Star inactiveStar inactiveStar inactiveStar inactiveStar inactive
 

מאת: שמוליק אלוני, מנהל אגף פתרונות אינטגרציה עסקית ,מטריקס

נתונים מהווים עבור ארגונים בעולם המודרני את חומר הגלם עימו יכול הארגון לייצר מוצרים ושרותים, להתמודד עם תחרות ולהשיג בידול. כמעט כל ארגון מכיר את העובדה כי נתונים המאוחסנים במערכות התפעוליות, ובמחסני הנתונים אינם מלאים ומדויקים, או לא עקביים, וכל ניסיון להפיק תועלת ממידע לא איכותי נועד לכשלון ואף יכול לגרום נזקים.

בעידן בו ארגונים נשענים על נתונים ובו מתקיימים מהלכים עסקיים כגון: מיזוגים ורכישות, התייעלות ובהתרחבות, צמצום ובפיתוח עסקי, יישום מערכות מידע לניהול ליבת הארגון, שימוש בנתונים לניהול הקשר עם הלקוחות וכדומה, קיימת חשיבות עליונה לניהול המידע הארגוני. תחום ניהול המידע הארגוני, או ה- EIM, עוסק באחד הנכסים המרכזיים של הארגון - המידע. המידע, אמינותו, שלמותו, העקביות שלו לאורך כל התהליכים העסקיים בארגון, כל אלו ועוד, קריטיים לתפקוד ולצמיחה העסקית של הארגון.

ככל שארגונים מכניסים יותר ויותר מערכות Best of Breed, כך עולה הצורך בניהול נכון של הנתונים: ניהול השינוע של הנתונים בין המערכות בארגון, ביזור וקליטה של מידע חיצוני, ניהול ה- Meta Data של הנתונים, ניהול איכות הנתונים, טיוב נתונים במסגרת הסבות ומיזוגים וניהול תמונה אחודה של נתוני התשתית של הארגון (לקוחות, מוצרים,...). כל הארגונים הגדולים בארץ נמצאים בשלב אבולוציוני כזה או אחר ביישום ה- EIM בארגון. ככל שעובר הזמן גוברת ועולה המודעות של הארגונים לחשיבות נושא הנתונים והם משקיעים יותר בפרויקטים בתחום ה- EIM, תוך הבנה בחשיבות המידע האיכותי בארגון.

הנתונים מספקים את אבני הבניין של המידע. אם הנתונים המצויים במערכות התפעוליות ובמחסני הנתונים אינם מלאים ומדויקים או לא עקביים, הרי שכל ניסיון להפיק תועלת מהמידע הארגוני נועד לכישלון ואף יכול לגרום לנזקים.

תארו לעצמכם מחסן נתונים הנמצא בבנק מסויים השואב נתונים ממערכות תפעוליות שונות, ובו קיים רישום כפול של אותו לקוח של הבנק - אבינועם דואניס. ברשומה אחת רשום כי לאבינועם חשבון בנק עם יתרה של 5,000 ₪ במינוס, וברשומה אחרת נרשם כי לאבינועם חשבון נוסף עם מיליון וחצי ש"ח בפלוס. מנהל סניף הבנק, השולף את הרשומה הראשונה ולא את השניה, יכול לגרום בתום לב ושלא באשמתו לאיבוד אותו לקוח.  יש לנו כאן בעיה של כפילות ברשומות וחוסר יכולת לזהות שזהו אותו לקוח. ללא מידע באיכות גבוהה נאלצים מקבלי ההחלטות לנחש דברים שהם אמורים לדעת, או אף גרוע מכך, לקבל החלטות שנראות "מושכלות" אך מבוססות על מידע לוקה בחסר.

רגולציה ואחריות אישית, מיזוגים ורכישות, וטיפול בלקוחות - כטריגר לטיפול במידע

אז מה עושים? ראשית חשוב להבין לאשורם את כל ההיבטים של הנתונים ולבחון שיפורים בנתונים בטרם ניתן יהיה לחשוף אותם לקהל רחב יותר. כדי למנוע הפסדים, טעויות והוצאות מיותרות, חשוב לבחון את האיכות של הנתונים ולוודא שהם מלאים, עקביים, עדכניים ומדויקים. תהליך מקיף כזה של טיוב נתונים מניב צמצום במספר הלקוחות והספקים בסדרי גודל משמעותיים מאוד בשל רשומות כפולות וישנות. לעיתים קרובות צמצום מספר הרשומות של לקוחות, ספקים, פריטים מגיע לעד 60% כך שנשארים בסוף תהליך הטיוב עם 40% מהנתונים שהיו מלכתחילה.

 

בשנים האחרונות מטמיעות חברות מגוון כלי  EIM (ETL, EII...) לכל רוחב הארגון: ממשקים בין מערכות, טעינות למחסן הנתונים, הסבות וממשקים למערכות חדשות. הכלים מקושרים לכלי השו"ב וה- Source Control הארגוניים והמפתחים לרוחב כל הארגון נהנים מסביבת פיתוח אחידה לכל נושא ניהול הנתונים האירגוני.בנוסף לכך, ארגונים עוברים מהתייחסות טכנית לנושא ניהול המידע להתייחסות עסקית. חברות מתחילות לעסוק בניהול המידע על המידע והשפה העסקית של הארגון (Meta Data), בטיוב מידע כחלק מתמיכה ברגולציות, בהקמת מאגרים מרכזיים ללקוחות (CDI - Customer Data Interchange) ולמוצרים (PIM- Product Information Management) התומכים בתהליכים עסקיים של גלובאליזציה, מיזוג ורכישות ועוד.

מקסום הרווחים מהמידע

בעולם קיימים כלים רבים לטיפול באיכות הנתונים באמצעות ביצוע פעולות של איתור פגמים ושיפור תהליכים. כלים לטיפול באיכות נתונים מסייעים לארגון לשלוט בנכסי המידע שלו ולהפיק רווחים אופטימליים מתשתית התובנה העסקית. כלים מסוג זה מסייעים במיקסום הרווחים על ההשקעה בתשתית המידע באמצעות: ניתוח נתונים ארגוניים כדי להבטיח שרק נתונים "נקיים" ואמינים מאכלסים את מחסני ומרכולי הנתונים; חשיפת חוקים עסקיים נסתרים ובדיקת התקפות שלהם; הענקת קדימות לסוגיות של איכות הנתונים אשר תוביל את הארגון להשקיע בתחומים שלהם ההשפעה הגדולה ביותר; שימוש בחוקים עסקיים ובאימות נתונים כדי לנקות נתונים במהלך תנועתם; ניטור וניהול איכות נתונים במשך הזמן כדי להבטיח שתוכניות ניקוי הנתונים האקטיביות מספקות יתרונות עקיבים וניתנים למדידה. באמצעות הבנה של המאפיינים, היתרונות והחסרונות של נתוני המקור יכול הארגון למנוע הפתעות, לקבוע ציפיות ולצמצם את הצורך בתיקונים.

 

נראה כי המיתוס הנפוץ ביותר הוא שמערכת חדשה או מחסן נתונים חדש יפתרו בעיות נתונים שנולדו במערכות המקור. אמנם תהליך של תנועת נתונים יוצר טרנספורמציה של הנתונים עבור גישה עסקית משופרת, אבל תהליך הטרנספורמציה לבדו לא מבטיח נתונים נקיים יותר.נדרשת מתודולוגית עבודה והבנה בעולם הנתונים לצד כלי המרה וטעינה נכונים כמו גם כלים לאבטחת איכות הנתונים, כדי ליצור ולהחזיק במחסן נתונים עם נתונים אמינים, אחידים ומועילים להצלחת הארגון.

המקור: חברת מטריקס. הקישו כאן למקור.

הדף שלנו בפייסבוק

מעניין? שתפו דף זה באמצעות הטלפון הנייד

מאמרים

מגמות של ביג דאטה בעולם הביטוח
CA Technologies
SSIS - Buffer Size Optimization
קטגוריה ראשית
בדיקות BI ו-DWH לעומת הבדיקות בתחומים אחרים
קטגוריה ראשית
איסוף דרישות לפרויקטי BI
קטגוריה ראשית
כח המידע במיקוד
קטגוריה ראשית
0

Microsoft

Oracle

IBM

Informatica

Sap

SAS

Qlikview

Cloudera

Machine Learning