הקשר שבין איכות נתונים לביצועי חברות ולתהליכי קבלת החלטות

איכות נתונים במערכות BI ו- DWH

מאת: גיא אופק, מנהל תחום איכות נתונים Trillium בקבוצת אמן


אחד התחומים שזכו בעשור האחרון לפריחה ולצמיחה משמעותית הינו תחום ה- BI (בינה עסקית). כיום, ארגונים רבים נשענים באופן מהותי על מערכים ממוחשבים שלמים של "תמיכת החלטה" המגיעים ישירות אל מנהלי המחלקות, סמנכ"לים ואף לרמת המנכ"ל.
ישנם אף ארגונים בהם ישיבת הנהלה אינה מתחילה עד אשר לא מתקבל דיווח עדכני ממערכות ה- BI אודות מצב הארגון בחתכים שונים.

נשאלת אם כן השאלה, מהו הקשר בין איכות הנתונים לבין כלים תומכי החלטה אלו?

התשובה לשאלה טמונה במספר רבדים:

ראשית, יש לזכור כי מה שמשקפות מערכות ה- BI לסוגיהן (BI אנליטי ותצוגתי) נשען בעיקר על הנתונים הנשאבים ממערכות קודמות. השאלה העיקרית אם כן היא האם איכות הנתונים בארגון ובפרט הנתונים המזינים את מערכות ה- BI, הינם נתונים איכותיים או לאו.

רוב הארגונים כיום נעזרים במחסני נתונים (DWH) על מנת לספק את צורכי הארגון ומנהליו. מחסני הנתונים מספקים אמנם מענה ברמה גבוהה יותר מאשר מערכות המקור, אולם יש לזכור כי הארגון משלם על כך ב"דה-נירמול" של הנתונים ממערכות המקור, כך שלמעשה במקרים רבים הנתונים אינם מדויקים ועלולות להשתקף בעיות רבות של איכות נתונים, חוסר דיוק, חוסר עקביות, חישובים לא נכונים וכו'.
מערכות רבות בארגונים עדיין נשענות על הזנת נתונים (Data Entry) מאסיבית, כך שלמעשה הארגון חשוף לאנומאליות נתונים רבות. דוגמאות לכך הן שיכולי ספרות (סכומים, מספרי מק"ט, ת"ז, תאריכים), החסרה של נתונים, כתיבת נתונים בשדות לא נכונים וכד'.

שנית, ארגונים מודרניים אינם נשענים על מערכת אחת, אלא על מספר מערכות ארגוניות. ריבוי המערכות וריבוי מקורות המידע, לעיתים על אותו נתון, עלול להוביל לטעויות. כך למשל ניתן למצוא פרטי ספק הן במערכת הספקים, הן במערכות הרכש, הן במערכות ה- CRM והן במערכות התחזוקה.

ישנן כמובן נקודות רבות נוספות, המתאימות לכל ארגון וארגון, אך די בהסתכלות בנקודות שהזכרנו על מנת להבין כי המדידה המתמדת של נתונים "שגויים" על ידי מערכות תומכות החלטה, הינה מקור בלתי נדלה לבעיות איכות נתונים.

מה התוצאה של בעיות אלו?

מסתבר כי הסתמכות על נתונים שגויים בקבלת החלטות, עולה לארגון כסף רב - הן בקבלת החלטות על דרכי פעולתו של הארגון (לדוגמא, ארגונים עלולים לקבל דיווח שגוי שלאורו הם עשויים לפנות לפלח שוק שאינו רווחי). במקרים אחרים ארגונים מבססים מערכי מדידה בארגון (KPI) וכאשר אלו מושתתים על נתונים שגויים, הארגון מנווט את עצמו "בתנאי ראות קשים".

מה ניתן לעשות?

על מנת להתגבר על הבעיה ועל מנת שמערכות ה- BI ישמשו ארגונים כמערכות תומכות החלטה באופן לו הן נועדו, ראוי לבצע בדיקה שוטפת של איכות הנתונים בארגון. יש לזכור כי פוטנציאל ה"זיבול" של נתונים הינו תמידי וכי תחקור וטיוב נתונים הוא אירוע מתמשך.

בדיקות אלו, ראוי שתתבצענה בגישה "Bottom Up", קרי - שימוש בכלי תחקור נתונים כגון Trillium אשר מסוגלים לזהות אנומאליות מורכבות בנתונים, ללא הגדרת המשתמש "מהי שגיאה", השכיחה בגישת ה- "Top Down".

שימוש נכון במערכות אלה יבטיח לארגון כי הנתונים עליהם הוא נשען בקבלת ההחלטות שלו אינם רק "מוצגים יפה" במגוון צורות ויזואליות, אלא חשוב מכך - נכונים, אמיתיים ומדויקים.