Představte si poradu, na které máte rozhodnout, jestli nabrat dalšího člověka. Otevřete report. Kolega vytáhne vlastní Excel s jiným číslem. Někdo se ptá na storna, další na DPH. Nakonec zjistíte, že každý porovnává jiné období. Rozhodnutí musí počkat, protože nejdřív potřebujete zjistit, které číslo použít.
V takové chvíli nepomůže hezčí graf. Potřebujete vědět, co čísla znamenají a zda se na ně pro dané rozhodnutí můžete spolehnout. Nový nástroj může část práce usnadnit, ale neshodu v tom, co vlastně počítáte, za vás nevyřeší.
Za větší problém než jednu odloženou poradu považuji postupnou ztrátu důvěry. Nápadný rozdíl lidé často zachytí ještě před rozhodnutím. Když ale číslům přestanou věřit, přestanou reporty používat. Začnou si údaje tahat z vlastních zdrojů a připravovat vlastní přehledy. Pak se dohadují, kdo má ta správná čísla.
Tím se obchází společný reporting a slábne důvěryhodnost datového týmu. Opravit jeden součet proto nemusí stačit. Lidé potřebují znovu rozumět tomu, odkud číslo pochází, co znamená a proč se o něj mohou opřít.
Data posuzujte podle otázky, na kterou mají odpovědět. Přehled objednávek může stačit pro plánování práce na příští týden. Pro výpočet ziskovosti zákazníků v něm ale mohou chybět náklady, slevy nebo vrácené zboží. Stejná data mohou dobře posloužit jednomu rozhodnutí a pro jiné nestačit.
Nedokonalá data mohou být užitečná, když znáte jejich omezení
U neúplných nebo nepřesných dat chci vědět, proč taková jsou, zda to můžeme ovlivnit a jestli nedostatek může změnit naše rozhodnutí. Stoprocentní čistota není podmínkou každého použití. Nejasná míra chyby ale může podstatně změnit význam výsledku.
Jako příklad používám Google Analytics. Pomáhá mi sledovat zájem o články, pohyb po webu a trendy. Úplný obraz všech návštěvníků ale nemá: Google popisuje chybějící data při odmítnutí souhlasu i jejich možné modelování. Přesný počet prodaných kusů pro účetnictví bych proto ověřoval v objednávkovém nebo účetním systému.
Také poměry a trendy potřebují kontrolu. Pokud se změní nastavení měření nebo podíl lidí, které zachytíme, může se změnit graf bez skutečné změny chování. A pro srovnání dvou barev tlačítka potřebujeme řádně připravený test; velká návštěvnost sama o sobě férové srovnání nezajistí.
Vyberte si jedno rozhodnutí, které vás čeká
Nemusíte hned prověřovat všechny databáze ve firmě. Začněte něčím konkrétním: potřebujeme posílit tým, změnit cenu zakázky, nebo objednat další zásoby? Vyberte číslo, které má při rozhodování hrát roli, a projděte s ním následujících šest kontrol.
Představte si třeba, že chcete zjistit, které zakázky se firmě vyplácejí. Celková tržba vám dá část odpovědi. Potřebujete ale také vědět, které náklady do výpočtu patří, zda už jsou všechny zaúčtované a jak se rozdělují mezi zakázky. Právě takové otázky stojí za to vyjasnit dřív, než začnete porovnávat marže.
1. Myslí všichni tím číslem totéž?
Zeptejte se dvou lidí, co přesně znamená jedna důležitá metrika. Kdy se objednávka započítá? Po přijetí, po dodání, nebo až po zaplacení? A kdo je aktivní zákazník: člověk s platnou smlouvou, nebo ten, který v posledních třech měsících opravdu nakoupil?
Různé definice mohou dávat smysl. V jednom srovnání ale potřebujete používat stejnou. Sepište, co se započítává, co se vynechává, za jaké období a z jakého zdroje.
Určete také člověka, který definici vysvětlí a se kterým se domlouvají její změny. Nemusí vzniknout dlouhý dokument. Pár vět a jeden sporný příklad často pomohou ukázat, kde se lidé rozcházejí.
2. Dokážete dohledat, odkud číslo pochází?
Vezměte jednu hodnotu z reportu a zkuste se dostat k původním záznamům. Z jakého systému přišla? Co se cestou sečetlo, přepočítalo nebo vyřadilo? A promítne se do reportu i pozdější oprava objednávky?
Ředitel kvůli tomu nemusí číst SQL. Ve firmě by ale měl být někdo, kdo dokáže výpočet vysvětlit a ukázat na několika konkrétních záznamech. Když pak objevíte chybu, máte kde začít a snáz zjistíte, kterých dalších výsledků se týká.
3. Jsou data aktuální pro to, co potřebujete rozhodnout?
U některých rozhodnutí nevadí včerejší stav. U jiných už může být pozdě. Pro měsíční hodnocení ziskovosti chcete uzavřené období; při slibu termínu dodání potřebujete vědět, co je právě na skladě. Požadavek na aktuálnost tedy musí vycházet z použití reportu.
Domluvte přijatelné zpoždění a v reportu ukažte čas poslední úspěšné aktualizace dat. Otevření stránky data neobnoví. Pokud poslední načtení selhalo, má to být vidět dřív, než někdo podle starých údajů slíbí zákazníkovi termín.
4. Co v součtu chybí?
Celková hodnota může vypadat rozumně, i když část podkladů chybí. U marže třeba vidíte všechny tržby, ale některé náklady se nepodařilo přiřadit k zakázce. Výsledek pak vypadá lépe, než jaká je skutečnost.
Vedle součtu se proto podívejte i na vyřazené nebo nespárované záznamy. Prověřte chybějící měny, duplicity a neobvyklé hodnoty. Záporné množství může být chyba, ale také správně zapsaná vratka — potřebujete vědět, co znamená.
Stejně tak rozlišujte nulu, chybějící údaj a chybu při načtení. Nula říká něco jiného než „nevíme“. Když je report zobrazí stejně, důležitá nejistota se ztratí.
5. Ví někdo, jak chybu opravit?
Najít rozdíl je začátek. Kdo rozhodne, která hodnota je správná? Je chyba v objednávce, ve výpočtu, nebo pouze v zobrazení? A kdo opravu dotáhne a ověří?
Oprava čísla ve slidu pro vedení neodstraní chybu v příštím reportu. Dohledejte příčinu a opravte ji ve zdrojovém systému, ve výpočtu nebo v zobrazení. Zaznamenejte, co se změnilo a proč.
Pokud teď potřebujete dočasnou ruční úpravu, označte ji. Zároveň domluvte, kdo vyřeší příčinu a ověří další report.
6. Co podle reportu uděláte jinak?
Teď se vraťte k původní otázce. Pomáhá vám číslo rozhodnout, jestli nabrat člověka nebo změnit cenu? Víte, kdy už je odchylka důvodem jednat a kdy potřebujete nejdřív zjistit víc?
Pro každou situaci nepotřebujete automatické pravidlo. Potřebujete ale vědět, kdo se na výsledek podívá a co udělá dál. Pokud graf každý měsíc jen přibude do prezentace, zeptejte se, kdo ho používá a k čemu.
Výsledkem nemusí být nový systém
Po takové kontrole můžete zjistit, že stačí sjednotit definici tržby, doplnit chybějící náklad nebo určit, kdo hlídá aktualizaci. Můžete také dojít k tomu, že současné řešení pro vaše rozhodnutí stačí. I to je užitečný výsledek.
První audit má ukázat, na která čísla se můžete spolehnout, kde je potřeba opatrnost a co má smysl opravit nejdřív. Nákup platformy je až případný další krok. Na stránce Datový audit pro majitele a vedení firem popisuji, jak takové nezávislé prověření pojímám.
Co si vzít na příští poradu
Vyberte jeden report, podle kterého pravidelně rozhodujete. Místo procházení všech grafů si u nejdůležitějšího čísla položte těchto šest otázek:
- Rozumíme všichni stejně tomu, co číslo znamená?
- Umíme ho dohledat k původním záznamům a vysvětlit výpočet?
- Jsou údaje dost aktuální pro naše rozhodnutí?
- Víme, co ve výsledku chybí a proč?
- Je jasné, kdo případnou chybu opraví a ověří?
- Víme, co podle výsledku uděláme?
Pokud u něčeho váháte, máte konkrétní místo, kde začít. Nemusíte kvůli tomu zastavit veškeré rozhodování ani přestavět reporting. Nejdřív zjistěte, zda nejasnost může změnit rozhodnutí, které právě řešíte.
Pro širší souvislosti navazuje článek o cestě od ETL k AI agentům. Stejná otázka se vrací i u AI: rozumíme podkladům natolik, abychom se mohli opřít o výsledek?
K tématu: materiál Open Data & Metadata Quality popisuje mimo jiné přesnost, úplnost, konzistenci a včasnost dat a jejich vhodnost pro konkrétní použití. Šest kontrol výše je praktický postup pro firemní rozhodování, nikoli certifikační test.