_dlaczego arkusz kalkulacyjny nie jest dobrym miejscem do przechowywania danych referencyjnych?

Dlaczego arkusz kalkulacyjny nie jest dobrym miejscem do przechowywania danych referencyjnych?

Do opisania każdego modelu potrzebne są dane referencyjne.

Słowniki, mapowania, reguły itp. są podstawą, bez której trudno będzie coś stworzyć. Nic dziwnego, że powstają już na początku projektu przy pomocy najbardziej dostępnych narzędzi: kartka i ołówek, arkusz kalkulacyjny, edytor tekstu.

Konsekwencją stosowania zwinnych metody pracy jest szybkie wdrażanie nowych koncepcji razem z narzędziami, które są dobre w fazie projektowania, ale niekoniecznie najlepsze do produkcyjnego stosowania. Często dane referencyjne są utrzymywane i rozwijane w arkuszach tworzonych ad hoc. 

Nie ma w tym nic złego, ale do czasu. 

Im więcej osób i systemów zaczyna korzystać ze słownika, jego utrzymanie staje się coraz bardziej pracochłonne i generuje coraz większe ryzyko.

W tym artykule przyjrzymy się kluczowym ograniczeniom wykorzystania arkuszy kalkulacyjnych do utrzymywania danych referencyjnych: brak wersjonowania, brak kontroli jakości i spójności oraz brak systemu zatwierdzania zmian.

Wersjonowanie danych i zatwierdzanie zmian. Arkusz kalkulacyjny = dług technologiczny

W sytuacji, gdy zmiany są wprowadzane przez kilka osób w krótkich odstępach czasu, bardzo szybko tracimy kontrolę nad spójnością danych referencyjnych. Pojawiają się kolejne arkusze, a tym samym ryzyko użycia błędnych danych staje się coraz większe. 

W sytuacji, gdy danych referencyjnych jest coraz więcej, a za ich aktualizację odpowiada coraz większa grupa osób, kluczowa staje się automatyczna weryfikacja poprawności i ocena jakości

Bez tego, koszty utrzymania danych referencyjnych zaczynają rosnąć geometrycznie i często obciążają niepotrzebnie inne projekty związane z optymalizacją procesów biznesowych.

Zmiany w kluczowych słownikach mają zwykle ogromny wpływ na działalność organizacji. Nic dziwnego, że wprowadzanie w nich zmian wymaga zaangażowania osób na różnych poziomach podejmowania decyzji. Wbudowanych system zatwierdzania zamian pozwala maksymalnie skrócić czas wdrożenia nowego modelu i znacznie zmniejsza ryzyko z nim związane.

Rozproszone środowisko a jakość danych

Rozproszone środowisko zarządzania danymi referencyjnymi trudno zintegrować z innymi systemami wykorzystywanymi przez użytkowników. Centralne rozwiązanie pozwala ograniczyć koszty integracji i utrzymania.

Zarządzanie danymi referencyjnymi jest istotnym elementem wszystkich inicjatyw związanych z wykorzystaniem danych. Wdrożenie prawie każdego systemu zaczyna się od stworzenia podstawowego modelu danych referencyjnych w arkuszu kalkulacyjnym. 

Ważne jest, by w odpowiednim momencie, przenieść prototyp do środowiska, które pozwoli trzymać w ryzach koszty i ryzyko związane z jego utrzymaniem i rozwojem.

Alternatywa dla arkuszy

Jeśli przewidujesz taki scenariusz w swojej organizacji, albo już jesteś w tym miejscu, w którym narastające wersje arkuszy kalkulacyjnych rzucają niewłaściwe tło na dane Twojego biznesu, to najwyższa pora zaopiekować się tym tematem kompleksowo.

Inwestycja w rozbudowane systemy do raportowania czy wizualizacji danych będzie nieopłacalna, jeśli nie wpłyniesz na wyjściowe dane – dane referencyjne i słowniki danych. Co ważne, jest to praca ciągła, która nie może ograniczać się wyłącznie do działań przygotowawczych do wdrożenia czy integracji nowego systemu. 

Z aplikacją MetastudioDRM utrzymasz swoje słowniki danych i dane referencyjne w wysokiej jakości, w funkcjonalnym środowisku dla użytkowników biznesowych, bez konieczności angażowania działów IT. 

Zaufali nam praktycy | Jacek Szczepański | Raiffeisen Bank International AG

Efekt-spójne dane, większa kontrola i narzędzie, które rośnie razem z potrzebami organizacji. /Materiał powstał podczas 4. Spotkania Praktyków/  W serii #TrustedbyPractitioners o Metastudio DRM opowiada Jacek Szczepański, Dyrektor Biura Zarządzania Ładem Danych w polskim oddziale Raiffeisen Bank International AG. W środowisku bankowym, gdzie #hurtowniadanych rozwijana jest przez lata, a dane

Zobacz artykuł

RDM _Lab | Gdy sztuczna inteligencja zmienia zdanie: heurystyczny problem agentów AI przy edycji danych

W trakcie zaplanowanych prac eksperymentalnych nad rozwojem narzędzia do zarządzania danymi referencyjnymi w Sanmargar Team badałem, w jaki sposób agent AI może wspomagać proces edycji danych. Napotkałem przy tym na kilka trudności, nie tyle technicznych, co wynikających z obecnych ograniczeń dużych modeli językowych (LLM).  W poniższym artykule skupię się na jednym problemie – w mojej

Zobacz artykuł

Strategia asortymentowa: Liderzy sprzedaży pod lupą.

Jak konsolidować wyniki sprzedaży sklepów w sytuacji różnorodnego kodowania tych samych produktów? Jak sprzedaż kształtuje się w porównaniu z referencyjnymi trendami na danym rynku? Jaki asortyment franczyzobiorca kupuje od lokalnych dostawców?  Zastosowanie słowników referencyjnych w procesach standaryzacji raportowania sprzedaży oraz mapowania produktów w handlu detalicznym w dużej sieci franczyzowej. Wstęp

Zobacz artykuł