Знак качества: пять шагов по организации контроля качества данных

Александр Комаев

Корректные исходные данные – основа для принятия эффективных управленческих решений. Это верно для любого бизнеса. Ежегодно на сбор и формирование корпоративных массивов данных тратятся огромные материальные и человеческие ресурсы, поэтому одним из ключевых вопросов является контроль качества собранных данных (Data Quality Management) и принципы организации такого контроля.

Как правило, набор управленческой отчетности предприятий и холдингов должен включать в себя одновременно:

- производственные и коммерческие показатели,

- показатели бухгалтерского баланса, отчета о прибылях и убытках,

- показатели движения денежных средств, данных о проектах,

- финансовые и нефинансовые KPI и многое другое.

В большинстве случаев источником данных являются не одна, а несколько информационных систем. Как же в таких условиях обеспечить проверку качества и сопоставимости данных и какие практические шаги следует предпринять?

Шаг 1. Организуйте единое корпоративное хранилище данных, главной аналитической осью которого будет реестр показателей управленческой отчетности. Основная задача организации хранилища – централизация процессов по управлению данными. Это позволит организовать единый пул непротиворечивых данных с унифицированной методологией расчетов и контроля качества данных.

Шаг 2. Создайте реестр правил Data Quality Management (DQM) для задания условий проверки качества данных. Правила должны задаваться в терминах элементов реестра показателей отчетности в виде формул, например, «Остаток денежных средств в балансе = Остаток денежных средств в ДДС» или «Денежный поток = Остаток денежных средств на конец периода – Остаток денежных средств на начало периода». Крайне желательно, чтобы процедура формирования правил не требовала никаких специальных технических знаний и могла выполняться силами аналитиков, работающих с данными.

Шаг 3. Контроль данных на соответствие DQM-правилам должен быть организован на уровне записей хранилища – все вновь поступившие данные должны проходить автоматизированную процедуру контроля и маркироваться индексами DQM-правил, которые были нарушены для поступивших данных.

Шаг 4. Во всех управленческих отчетах, построенных на данных хранилища, должен быть обеспечен механизм быстрой визуализации данных, не прошедших DQM-проверки. Например, в бюджете движения денежных средств может быть реализована подсветка красным цветом данных по показателю «Остатки денежных средств на начало текущего периода» в случае их неравенства с остатками денежных средств на конец предыдущего периода.

Шаг 5. Для ошибочных показателей в управленческих отчетах организуйте механизмы DQM-детализации, позволяющие предоставить пользователю полную информацию о том, какие именно DQM-правила были нарушены и какие именно значения поступили в проверочные формулы.

Читайте также

Комментарии

Подробнее о политике использования персональных данных