Preskočite na sadržaj

Rješenje · Kvaliteta podataka i validacija

Jedna ocjena spremnosti umjesto dvadeset tablica za praćenje.

Validacijska pravila po objektu, scorecard po lokaciji i programu, pravila s najviše pogrešaka s vlasnikom uz svako i red ispravaka u kojem poslovni korisnici doista rade. Podaci se ispravljaju u izvornom sustavu; upravljački odbor dobiva jedan broj i njegov trend. Izgrađeno na SAP podacima; radi na bilo kojem izvoru – ERP tablice, baze podataka, plošne datoteke.

od 2017.
DQ prije svakog rollout vala u globalnoj pivarskoj grupi
1 natječaj
odabrani ispred dvaju globalnih DQ dobavljača
5
DQ dimenzija po objektu
Napredak čišćenja u alatu vise DMW: čisti zapisi i čista polja po operativnom društvu
Napredak čišćenja po operativnom društvu – demo program Nordic RolloutZasloni iz demo programa Nordic Rollout · izmišljeni podaci

01

Što obično pođe po zlu.

01 Dvadeset tablica za praćenje, nijedan broj Svaka država vodi vlastiti Excel „poznatih problema”. Nitko ne može reći koliko su matični podaci dobavljača spremni, pa je datum go-livea dojam, a ne činjenica.
02 Pogreške otkrivene pri učitavanju IT otkriva loše zapise kad učitavanje ne uspije, tjednima nakon što ih je poslovna strana mogla ispraviti. Svaka iteracija stoji jedan ciklus.
03 Vlasnici s poslovne strane ne vide što treba ispraviti Zapisnici pogrešaka pišu se za razvojne programere. Osoba koja doista može ispraviti uvjet plaćanja nikad ne vidi popis po kojem može postupiti.

02 · Kako to izgleda u alatu vise DMW

Ista disciplina u svakom koraku.

  1. Koraci 1–2 · Extract i Scope

    Svaka lokacija, svaki objekt, jedan program.

    Ekstrakti iz SAP-a (ili bilo kojeg ERP-a) po lokaciji, ograničeni na objekte u valu: dobavljač, kupac, materijal, otvorene stavke, mjesta troška. Prekretnice i vlasnici vode se u projektu, pa je „tko potvrđuje Norvešku za 28 dana” polje, a ne e-poruka.

    Programi i projekti u alatu vise DMW: Nordic Rollout s Norveškom i Švedskom
    Program → projekt → lokacija
  2. Korak 3 · Validate

    Pravila kao kôd, s imenovanim vlasnikom.

    Pravila formata, popisa vrijednosti, uvjetna, prilagođena i agregatna pravila po polju, svako s razinom ozbiljnosti, opsegom, dokumentacijom i vlasnikom. AI izrađuje nacrt pravila iz jedne rečenice; uključuje ga čovjek. Ista biblioteka pravila izvodi se za svaku lokaciju u programu.

    Biblioteka validacijskih pravila u alatu vise DMW, filtrirana po lokaciji
    156 pravila na 119 polja i 7 objekata (demo)
  3. Korak 4 · Profile

    Jedna ocjena, pet dimenzija, po objektu.

    Potpunost, valjanost, usklađenost, dosljednost i jedinstvenost, sažeti u scorecard po lokaciji i programu, s trendom od početnog stanja. To je broj koji upravljački odbor dobiva svaki tjedan.

    DQ scorecard po dimenziji i objektu u alatu vise DMW
    DQ scorecard – Norveška, po dimenziji
  4. Petlja ispravaka

    Ispravite u izvoru. Validirajte ponovno. Gledajte kako se broj mijenja.

    Pojedinosti o pogreškama idu ljudima koji su vlasnici podataka, po objektu i po pravilu, s razlogom jednostavnim riječima. U projektu kvalitete podataka ispravci se uvijek rade u izvornom sustavu – nikad u alatu DMW – zatim se objekt ponovno validira i scorecard se ažurira. Pravila s najviše pogrešaka pokazuju gdje se trud najprije isplati.

    Pravila s najviše pogrešaka u alatu vise DMW, sa šestotjednim trendovima i vlasnicima
    Pravila s najviše pogrešaka – pogreške, šestotjedna promjena, vlasnik
  5. Korak 8 · Report

    Stranica petkom, koju piše sustav.

    Tjedni sažetak s najvećim pomacima i pogoršanjima, napredak čišćenja po operativnom društvu, točke pozornosti i bilješke sa sastanaka po projektu, Superset nadzorne ploče na istim validiranim podacima. Bez izvoza, bez prezentacije.

    Tjedni sažeti izvještaj u alatu vise DMW: valjani zapisi, najveća poboljšanja, pogoršanja
    Tjedni sažetak – tko je napredovao, što se pogoršalo

03 · 30-dnevni proof of concept

Što imate nakon 30 dana.

  • Jedan objekt iz vašeg sustava ekstrahiran, profiliran i validiran prema prvom skupu pravila
  • Izvještaj o procjeni podataka: scorecard, pravila s najviše pogrešaka, što blokira učitavanje
  • Funkcionalan DMW projekt koji vaš tim može nastaviti voditi – a ne prezentacija
  • Prijedlog biblioteke pravila i procesa ispravljanja za cijeli program
Kako funkcioniraju PoC i licenca

04 · Česta pitanja

Izravni odgovori, isti na svakom pregledu.

Za SAP arhitekte
01Moramo li migrirati uz DMW da bismo ga koristili za kvalitetu podataka?
Ne. Klijent s kojim najdulje surađujemo koristi DMW kao kontrolnu točku spremnosti ispred alata BODS. vise DMW može validirati, profilirati i izvještavati dok učitavanje obavlja bilo koji alat koji već imate.
02Gdje se rade ispravci?
U projektu kvalitete podataka uvijek u izvornom sustavu. DMW pokazuje što treba ispraviti i zašto, vlasnik to ispravlja u SAP-u, DMW ponovno validira. Nema druge kopije istine.
03Po čemu se ovo razlikuje od alata Ataccama ili Informatica?
vise DMW izgrađen je oko SAP objekata i migracijskih valova: pravila po objektu, scorecardi po lokaciji i programu, petlja ispravaka za poslovne korisnike, a ista se platforma nastavlja koristiti u migraciji i svakodnevnim promjenama. Cijena prema lokacijama i korisnicima, a ne enterprise licenca za platformu.
04Što AI ovdje radi?
Izrađuje nacrt validacijskih pravila iz jedne rečenice i testira ih u sandboxu. Svako pravilo aktivira imenovana osoba. Ništa što AI napiše ne dotiče vaše podatke bez odobrenja.

Dobijte jednu ocjenu spremnosti za jedan objekt u 30 dana.

Odaberite objekt koji vas najviše brine. Profiliramo ga, validiramo i pokazujemo vam scorecard – na vašim podacima, u projektu koji ostaje vama.