efektivity používání datových zdrojů. Lepší porozumění datům a jejich významu. Snadnější komunikace a přenositelnost dat mezi různými systémy. Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 12

15 2 - Čištění dat Vybraní dodavatelé technologie Možnými dodavateli technologie a služeb pro čištění dat jsou například Adastra (Ataccama Data Quality IBM InfoSphere Javlin (CloverETL) SAS Data Quality Solution Trillium Software Systems Center) Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 13

16 3 Náš přístup Poradenské služby

17 3 - Náš přístup Náš přístup ke zvyšování procesů datové kvality pomocí optimalizace Založen na prověřené metodologii pro zlepšování Improvement Through Benefits Management). procesů PITBM (Process 1 Rozsah, strategie, mobilizace 2 Analýza současného prostředí 3 Návrh opatření ke zdokonalení 4 Implementace opatření ke zdokonalení 5 Provoz a kontinuální zdokonalování Fáze Návrh opatření ke zdokonalení Rozsah, strategie Vymezení obchodních potřeb a cílů Stanovení analyzovaných procesů Mobilizace Ustavení projektového týmu Příprava definičního dokumentu projektu Kvantitativní analýza Definice KPI, Shromáždění provozních dat, benchmarking Kvalitativní analýza Provedení kvalitativní analýzy procesů, srovnání procesů s best practices Mapování procesů Stanovení obchodních cílů Identifikace možností ke zdokonalení Hodnocení opatření ke zdokonalení Příprava business case Schválení podnětů ke zdokonalení Příprava implementačního plánu Implementace změn business procesů Implementace technologických změn Implementace organizačních změn Implementace ostatních změn Provoz nového prostředí Řízení provozu nového prostředí Kontinuální zdokonalování nového prostředí Identifikace Quick winns Definice implementačních strategií Příprava implementačního plánu Benefity, projektový a změnový management Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 15

18 3 - Náš přístup Náš přístup PricewaterhouseCoopers vám nabízí poradenství při přípravě na čištění dat a v otázce kvality dat. Pomůžeme s definicí problému, klíčových dat a osob. Vyhodnotíme dopad a užitečnost čistění dat pro vaši firmu. Připravíme metodiku čištění dat, pomůžeme s dokumentací možných chyb. Vypracujeme strategii na míru vaším potřebám. Nabízíme také poradenství v oblasti výběru dodavatele a implementace čištění dat. Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 16

19 3 - Náš přístup Nabídka poradenství PricewaterhouseCoopers vám nabízí poradenství v oblastech: Nastavení organizační struktury, rolí a zodpovědností Revize efektivosti současných procesů FTE analýza Podpora při implementaci změn Naše pozornost se zaměřuje na pochopení procesů, organizace a zájmů vlastníků, managementu i zaměstnanců. Při našich projektech spolupracují jednotlivá oddělení společnosti PwC k nalezení nejvhodnějšího celkového řešení. Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 17

20 3 - Náš přístup Příklad kontroly integrity dat Pro významného telekomunikačního operátora Analýza dat v oblasti datových a hlasových služeb Identifikovány chyby způsobené nekonzistencí dat mezi provozními systémy Přínosy představující cca 2% ročního obratu Na tento úspěch navázala PwC s obdobnými projekty v zahraničí (Rumunsko, Polsko) Pro významného producenta potravinářského i nepotravinářského zboží Datová analýza a rekonciliace v rámci logistiky projekt pro outsourcing skladového hospodářství do externí firmy Identifikovány rozdíly v evidenci zboží v různých systémech Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 18

21 3 - Náš přístup Vybrané společnosti, které procesní optimalizace využily naše zkušenosti v oblasti Process Optimization in Finance department 2010 Organisation and Process Optimization 2008 Performance Improvement and Process Optimization 2003 Process Optimization in Finance department 2008 Process Mapping, Stocktaking Control System Implementation 2008 Finance function transformation 2009 Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 19

22 3 - Náš přístup Děkujeme za pozornost Jan Malý Poradenství v oblasti zvyšování výkonnosti podniku PricewaterhouseCoopers Česká republika Tel.: jan.maly@cz.pwc.com Jan Dienstbier Poradenství v oblasti zvyšování výkonnosti podniku v oblasti IT PricewaterhouseCoopers Česká republika Tel.: jan.dienstbier@cz.pwc.com Kvalita a řízení dat Data Quality Analýza a optimalizace procesů a řízení společnosti 20