Sajtóközlemények
Sajtóközpont
Iparági elemzések
eTudósító
2006/1
2005/2
2005/1
2004/2
2004/1
2003/3
- Kezelni a kockázatot
- Interakciók valós időben
- Piszkos pénzek nyomában
- A költségszámítás ABC-je
- Optimális modellek
- Minőségi adatok
- SAS 9: integrált intelligencia
- Integráljuk a vállalatot!
- Nem pénzmosás
- Nyereséges direct mail
- Mesterek klubja
2003/2
2003/1
sascom magazin
e-hírlevelek

Dokumentált tény, hogy a különféle szervezetek évente sok milliárd dollárt veszítenek amiatt, hogy tevékenységüket, döntéseiket rossz minőségű adatokra alapozzák. Gyakori jelenség, hogy a tisztítatlan adatok miatt a cégek többletmunkaerőt foglalkoztatnak; ez azonban csak a kisebbik része a veszteségnek, ugyanis az elpazarolt erőforrásokon túlmenően elégedetlen ügyfelek, csökkenő bevétel, romló hitelesség rontják az üzletmenetet. Súlyos esetekben a nem megfelelő minőségű adatok a cég bukásához vezethetnek.

AZ ADAT-MINőSÉGBIZTOSÍTÁSI TEVÉKENYSÉG FÁZISAI Az alábbi grafikon egy tipikus vállalat adatminőségi ráfordításait mutatja az adat-minőségbiztosítási tevékenység előrehaladásával. Az első fázisban a tényleges (ki nem mutatott) adatminőségi költségek elérhetik akár az informatikai költségvetés 40 százalékát is. Ennek főbb összetevői: parttalan adategyeztetési megbeszélések, alkalmazások újraírása, sohasem bevezetett fejlesztések, feladatok ismételt elvégzése, pazarló marketingakciók, stb. Amikor a vállalat elkezd az adatminőség javításával foglalkozni, az adatminőségre fordított kimutatható költsége növekszik, miközben a vállalat tényleges, adatminőségi problémákból eredő költségei csökkennek. Ideális állapotban a vállalat tényleges és ismert adatminőségi ráfordításai egyenlők, mert a vállalat tudja, mit jelent a jó adatminőség, és mit kell tenni annak folyamatos szinten tartása érdekében.

Felmérések szerint a gazdálkodó szervezetek mintegy háromnegyede nem alkalmaz adatminőséggel kapcsolatos eljárásokat. Ez meglepő, mivel a vállalatok informatikai költségvetésük jelentős hányadát költik kifinomult adatbázisok és adattárházak létrehozására. A hatékony üzleti intelligencia elérése érdekében különféle alkalmazásokat és rendszereket telepítenek, illetve információgyűjtő folyamatokat indítanak el. Sajnos sokan nem veszik figyelembe azt a tényt, hogy ami igazán számít, az az alapadat. Mit sem ér a világ összes fantasztikus képernyője, kimutatása, ha az őket támogató adatok inkonzisztensek, redundánsak vagy éppen hiányosak. Az adatok szegényességének fő oka, hogy számos forrásból származnak. Adatminőségi problémákkal általában csak akkor kezdenek el foglalkozni, amikor egy-két alkalmazás, rendszer (CRM, adattárház) már összeomlott, vagy a részvényesek morgolódnak befektetésük lassú megtérülése miatt.

Megbízható adatok, problémák
A nem megfelelő adatminőségnek számtalan forrása lehet: helytelen adatbevitel, sérült információ az internetről, pontatlan adatokat tartalmazó vásárolt adatbázis, hibás alkalmazási logika, pontatlan adatdefiníció vagy éppen a régi rendszer nem körültekintő migrációja. Gyakori jelenség különböző rendszerekből számított, azonos megnevezésű, de ténylegesen különböző módon kalkulált adatok egymás mellé rendelése; ezekből később nem lehet eldönteni, melyik a helyes és melyik a helytelen, és a helytelen mennyire az. A legtöbb szervezetnek fogalma sincs a rendszereiben és alkalmazásaiban fellelhető adatok minőségéről.

Az Adattárház Intézet (TDWI) 2002-es felmérése szerint a válaszadók 44 százaléka úgy nyilatkozott, hogy a cégük által nyilvántartott adatok minősége rosszabb, mint bárki gondolná. 40 százalék pedig gyenge minőségű adatok használata miatt bekövetkezett veszteségről vagy problémáról számolt be. A cégek kettős postaköltségre, felesleges raktárkészletekre, pontatlan számlázásra és elvesztett kedvezményekre is panaszkodtak, nem beszélve az ügyfelek elégedetlenségéről, az új rendszerek bevezetésének késleltetéséről és az elmaradt bevételekről.

Maximálisan kiaknázni az adatvagyont
Az adatot a vállalat kulcsfontosságú stratégiai vagyonaként kell kezelni. Garantálni kell, hogy minősége elsőrangú legyen, bár egy vállalat számos forrásból gyűjti össze adatait, s a minőség gyakran hagy kívánnivalót maga után. Sajnos a minőség gyengeségét kevesen ismerik el, pedig fontos lenne, hogy erőfeszítéseket tegyenek a minőségproblémák leküzdésére - ha már annyi pénzt, fáradságot és energiát fordítottak az adatok beszerzésére.

Jellemző probléma, hogy a szervezetek az adatok minőségét az informatika belügyének tekintik, holott súlyos üzleti problémáról van szó, amelyet csak az üzleti és az informatikai terület együttes erőfeszítésével lehet megoldani. Az adattárház vagy egy CRM-projekt sikerének fokozásához fontos, hogy még a forrásánál megtisztítsuk az adatokat, így elkerülhetjük a rossz minőségű információk továbbhaladását a feldolgozási csatornákon. Az, hogy egyszerűen csak összegyűjtjük az adatokat, már nem elegendő, hiszen az adatok tömegének növekedésével a belőlük nyert információ pontatlanságának az esélye is nő. A megelőző intézkedések az adatminőség biztosítására ráadásul gazdaságosabban is kivitelezhetők, és kevésbé fájdalmasak - ám azzá válnak, ha késlekedünk.

Pedig van módszer a komplex adatintegráció könnyebb kezelésére, s ez a kinyerés, betöltés és átalakítás (extraction, loading and transformation, ETL) és az adatminőség szinergiája egy adattárházfolyamaton belül. Az adattárház-építési erőfeszítések legtöbbje arra összpontosít, hogy különféle forrásokból kinyerje a rekordokat és a mezőket, új formátumra alakítsa az adatokat, s ezeket más célállomásra - adattárházba, adatpiacba - töltse. Az ETL célja tehát, hogy az adattárházba tisztított és integrált adatok kerüljenek. Az adatminőség ugyanakkor - az egyes rekordok tartalmára összpontosítva - azért "felel", hogy az adattárházba töltött adat pontos, megbízható és konzisztens legyen.

Adatminőség és elérése
A fentiek alapján az adatminőséget gyakran olyan információrendezési folyamatként határozzák meg, amelyben az egyedi rekordok pontosak, frissek és ellentmondásmentesek, s ezért általuk konszolidált, átfogó képet lehet kapni egy vállalat, szervezeti egység vagy rendszer működéséről. Pontos információkat csakis ilyen adatok alapján lehet szerezni - amelyek általában neveket, címeket, e-mailcímeket, telefonszámokat, stb. tartalmaznak. Az olyan szoftvermegoldások tehát, amelyek intelligensen azonosítják, szabványosítják, javítják, öszszehasonlítják és konszolidálják az adatokat, nagy segítségükre lehetnek a vállalatoknak. Ma a szervezetek körében nagy kereslet mutatkozik az adatminőség megteremtését támogató eszközök iránt. A TDWI felmérése szerint az óhajtott szoftverek között első helyen a szabványosítást és a verifikációt elősegítők állnak, ezt követik az üzleti szabályokat meghatározó és érvényesítő eszközök.

A SAS rendelkezik az egyetlen olyan megoldással, amely az ETL-folyamatba integrálja az adatminőséget. Ezenfelül adattisztítási módszertannal is ellátja ügyfeleit, mielőtt azok elemzésre betöltenék az adatokat az adattárházba.

Az adattisztítás lépései
Ugyanazt a dolgot sokféleképpen lehet leírni. Például azt a beosztást, hogy "értékesítési igazgató", úgy is lehet jelölni, hogy "értékesítési ig." vagy "igazgató, értékesítés". Ha egy DM-kampány keretében ki akarjuk választani az összes értékesítési igazgatót az adatbázisunkból, a lekérdezés bizony hiányos lesz, mert a keresés csak az egyik formára irányul az inkonzisztens adatok között.

SAS Data Quality Solution
Jó minőségű adatok létrehozása proaktív megközelítést követel. A legtöbb vállalat elköveti azt a hibát, hogy az adatminőséget ok-okozati eseményként tekinti. Az adatminőségi kérdéseket túlságosan is gyakran a negatív esemény bekövetkezése után kezdi el kezelni, holott azoknak szervesen kellene illeszkedniük az ETL-folyamatba. Tapasztalatok azt mutatják, hogy semmi értelme sincs az adattisztításnak, ha azt az adattárházba történő migráció után akarják végezni. Ebben az esetben ugyanis sérül az adattárház integritása, továbbá maga az adattisztítás időigényes és költséges lesz.

Mindazonáltal az ETL hagyományosan nem tartalmaz adatminősítési eszközöket és folyamatokat, így nem is olyan könnyű dolog kiküszöbölni a duplikátumokat, azonosítani a helyes és a hibás adatokat, illetve adatbázisokon és adattárházakon át menedzselni az adatfolyamot. A SAS az első olyan szállító, amelyik teljesen integrált megoldást kínál - ez a SAS Data Quality Solution -, amelyben egyesülnek az ETL- és az adatminősítési folyamatok.

Ebben az adatminőség exponenciálisan növeli az ETL hatékonyságát. Ez a megoldás jó hatásfokkal támogatja a kritikus üzleti döntéseket, az erőforrások allokációját, az árképzést, a marketingkampányokat és a napi üzemeltetést - tehát mindent, ami a vállalati adattárházból kinyerhető információk minőségétől függ.