Är du säker på att ditt beslutsunderlag är korrekt?

2012-10-23 Artikelbanken Kravhantering Läst 9695 gånger

Som beslutsfattare behöver man få en helhetsbild över tillgänglig information som beskriver exempelvis kunder, produkter, produktion, distribution. För att kunna göra det behövs bra och korrekta rapporter. Då gäller det först att analysverktyg och datalager arbetar tillsammans och att källsystemen skickar korrekt data till datalagringen. Det finns många ställen och processer som kan generera fel i dessa system. I denna artikel har vi valt att belysa några vanliga problem och dess åtgärder inom datastruktur, dataintegritet och datakvalitet.

För att underlätta förståelsen kommer vi att använda en liknelse med bilar, vägar och parkeringshus.

  • Köpare - En användare som vill beställa en rapport eller analys
  • Bilförsäljare - Analysverktyg eller administratör av analysverktyg
  • Biltillverkare eller begagnade bilar - De källsystem som data kommer ifrån
  • Parkeringshus - Datalagring, där källsystemens utvalda data ligger samlad för analys
  • Bilar - Data
  • Bilarnas egenskaper - Datainnehållet
  • Vägarna - Hur data transporteras från källsystem till datalager och från datalager till rapporter
  • Utfart - Rapport
  • Lastbilar - Aggregerad data

När allt fungerar bra så finns allt data strukturerat i den ordning man bestämt i datalagret och användaren kan genom sitt analysverktyg beställa en rapport över exempelvis kunders beställningar under året som gått. Vid beställning av en rapport skickas en signal till datalagret och valda data samlas ihop, paketeras och skickas som information i rapporten till användaren.

I liknelsen innebär det att en köpare lägger en beställning på bilar och det skickas en signal till parkeringshuset, där de står uppradade enligt en bestämd ordning. Signalen talar om vilka bilar som ska ta sig till utfarten. Längs vägen sorteras bilarna i den ordning som de ska köra, för att komma fram korrekt.

Datastruktur

Med datastruktur menar vi den struktur ni har i datalagret, som organiserar er data.
Hur väl vet du vad som händer i datalagret hos er? Vet du vad som händer när det blir fullt någonstans? Vet du vilken information som kommer ut i era rapporter om eller när det inträffar? Detta är något du verkligen behöver fundera på och säkerställa att ni har kontroll över.

Liknelsen vi nu gör är vad som händer när det är dags att köra in nya bilar som kommer ifrån biltillverkaren eller begagnade bilar och ett eller flera våningsplan är fulla. De bilar som inte får plats kommer att hamna i kö och kaos utbryter när alla bilar försöker komma fram till sin plats. Resultatet blir att vägar blockeras och bilar varken kommer till eller från parkeringshuset.

Då det blir fullt på parkeringsplatserna behöver man bygga på nya våningsplan eller kanske ett helt nytt p-hus. Valet blir då att antingen flytta alla bilar till det nya, eller så fyller man på det nya utrymmet löpande. Om man väljer att bygga ett nytt parkeringshus behöver man hålla koll på vilka bilar som står i det gamla kontra det nya parkeringshuset, för det kan vara så att man behöver bilar från båda parkeringshusen.

Detta innebär att du för att ta kontroll kan behöva ett larm som aktiveras, kontrolleras och åtgärdas när det överstiger en förutsatt fyllnadsgrad. Det gäller oavsett om ni har automatisk eller manuell hantering för utökning. Detta innebär också att när nytt datalager byggs måste kanske visst data från det gamla datalagret flyttas till nya datalagret. Detta måste hanteras på ett kontrollerat sätt för att det skall fungera med kopplingar mellan de olika datalagren.

Dataintegritet

Med dataintegritet menar vi att någon oavsiktligt kan förändra information, förhindra obehöriga från att ta del av information eller om metadata hör ihop mellan systemen. Här behöver du fundera på om ni har kontroll över den tvätt som sker av data eller metadata när det överförs från källsystem till datalagret. Det kanske är så att ni har information som är dubblerad i datalagret, inte hänger ihop, eller är nästan likadan som kan vara fallet för datum. Finns det någon information lagrad som är hemlig? Hanteras den i så fall på ett bra och regelrätt sätt?

Återgår man till vår liknelse, så hamnar vi i situationen att när begagnade bilarna är på väg till parkeringshuset så är det ganska vanligt att de behöver tvättas av mer eller mindre för att passa in på en p-plats och inte smutsa ner platsen eller göra så att andra bilar blir smutsiga.

Sedan är det en fördel om vi i parkeringshusen har bilar av samma märke, färg, årgång och modell parkerade tillsammans. När en köpare gör en beställning vill man inte behöva leta efter likadana bilar på mer än en plats.

Om det står bilar med hemliga uppgifter i parkeringshusen måste dessa hanteras annorlunda. Det kanske bara är särskilt behöriga köpare som ska få beställa just dessa bilar. Bilarna kan också behöva åka speciella vägar eller kanske eskorteras av säkerhetsbilar för att förhindra att obehöriga ska komma åt den hemliga informationen.

Du behöver ta reda på vilken data det är som tvättas och hur det görs. Kanske är det datum som ni tvättar för att få samma format på dem. Då måste du säkerställa att datumfälten som hanteras och att formatet som används i resultatet är korrekt. Det viktiga är att inga förändringar sker med datat, utom just det som är fastställt. Du behöver också göra en undersökning på om data eller metadata hänger ihop och säkerställa att fälten är samma typ för exempelvis personnummer, som kan ligga i textsträng eller numeriskt fält. Du behöver ta reda på om ni har och hur ni hanterar era hemliga uppgifter i systemet. Det kan röra sig om exempelvis personuppgifter och då behöver du veta vilka personer det gäller och att deras uppgifter hanteras på ett säkert sätt. Ingen obehörig ska kunna komma åt eller kunna spåra vem de hemliga uppgifterna tillhör. Det kan du göra genom att låta bli att använda personnummer och endast ha löpnummer i systemen. Ett annat är att behörig personal hanterar dessa personer manuellt och antingen förändrar informationen så att det inte blir spårbart eller att data med hemliga uppgifter inte flyttas över alls till datalagret.

Datakvalitet

Med datakvalitet menar vi att informationen som finns i datalagret ska kunna hämtas ut på ett korrekt sätt, så att den information som man vill ha verkligen kommer ut. Om du funderar på senaste rapporten du fick - vet du att den är korrekt? Har ni kontroll över hur aggregeringarna ser ut och fungerar hos er?

I liknelsen innebär det att bilar har beställts till en utfart. Några av dessa åker till ett garage där de för över sin last till lastbilar för vidare transport medan de andra åker direkt till utfarten. Längs vägen kan det hända att bilar eller lastbilar fastnar bakom vägarbeten då vägen plötsligt upphört för att ett nytt parkeringshus byggts eftersom det behövdes mer utrymme till bilar. Vid ett annat tillfälle kan det vara så att var 5:e bil plötsligt åker ner i en annan avfart som inte leder fram till den utfart som det var beställt. Bilar och lastbilar kommer att göra sitt bästa för att ta sig fram, men de flesta blir stående, vilket i sin tur kan leda till trafikkaos. För att det ska bli rätt behöver utfarten fyllas med bilar och lastbilar i den ordning som bestämts vid beställningen.

Det innebär att du behöver ta reda på vilka aggregeringar som görs, att de är korrekta och utförs på rätt sätt. Den kan handla om att flera fält slås samman till ett. Då behöver du veta vilka fälten är och hur aggregeringen ska gå till för att veta vilket resultat du kan förvänta dig och sedan testa det nya datat mot källsystemen. Du behöver också veta hur data överförs mellan systemen och internt, vilket eller vilka protokoll som används, utföra prestandatester och veta vilka gränsvärden systemet har. Du kanske behöver provocera systemen genom test för att få reda på hur ert system beter sig och vad du får ut i rapporterna då gränsvärden överskrids.

Hur kan ni då kvalitetssäkra datalagret?

Vad kan ni då göra för att undvika de problem vi har beskrivit ovan och få ett kvalitetssäkrat datalager?

Först och främst ska ni se till att ha alla krav på plats och att alla vet vad som ska göras.

För att datalagret ska ha en bra struktur måste man börja i organisationen. Hur ser verksamhetsprocesserna ut? Vilken information tror ni att just er verksamhet kommer behöva för att fatta bra beslut för framtiden?

När detta är på plats har ni en bra grund att bygga vidare på.

Eftersom data vanligen kommer ifrån flera olika källsystem måste den anpassas efter verksamhetens modell över vilken information ni vill ha ut av systemet. Vilken data är det som är relevant? Hur är informationen strukturerad i dessa källsystem? Hur ska informationen struktureras om för att passa i datalagret?

För att få bättre kontroll över informationen till verksamhetens rapporter behöver du:

  • Tänka test tidigt och hela vägen!
  • Ta kontroll och fatta eller se till att det fattas aktiva beslut!
  • Ta reda på hur data eller metadata tvättas och säkerställa att det fungerar ordentligt.
  • Säkerställa att data som kommer till datalagret stämmer med vad som finns i källsystemet.
  • Ta reda på vad som händer när det blir fullt någonstans.
  • Ta reda på att det är rätt information som kommer ut i rapporterna. För datum kan det till exempel innebära att det är just "skapat-datum" som verksamheten ville ha, och inte "ändrat-datum".
  • Veta vad det finns för lagar och regler som gäller data i ert datalager, så att du kan säkerställa att dessa uppfylls.

Nästa steg

Vi kan hjälpa er få bättre kontroll över er information

  • Kravanalys, Kravledning, Kravdesign
  • Testledning, Testfalls design, Testdata analys, Testdata design, Test automatisering
  • Genomlysning av datalager
  • Kvalitetssäkring av rapportinnehåll
  • Ta reda på hur data och metadata tvättas
  • Kvalitetssäkra tvätt av data och metadata
  • Säkerställa att datalagret fungerar optimalt

Läs andra relaterade artiklar:

 

Anmäl dig till en av Konsultbolag1s populära kurser inom kravhantering och test:

KONTAKTA OSS

Har du frågor? Vill du ha hjälp med områden inom kravhantering och test?
Hör av dig till oss! Vi hjälper dig gärna. 

Kontakt 

Dela artikeln