数字化转型规划、企业架构规划、4A架构规划、数据治理咨询、指标体系建设、流程体系建设、BOM与物料数据管理-星顺数据管理洞察-02-应该要关注企业的数据质量了
main slider-home
数字化咨询服务
数字化转型规划、企业架构规划、数据治理、流程治理

应该要关注企业的数据质量了

企业的信息化建设投资巨大,而且业务的需求层出不穷,永无止境,信息化部门天天埋头苦干,疲于奔命,蓦然回首,经常发现一地鸡毛。

随着各类专业系统建设的逐步推进,企业的信息化版图逐渐被补齐,对于新系统的建设需求会慢慢变少,而对于数据深度应用的需求会越来越多。

那么企业积累的数据的哪些用途呢:

了解现状:用指标性数据解总体业务情况

对比分析:与历史对比、与同行对比、内部各部门对比

趋势分析:以连续的历史数据为依据,预测发展趋势

根因分析:通过数据找问题,通过数据找原因

有一次,笔者参加了一家国有大型企业内部的数字化转型战略发布会,信息化部门的领导宣贯了企业十四五期间的数字化战略规划,然后大领导上台点评,在全体参会人员面前,大领导质问信息化部门:我们每年投资信息化那么多资金,但为什么数据分析用不了?

原来,在月初时,大领导要求对企业经营数据进行分析,而接收任务的部门反馈:数据上不来,而且上来的数据也用不了。

信息化部门的领导非常沮丧,和我商量该怎么办。

我们来分析一下问题:

数据上不来

“数据上不来”可能由两方面原因引起:

1、系统集成有问题,数据孤岛未消除

这属于技术问题,只要分析清楚需求,在这方面,社会上有非常多的解决方案可供选择,要解决这个问题只是“麻烦”,而不是“困难”。

2、信息化系统的应用问题

比如:业务部门未能及时将数据录入系统,管理与信息化的融合度不够,线上、线下两张皮,甚至可能出现三张皮的现象,即:企业标准流程规定的要求、真实的工作场景、信息化系统里的流程三者都不一致。

这种情况很麻烦,一旦出现,就说明信息化已经变成了业务部门的负担,业务部门是先做业务,完成本职工作,然后补录数据,管理与信息化不能融合,这样的系统当然不被业务所喜,数据录入不及时、数据录入错误、流程倒置、系统流程阻塞等问题必然随之出现。

数据用不了

“数据用不了”也可能由以下几方面原因引起:

1、数据标准不一致

由于各业务系统都有各自的专业供应商,在各专业的系统内,可以说数据标准是一致的,但是一旦涉及到跨系统的数据流动,问题就必然会出现。

问题主要体现在四类数据上:主数据、基础数据、指标数据、业务术语(姑且也称之为数据)。

1.1主数据

首先,问题最严重就是主数据,主数据是用于跨系统应用的核心数据,如果没有统一的数据标准,会导致业务协同出问题,这是最严重的。

我去过的一家销售过百亿的大企业就是这个问题,看上去已经实现了信息化,但主数据没有标准,而且变更管理未做好,导致原材料发货主要靠经验,系统里跑的发货指令与现场实际执行基本上没有关联,生产现场也是管理混乱,完全靠一批经验丰富的老工人支撑。

1.2 基础数据

基础数据就是那么可以作为数据字典的数据,可以作为选项的数据。基础数据没有统一标准,会导致数据的结构化不足,在利用数据做分析时,会让分析的颗粒度非常粗糙。

比如:对于质量问题的分类,是手工输入还是选项选择,如果是手工输入,由于每个人的输入内容与格式都不一样,在数据分析时,就会很麻烦,而如果直接在基础数据里设置了质量问题分类信息,录入时直接选择,那么系统就会自动对质量问题进行了分类,未来做分析会十分方便。

1.3 指标数据

指标数据就是那些企业内部定义的指标,这些指标是怎么计算的,由哪些数据组成的,这些数据又来源于哪些业务、哪些系统,数据源在哪里,这些数据源是否会对相同的业务有不一样的数据、哪些数据源才是可信的,如此种种,这些都算是数据标准的内容,应该要有统一的规范。

1.4 业务术语

业务术语是一个非常基础的问题,各个企业内部都有很多只有自家理解的”行话”、“黑话”,这些术语有标准的定义吗?各个部门对相同的术语的理解一样吗?

有一次,我在某“万人大厂”做项目,就“生产完成”这4个字的定义和企业沟通了很长时间,对于“生产完成”的定义五花八门:

——有的分厂认为最后一道生产工序完成,这就是生产完成

——有的分厂认为质量合格,拿到质检放行单才叫生产完成

——销售部门认为成品被物流部门接收入库,才叫生产完成

——项目管理部门认为只有包装完成,处于待发货状态,才叫生产完成

我和企业大领导沟通时说到这个问题,他非常诧异,居然这么简单的4个字,在他的企业里有那么多种的理解。

2、数据质量太差

如果数据标准没有做好,数据质量差是必然的结果。

数据质量差体现在以下几个方面:

2.1 缺数据

很多需要填写的数据没有填写,或者填错了地方。

2.2 重复数据

拿物料来讲,一码多物和一物多码的现象每家企业都或多或少地存在。

2.3 错误的数据

那些填错了位置的数据就是错误的数据,这样的数据还比较容易分辨,最麻烦的是逻辑错误的数据。

比如说发货的时间应该晚于生产时间、人员入职日期应该早于离职日期、订单的总金额应该等于各单项金额之和,这些话说起来容易,而且大家都十分理解,但看系统里的数据,这样的逻辑问题比比皆是。

我给这位负责信息化的领导一项一项地分析,问题可能出现在哪里,应该如何解决,他头皮发麻,说“要解决这个问题可不是我信息化部门能够搞定的呀。”

是的,这哪里是信息化部门的事,这是整个企业的事,如果想要让企业的数据能够真正被利用起来,就必须把数据的质量提升上去,如何提升,那就是要开展数据治理活动,向上,要让企业的领导层全力支持,向外,要借助外部专家的力量,对内,要发动业务部门,上下齐心,整体行动,才可能成功。