Αξιολόγηση του βαθμού συστηματικής κάλυψης των πληροφοριακών αναγκών των ‘Πελατών πληροφορίας’.
Η μέτρηση της ποιότητας στοχεύει στα ακόλουθα:
Η μέτρηση της ποιότητας πληροφορίας, πρέπει να γίνεται βάσει κριτηρίων-χαρακτηριστικών που ορίζουν οι ‘Πελάτες πληροφορίας’ και υποστηρίζουν στοχεύσεις για βελτίωση της ικανοποίησης του ‘Πελάτη’ (εσωτερικού και εξωτερικού ως προς τον Οργανισμό).
Συμμόρφωση με τον ορισμό.
Αντιστοιχία νοήματος τιμών δεδομένων με τον ορισμό των δεδομένων. Για παράδειγμα το χαρακτηριστικό ‘ώρα εξέτασης’ μπορεί να ορίζεται ως η ώρα που Ασθενής εξετάστηκε. Αν όμως το σύστημα εισάγει αυτόματα την ώρα και η εισαγωγή στοιχείων εξέτασης στο σύστημα γίνεται ετεροχρονισμένα, τότε η ώρα θα είναι λάθος. ‘Συμμόρφωση με τον ορισμό’, είναι ο βαθμός συμφωνίας μεταξύ του νοήματος που οι χρήστες αποδίδουν σε δεδομένα και του επίσημου ορισμού αυτών.
Πληρότητα δεδομένων
Ύπαρξη τιμών στα προβλεπόμενα πεδία. Μετριέται ως το ποσοστό εγγραφών που έχουν τιμή σε κάποιο συγκεκριμένο πεδίο. Για το συγκεκριμένο χαρακτηριστικό χρησιμοποιείται και ο όρος: ποσοστό κάλυψης (coverage).
Συχνά η συμπλήρωση κάποιων πεδίων που αφορούν πληροφορία μη απαραίτητη για την ολοκλήρωση μιας διαδικασίας είναι προαιρετική. Η πληροφορία αυτή όμως μπορεί να συμβάλλει στην παραγωγή χρησίμων συμπερασμάτων.
Συμμόρφωση με επιχειρησιακούς κανόνες
Αφορά την διαμόρφωση τιμών δεδομένων εντός πεδίου αποδεκτών τιμών και την συμβατότητα αυτών με προκαθορισμένους επιχειρησιακούς κανόνες. Παραδείγματος χάριν, η τιμή κωδικού υλικού πρέπει να αντιστοιχεί σε μια από τις αποδεκτές τιμές κωδικών βάσει κωδικοποίησης. Το χαρακτηριστικό μετριέται ως το ποσοστό εγγραφών που έχουν τιμή συμμορφούμενη με τους κανόνες.
Αξιοσημείωτο είναι ότι η συμμόρφωση με επιχειρησιακούς κανόνες δεν διασφαλίζει την ακρίβεια των τιμών. Συνεπώς αυτοματοποιημένες εφαρμογές ελέγχου συμμόρφωσης με επιχειρησιακούς κανόνες δεν ελέγχουν παράλληλα την ακρίβεια των τιμών. (π.χ. αλγόριθμος ελέγχου εγκυρότητας αριθμού ΑΦΜ, δεν ελέγχει την ύπαρξη του αριθμού αυτού).
Ακρίβεια
Ακρίβεια των δεδομένων είναι ο βαθμός στον οποίο αυτά αντανακλούν με ακρίβεια τα στοιχεία που χαρακτηρίζουν την πραγματική οντότητα.
Συχνά ο έλεγχος της ακρίβειας δεδομένων σε σχέση με την πραγματικότητα (π.χ. ένα οικονομικό γεγονός) δεν είναι εφικτός ή έχει απαγορευτικό κόστος. Στην περίπτωση αυτή, πιθανόν να είναι εφικτός ο έλεγχος της ακρίβειας δεδομένων σε σχέση με ‘υποκατάστατη πηγή XE "υποκατάστατη πηγή" ’ (surrogate source) που θεωρείται αξιόπιστη (έντυπο που κατέγραψε το οικονομικό γεγονός, εξωτερικά ηλεκτρονικά ή έντυπα αρχεία).
Έλεγχος της ακρίβειας σε σχέση με την πραγματικότητα δικαιολογείται όταν το αντίκτυπο της χαμηλής ποιότητας δεδομένων, είναι σημαντικό για τον Οργανισμό. Το κόστος ελέγχου της ακρίβειας σε σχέση με την πραγματικότητα μπορεί να περιοριστεί με κατάλληλη μέθοδο δειγματοληψίας. Παράδειγμα ελέγχου ακρίβειας σε σχέση με την πραγματικότητα είναι η περιοδική φυσική απογραφή αποθήκης και σύγκριση με τηρούμενα δεδομένα.
Η μέτρηση της ακρίβειας σε σχέση με υποκατάστατη πηγή XE "υποκατάστατη πηγή" δεν είναι πάντα η καλύτερη προσέγγιση και πρέπει να είναι σαφής η διαφορά μεταξύ της ακρίβειας σε σχέση με την πραγματικότητα και της ακρίβειας σε σχέση με πηγή που θεωρείται αξιόπιστη.
Στον ακόλουθο πίνακα δίνονται παραδείγματα υποκατάστατων πηγών ελέγχου ακρίβειας.
|
Τύπος οντότητας |
Πραγματική πηγή ελέγχου |
Υποκατάστατη πηγή ελέγχου |
|
Πελάτης |
Τηλεφωνική κλήση ή αποστολή ερωτήσεων προς απάντηση |
Έντυπα παραγγελιών, Βοηθητικά αρχεία |
|
Χαρακτηριστικά Προϊόντος |
Δείγμα προϊόντος |
Έντυπα με χαρακτηριστικά του προϊόντος, έντυπα υποστήριξης παραγωγής του γεγονότος |
|
Διαθεσιμότητα προϊόντος |
Έλεγχος αποθηκευτικού χώρου |
Έλεγχος στο πληροφορικό σύστημα υποστήριξης αποθήκης |
|
Οικονομικό γεγονός |
Αυτόματη καταγραφή σε πραγματικό χρόνο (π.χ. scan προϊόντων σε ταμείο supermarket) |
Καταγραφή σε αρχείο |
Τιμές δεδομένων σε κατάλληλο επίπεδο λεπτομέρειας
Αξιολογείται αν οι τιμές δεδομένων τηρούνται σε κατάλληλο επίπεδο λεπτομέρειας ανάλογα με τις ανάγκες της επιχειρησιακής διαδικασίας που εξυπηρετείται. Αν τα δεδομένα αξιοποιούνται από διάφορες διαδικασίες τότε πρέπει να εφαρμόζεται η αυστηρότερη απαίτηση.
Μη ύπαρξη πολλαπλών καταχωρήσεων
Αφορά την τήρηση σχέσεων ένα-προς-ένα μεταξύ εγγραφών και πραγματικών οντοτήτων. Μετράται ως το ποσοστό των καταχωρήσεων που δεν τηρούν την άνω σχέση ένα προς ένα.
Η τήρηση σχέσεων ένα-προς-ένα μεταξύ εγγραφών και πραγματικών οντοτήτων είναι πρόκληση σε μεγάλες Επιχειρήσεις που έχουν μεγάλη πελατειακή βάση καθώς και δεδομένα τηρούμενα σε διάφορες ασύνδετες βάσεις δεδομένων.
Η αδυναμία τήρησης της άνω σχέσης ένα προς ένα, δημιουργεί προβλήματα στον Οργανισμό, δεδομένου ότι :
o Οδηγεί σε αλλοίωση της πραγματικότητας (το σημαντικότερο πρόβλημα)
o Οδηγεί σε υποβέλτιστη αξιοποίηση των δεδομένων, όταν σε κάθε εγγραφή δεν καταγράφεται το σύνολο των διαθέσιμων στοιχείων
o Απαιτεί χρόνο καθαρισμού των δεδομένων
Στις σύγχρονες βάσεις δεδομένων είναι εύκολο να ανιχνευθούν πανομοιότυπες εγγραφές σε πίνακες. Όμως όταν η δόμηση δεν είναι πελατοκεντρική αλλά βασίζεται π.χ. στο λογαριασμό (account centric), τότε είναι εύκολο να αναπτυχθούν πολλαπλές εγγραφές για τον ίδιο πελάτη που έχουν διαφορετικό αριθμό λογαριασμού.
Αντιστοιχία επικαλυπτόμενων ή κατανεμημένων δεδομένων
Χρονική αντιστοιχία
Μετράται το χρονικό διάστημα που απαιτείται από την ενημέρωση μιας βάσης δεδομένων με νέα εγγραφή μέχρι την ενημέρωση μιας επικαλυπτόμενης ή κατανεμημένης βάσης δεδομένων με την ίδια εγγραφή (γνωστό και ως electronic information float). Το θέμα αυτό μπορεί να δημιουργήσει προβλήματα στην λειτουργία μιας επιχείρησης (π.χ. λειτουργία βάσει παλιών δεδομένων, χαμένες ευκαιρίες).
Σημασιολογική αντιστοιχία
Εφόσον επικαλυπτόμενες βάσεις δεδομένων έχουν διαφορές στον ορισμό των δεδομένων, αξιολογείται η σημασιολογική αντιστοιχία μεταξύ δεδομένων διαφορετικών βάσεων, που αντιστοιχούν στην ίδια πραγματική οντότητα. Παραδείγματος χάριν κωδικός ‘Ε’ για χαρακτηρισμό ημέρας την ημερομηνία 05-04-2005 και κωδικός ‘1’ για τύπο ημερολογιακής ημέρας την ημερομηνία 05-04-2005, είναι σημασιολογικά ισοδύναμα και σημαίνουν ότι η ημέρα είναι εργάσιμη. Η μη ύπαρξη σημασιολογικής αντιστοιχίας μπορεί να έχει επιχειρησιακό αντίκτυπο, δεδομένου ότι ο Οργανισμός μπορεί να μην είναι σε θέση να αναγνωρίσει την ορθή εκδοχή και Τμήματα αυτού να λειτουργούν βάσει λανθασμένων δεδομένων (π.χ. για στοιχεία Πελατών).
Προσβασιμότητα στα δεδομένα
|
Ομόλογο |
30/08/05 |
6/9/05 |
13/09/05 |
20/09/05 |
27/09/05 |
04/10/05 |
11/10/05 |
|
ΟΜΑ |
89,52 |
92,34 |
93,09 |
92,67 |
91,52 |
90,95 |
90,77 |
|
ΟΜΒ |
110,12 |
112,88 |
113,03 |
112,90 |
111,87 |
111,38 |
110,90 |
|
ΟΜΓ |
57,43 |
58,65 |
59,20 |
59,05 |
58,87 |
58,90 |
58,30 |
|
ΟΜΔ |
95,32 |
96,56 |
97,12 |
97,10 |
96,90 |
96,95 |
98,50 |
Η διαμόρφωση εικόνας για τα πιο σημαντικά χαρακτηριστικά ποιότητας δεδομένων σε ένα Οργανισμό πρέπει να γίνεται αντλώντας την γνώμη Εργαζόμενων από διάφορα τμήματα. Έτσι διαμορφώνονται οι πλέον κατάλληλες μετρήσεις ποιότητας για τον συγκεκριμένο Οργανισμό.
Μια αποτελεσματική προσέγγιση αξιολόγησης της ποιότητας δεδομένων περιλαμβάνει τα ακόλουθα: