Skip to main content

داتا

چرا دو گزارش از یک شاخص، عددهای متفاوتی نشان می‌دهند؟

نقش واژه‌نامه کسب‌وکار و کاتالوگ داده در پیدا کردن منشأ اختلاف

اختلاف عدد یک شاخص می‌تواند از تعریف، منبع داده، روش محاسبه یا کیفیت داده ناشی شود. واژه‌نامه کسب‌وکار و کاتالوگ داده چگونه به یافتن منشأ اختلاف کمک می‌کنند؟

در جلسه بررسی عملکرد، مدیر می‌خواهد بداند تعداد مشتریان فعال نسبت به دوره قبل چه تغییری کرده است. گزارش تیم کسب‌وکار و داشبورد تیم تحلیل، دو عدد متفاوت نشان می‌دهند. هر دو تیم از داده‌های سازمان استفاده کرده‌اند. پیش از انتخاب عددی که مبنای تصمیم قرار می‌گیرد، باید دید هر گزارش چه چیزی را شمرده و عدد خود را چگونه ساخته است.

مرور سریع مقاله

در این مقاله، «مشتری فعال» یک مثال فرضی است. با دنبال کردن آن می‌بینیم واژه‌نامه کسب‌وکار و کاتالوگ داده در کجای بررسی به کار می‌آیند و برای رسیدن به علت اختلاف، چه اطلاعات دیگری لازم است.

آیا هر دو گزارش یک چیز را می‌شمارند؟

ممکن است تیم کسب‌وکار، مشتری فعال را فردی بداند که در ۹۰ روز گذشته دست‌کم یک تراکنش انجام داده است. تیم تحلیل شاید ورود به همراه‌بانک را نیز نشانه فعالیت حساب کند. در این صورت، دو تیم از یک نام برای دو مفهوم متفاوت استفاده کرده‌اند.

حتی یک تعریف ظاهراً مشترک می‌تواند چند برداشت داشته باشد. «سه ماه گذشته» یعنی سه ماه تقویمی کامل یا ۹۰ روز منتهی به تاریخ گزارش؟ آیا تراکنش برگشتی شمرده می‌شود؟ مشتری دارای چند حساب، چند بار در عدد نهایی ظاهر می‌شود؟

واژه‌نامه کسب‌وکار (Business Glossary) محل ثبت تعریف مورد توافق اصطلاحات و شاخص‌های مهم است. برای «مشتری فعال»، تعریف باید بازه زمانی، فعالیت‌های مشمول، موارد مستثنا، مسئول تأیید و زمان اعتبار را روشن کند. چارچوب DCAM شورای مدیریت داده EDM نیز بر زبان مشترک و تعریف‌های سازگار برای فهم مفاهیم داده در بخش‌های مختلف سازمان تأکید دارد.

برای مثال، سازمان ممکن است پس از بررسی نیاز گزارش چنین تعریفی را تصویب کند:

مشتری فعال، مشتری منحصربه‌فردی است که در ۹۰ روز منتهی به تاریخ گزارش، دست‌کم یک تراکنش موفقِ مشمول تعریف سازمان داشته است.

«تراکنش موفق» همچنان به توضیح نیاز دارد. تعریف زمانی به کار گزارش‌گیری می‌آید که تیم کسب‌وکار و تیم داده بتوانند آن را به قواعد محاسبه مشخص تبدیل کنند.

اگر دو گزارش از تعریف‌های متفاوت استفاده کرده باشند، منشأ بخشی از اختلاف پیدا شده است. اگر تعریفشان یکسان باشد، بررسی به سراغ داده‌های ورودی می‌رود.

داده هر گزارش از کجا آمده است؟

یک گزارش ممکن است تراکنش‌ها را از سامانه عملیاتی بخواند و دیگری از داده‌ای استفاده کند که هر شب برای داشبورد آماده می‌شود. شاید یکی از منابع همه کانال‌های تراکنش را پوشش دهد و منبع دیگر هنوز داده یک کانال را دریافت نکرده باشد.

کاتالوگ داده (Data Catalog) به سازمان کمک می‌کند دارایی‌های داده‌اش را پیدا و توصیف کند. اطلاعات یک مجموعه‌داده می‌تواند شامل توضیح آن، سامانه مبدأ، ساختار، مسئول، شرایط دسترسی و زمان به‌روزرسانی باشد. تیم بررسی‌کننده با مراجعه به این اطلاعات می‌فهمد هر گزارش به چه داده‌ای متکی است و برای پرسش درباره محدودیت‌های آن باید به چه کسی مراجعه کند.

کاتالوگ در کارهای دیگری نیز استفاده می‌شود. کارشناسی که برای یک تحلیل تازه به داده نیاز دارد، می‌تواند پیش از درخواست دسترسی یا ساخت مجموعه‌داده‌ای مشابه، منابع موجود و محدودیت‌های شناخته‌شده آن‌ها را بررسی کند. چارچوب کیفیت داده دولت بریتانیا یافتن داده و استفاده مناسب از آن را از کاربردهای فراداده می‌داند. این راهنما برای بخش عمومی بریتانیا تدوین شده است و در اینجا به‌عنوان یک نمونه اجرایی به کار می‌رود.

شناخت منبع، تمام مسیر عدد را توضیح نمی‌دهد. پس از یافتن داده باید دید هر گزارش چگونه آن را انتخاب و پردازش کرده است.

محاسبه و کیفیت داده چه نقشی در اختلاف دارند؟

دو گزارش ممکن است تعریف و منبع یکسانی داشته باشند و باز هم به دو عدد برسند. شاید یکی تراکنش‌های برگشتی را حذف کند و دیگری آن‌ها را نگه دارد. ممکن است یکی مشتریان را با شناسه یکتا بشمارد و دیگری تعداد حساب‌ها را محاسبه کند. فیلترها و قواعد تبدیل داده در این مرحله تعیین‌کننده‌اند.

کیفیت داده نیز باید جداگانه بررسی شود. رکورد تکراری، شناسه ناقص مشتری یا ثبت دیرهنگام تراکنش می‌تواند عدد را تغییر دهد، حتی اگر تعریف و فرمول گزارش‌ها یکسان باشد. گاهی هم اشکال هنگام اجرای گزارش رخ می‌دهد: داده به‌طور کامل بارگذاری نشده یا یکی از مراحل محاسبه ناموفق مانده است.

واژه‌نامه، معنای شاخص را روشن می‌کند و کاتالوگ به شناخت داده‌های موجود کمک می‌کند. برای دنبال کردن عدد تا گزارش نهایی، مستندات محاسبه، اطلاعات مسیر انتقال داده و کنترل‌های کیفیت نیز لازم‌اند. راهنمای کیفیت داده دولت بریتانیا تأکید می‌کند که فراداده باید دقیق و به‌روز باشد و محدودیت‌های شناخته‌شده داده را به استفاده‌کنندگان منتقل کند.

پس از پیدا شدن علت، چه کسی تصمیم می‌گیرد؟

فرض کنیم بررسی نشان می‌دهد یک گزارش تراکنش‌های برگشتی را کنار گذاشته و گزارش دیگر آن‌ها را شمرده است. اکنون مسئول کسب‌وکاری شاخص باید تأیید کند برای پرسش مدیریتی موردنظر، کدام تعریف و قاعده معتبر است. تیم داده نیز اثر تصمیم را بر محاسبه و گزارش‌های وابسته بررسی می‌کند.

گاهی هر دو عدد کاربرد دارند. یکی ممکن است تعداد مشتریان دارای هر نوع فعالیت ثبت‌شده را نشان دهد و دیگری تعداد مشتریان دارای تراکنش موفق را. در این وضعیت، نام و تعریف جداگانه برای هر شاخص به خواننده کمک می‌کند تفاوت آن‌ها را بفهمد.

نتیجه بررسی باید همراه با تاریخ اعتبار ثبت شود. اگر قاعده محاسبه تغییر کند، مقایسه عددهای پیش و پس از تغییر نیز به توضیح نیاز دارد. اصلاح گزارش بدون اصلاح تعریف‌ها و مستندات مرتبط، پرسش‌های بعدی را بی‌پاسخ می‌گذارد.

بررسی را از کجا آغاز کنیم؟

یک شاخص پرکاربرد که درباره عدد آن اختلاف وجود دارد، نقطه شروع مناسبی است. مسئول کسب‌وکاری شاخص، مسئول داده و سازنده گزارش می‌توانند دو خروجی را کنار هم بررسی کنند. در پایان جلسه باید مشخص باشد علت اختلاف چیست، هر تعریف برای چه کاربردی معتبر است و چه کسی اصلاحات لازم را انجام می‌دهد.

خروجی جلسه می‌تواند یک سند کوتاه باشد: تعریف و تاریخ اعتبار شاخص، مسئول تأیید، منابع داده، قاعده محاسبه، محدودیت‌های کیفیت، گزارش‌های وابسته و اقدام‌های باز. این سند باید هنگام تغییر شاخص یا منبع داده بازبینی شود.

برای ارزیابی نتیجه کار، یک پرسش عملی وجود دارد: وقتی مدیر درباره عدد یک شاخص سؤال می‌کند، آیا تیم‌ها می‌توانند مسیر آن را از تعریف تأییدشده تا داده و محاسبه گزارش دنبال کنند؟

جمع‌بندی

اختلاف دو عدد ممکن است از معنای شاخص، پوشش منابع، روش محاسبه، کیفیت داده یا اجرای گزارش‌گیری ناشی شود. واژه‌نامه کسب‌وکار و کاتالوگ داده بخش‌هایی از این مسیر را روشن می‌کنند. بررسی کامل به مشارکت مسئولان کسب‌وکار و داده و ثبت تصمیم‌های آن‌ها نیاز دارد.

توانایی پاسخ دادن به پرسش‌های پشت یک عدد، یکی از کاربردهای عملی حاکمیت داده در سازمان است. این موضوع در حوزه کاری داتا قرار دارد و مبنایی برای گفت‌وگوی دقیق‌تر درباره کیفیت گزارش‌ها و تصمیم‌های مبتنی بر داده فراهم می‌کند.

مثال «مشتری فعال» فرضی است و به تعریف یا گزارش واقعی یک بانک اشاره ندارد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

مطالب مرتبط

حضور غول‌های هوش مصنوعی در میز کار تحلیلگران مالی

روایت تخصصی‌شدن فناوری در خدمات مالی؛ از تلگراف تا عاملی با دسته چک

هوش مصنوعی در صنعت مالی، روایتی در هفت پرده

سازندگان مدل‌های هوش مصنوعی به محیط کار مؤسسات مالی نزدیک‌تر شده‌اند. محصولات تخصصی آن‌ها داده، ابزار تحلیل و کنترل‌های سازمانی را کنار هم قرار می‌دهند. این حرکت در ادامه تاریخی طولانی از پیوند فناوری و امور مالی رخ می‌دهد؛ تاریخی که اکنون به پرسش تازه‌ای رسیده است: هوش مصنوعی تا کجا اجازه اقدام خواهد داشت؟
کارت بانکی آبی در حال تبدیل‌شدن به ذرات؛ نمادی از تحول پرداخت با عامل‌های هوش مصنوعی

وقتی هوش مصنوعی اجازه خرج‌کردن پیدا می‌کند

از قصد پرداخت تا تسویه: عامل‌های هوش مصنوعی چگونه پرداخت را تغییر می‌دهند؟

عامل‌های هوش مصنوعی می‌توانند جست‌وجو کنند، میان گزینه‌ها تصمیم بگیرند و در محدوده‌ای که کاربر تعیین کرده است، پرداخت را آغاز کنند. این تغییر، پرسش‌های تازه‌ای درباره هویت عامل، حدود اختیار، مسئولیت خطا و قابلیت پیگیری تراکنش ایجاد می‌کند. زیرساخت پرداخت چگونه باید برای چنین شرایطی آماده شود؟
اثر هوش مصنوعی کجا دیده می‌شود؟

از قابلیت فنی تا اثر اقتصادی قابل‌اندازه‌گیری

وضعیت هوش مصنوعی در نیمه اول ۲۰۲۶؛ اثر واقعی کجا دیده می‌شود؟

اثر اقتصادی هوش مصنوعی در همه سطوح یکسان نیست. داده‌های منتشرشده تا پایان ژوئن ۲۰۲۶ از اثر قابل‌اندازه‌گیری در برخی وظایف، تمرکز بازده مالی در گروهی از شرکت‌ها و تأخیر در ظهور اثر کلان خبر می‌دهند.