Продолжение. Первая статья цикла - «Качество данных – с чего начать?».
Итак, в компании принято решение предпринять меры по повышению качества данных – в том числе, с привлечением сторонних подрядчиков. С чего начинать переговоры и поиск надежного партнера? Это может прозвучать странно – но с уточнения понятий. Что подразумеваете под качеством данных вы? Совпадает ли это с тем пониманием, которое есть у вашего подрядчика?
Несмотря на то, что словосочетание «качество данных» является чрезвычайно популярным в последнее время и часто используется в разнообразных контекстах, следует сразу понять и запомнить, что в мире не существует объективно идеальных данных. Единственный критерий качества данных, который заявлен даже в международных стандартах, – это соответствие данных предъявляемым к ним требованиям. (Если интересно подробнее узнать о требованиях стандартов ИСО 8000 – предлагаю ознакомиться со статьей в разделе "Знания" нашего сайта). Учитывая, что каждая компания имеет свои бизнес-процессы, которые строятся на наборе данных конкретной компании – требования к этим данным формулируются именно в контексте потребностей этой компании. Недостаточно полные данные не дадут вам возможности автоматизировать необходимые процессы и аналитическую отчетность – но в то же время излишняя детализация потребует постоянных дополнительных расходов рабочего времени на свое поддержание, и, не будучи при этом регулярно востребованной, не будет оправданной.
Грамотный подрядчик начнет общение с вами с уточнения потребностей вашей компании. На определенном этапе развития систем управления простой унификации записей справочника (корректировка грамматических ошибок, опечаток, используемых символов и т.д.) может быть достаточно для решения текущих задач компании. Однако, например, задача оптимизации закупочной деятельности на таком массиве данных не решается и требует совершенно других подходов и усилий. Слышит ли ваш консультант ваши потребности и намерен ли искать оптимальные пути их удовлетворения или склонен продавать вам имеющееся типовое решение?
Сложившейся на рынке практикой является предоставление консультанту для анализа репрезентативного фрагмента данных. Такой предварительный анализ обычно бесплатный и позволяет с одной стороны консультанту предположить, какие проблемы наиболее характерны для рассматриваемого массива данных, и предложить пути нормализации, а с другой стороны дает вам возможность оценить подходы консультанта, сверить ваше понимание имеющихся проблем и направления дальнейшей работы.
Для нормализации данных потребуется определение тех правил, по которым будет проводиться очистка записей справочника. Такие правила очень важны как гарантия построения базы для достижения поставленных бизнес-целей. Для того, чтобы полученный в результате проекта идеальный справочник не вернулся к исходному состоянию в короткий срок после окончания работ, эти правила должны поддерживаться в компании и для всех вновь создаваемых данных. Поэтому способность не просто обработать данные, но и сформулировать правила нормализации достаточно полно и подробно для того, чтобы их выполнение в будущем позволяло поддерживать чистоту и единообразие данных – это важное качество консультанта. Наш опыт показывает, что зачастую такие документы грешат крайностями – либо оказываются недостаточно полными, упуская достаточно существенные параметры, либо являются излишне подробными, требуя дополнительных усилий на выполнения условий, которые не оказывают сколько-нибудь серьезного влияния на результат (который, напомню, следует формулировать и оценивать в терминах достижения конкретных бизнес-целей). Поэтому наличие в портфолио консультанта клиентов, которые продолжают следовать разработанной в рамках предыдущих проектов методологии и довольны результатом, является существенным «плюсом». Рынок знает немало примеров «брошенных» проектов – когда обработанные данные по факту оказались не соответствующими запросу и в дальнейшем не использовались вообще или серьезно перерабатывались. Несмотря на то, что клиенты не очень охотно раздают рекомендации, постарайтесь найти возможность поговорить с кем-то из них и убедиться, что предоставляемые консультантом решения решают поставленные перед ними задачи и жизнеспособны.
Что касается задач, которые ставятся перед данными, то нелишним было бы акцентировать внимание на разделении вопросов качества мастер-данных и качества тех бизнес-процессов, в рамках которых мастер-данные лишь используются. Качество данных не является «волшебной таблеткой», которая склеит те разрывы в бизнес-процессах, которые существуют в компании. Нередко приходилось видеть компании, в которых различные системы существуют изолированно друг от друга – например, процесс закупок организован на базе отдельной системы и не обменивается данными с бухгалтерской системой, или система технического обслуживания не связана с системой складского хранения и с бухгалтерской системой. Созданная на базе отдельного модуля система управления основными данными, безусловно, сможет обеспечить единый «язык» внутри вашей компании и выгрузить во все используемые программы данные из единого источника, но не заставит ваших подрядчиков называть товары в накладной так, как они называются в ваших внутренних документах, и не расскажет кладовщику, что именно ему сейчас приходовать на склад – все эти процессы все равно придется организовывать дополнительно.
В том же ряду стоит задача применения различных классификаций – правильно организованные классификации соответствуют специфике бизнес-процессов компании и поддерживают их, предоставляя именно ту группировку данных, которая полезна конкретной группе пользователей. Правильно было бы сказать, что качественно выполненный проект по нормализации качества мастер-данных предоставляет прочную базу для применения любых принципов группировки данных, но разработка таких принципов является частью бизнес-консалтинга, направленного на оптимизацию конкретных бизнес-процессов. Часто консультанты по качеству данных под давлением заказчиков включают в объем своих контрактов и разработку или оптимизацию классификаций, но в большинстве случаев это сводится к применению одной из общепринятых классификаций и в результате обеспечивает потребности лишь части пользователей. Тем не менее, если ваши предполагаемые консультанты ранее осуществляли проекты для компаний вашей отрасли (и особенно лидеров рынка), то, вероятно, они смогут предложить вам скопировать ту классификацию, которая применялась в каком-то из таких проектов – и тогда по сути это означает, что ваши данные обогащаются за счет применения лучших практик лидеров, что иногда является оправданным решением. Однако следует помнить, что все решения такого рода должны быть тщательно проверены на соответствие требованиям вашей компании и имеющимся для их реализации ресурсам и откорректированы в случае необходимости.
Подводя итог сказанному, отмечу еще раз: консультант обязан вас слушать и слышать. Весь его предыдущий опыт должен быть подчинен тому, чтобы найти решение по управлению мастер-данными, которое будет идеально соответствовать вашему запросу. Хороший баланс между накопленными методиками, бизнес-решениями, допустимыми подходами с одной стороны и умением объективно оценить ситуацию в конкретной компании, услышать и осознать конкретные требования и не пытаться их поместить в рамки очевидно несовершенного стандартного решения с другой стороны – главный критерий успешности вашего потенциального сотрудничества Однако консультант также должен очень четко осознавать границы своей компетентности. Добросовестно выполненный проект нормализации данных, безусловно, положительно скажется на качестве и скорости работы всех подразделений, использующих эти данные, но такие последствия все равно не позволяют считать специалиста по данным также экспертом, например, в сфере оптимизации закупочной деятельности или процессов технического обслуживания и ремонта. Если предполагаемый результат проекта включает также перестройку специальных бизнес-процессов, не связанных с данными, то в команде такого проекта должны присутствовать бизнес-консультанты требуемого профиля. Практика показывает, что более успешными являются проекты, в рамках которых сначала разрабатываются направления оптимизации, а потом на базе утвержденного подхода строится система управления данными, поддерживающая этот подход.