Управление качеством данных

Размещено на http://www.allbest.ru/

Управление качеством данных

Рагимханова А.Р.

За каждым процессом успешной организации стоят технологии управления данными. Управлять данными крайне важно, но не все решения, предназначенные для этого, одинаковы.

Разработчики автоматизированных информационных систем (АИС) сталкиваются с проблемой управления качеством данных. Под управлением качеством данных понимается обеспечение такого состояния информации в хранилище, которое удовлетворяет требованиям пользователя по критериям достоверности, актуальности, логической полноты и непротиворечивости, отсутствия дублирующей информации.[1]

Объемы и требования к информации, с которой приходится работать различным службам, специалистам и руководству предприятий недропользователей, растут с каждым днем и это определяет развитие современных информационных технологий в направлении создания систем управления данными, которые обеспечивают сбор, хранение и обработку данных разведки и разработки нефтяных и газовых месторождений. В основе надежной системы управления ресурсной базой компании должны быть заложены качественные данные и обеспечена четкая организация процессов их извлечения и обработки. Только при реализации этих двух составляющих станет возможным принятие правильных и своевременных стратегических управленческих решений автоматизированный информационный innerlogix

Количество и объективность создаваемой, обрабатываемой и хранимой информации позволяет рассматривать ее как продукт. Следовательно, и требования к ней должны быть определены таким же образом, как принято определять их к другим продуктам. Потоки геолого-геофизической и промысловой информации разнообразны по источникам и формам ее представления, а значит, возможности доступа и анализа для непосредственного использования данных, получения от них полной отдачи представляют собой первоочередные задачи для компаний, работающих в нефтегазовой отрасли.[2]

Управление качеством данных играет важную, а иногда определяющую роль для успеха внедрения систем управления ресурсами и взаимоотношениями с клиентами, а также тесно связанных с ними решений по управленческому учету. Ведь эффективное использование корпоративных информационных систем невозможно, если их данным нельзя доверять.

Целью построения решений по управлению качеством данных является достижение и поддержание приемлемого уровня полноты, достоверности и целостности информации для принятия управленческих решений, а также возможность регулирования бизнес-процессов через автономные формализованные правила.[3]

Причины низкого качества данных условно можно разделить на две

категории:

? неправильные исходные данные - недостоверные, противоречивые, искаженные или неполные.

? искажение данных со временем, например такие как, в процессе передачи данных между приложениями в связи с ограничениями и требованиями различных баз данных, такими как преобразования единиц измерения и систем координат, агрегирование данных и другие модификации.[2]

Для компании очень важно владеть точной, актуальной и исчерпывающей информацией для обоснованного принятия решений. Исследование, проведённое Международной ассоциацией качества данных и информации (International Association for Information and Data Quality, IAIDQ) и сотрудниками Арканзасского Университета в Литтл-Роке (University of

Arkansas at Little Rock), ответило на следующий вопрос: мероприятия по обеспечению качества данных - цели и причины.

Соотнесение усилий по обеспечению качества данных с потребностями бизнеса является обязательным условием. Наиболее распространённой бизнес-целью кампании по обеспечению качества данных в их организациях является «Снижение рисков и обеспечение соответствия регулятивным требованиям» (38.6% опрошенных). Эта цель в ходе исследования называлась вдвое чаще чем «Снижение расходов» (18.9% опрошенных) и «Увеличение прибыли» (18% опрошенных). Эти результаты позволяют предположить, что усилия по обеспечению качества данных получили бы более активную поддержку, если бы были теснее связаны с доходной стороной финансовой отчётности.

К основным стимулам, которые побуждают компании заниматься качеством данных, относятся: общее стремление к улучшению качества своих данных (68.4% опрошенных), инструменты бизнес-аналитики и хранилища данных (47.2%), регуляторные, рисковые или законодательные требования (39.8% респондентов). Около 5% составляют прочие стимулы, такие как возрастающая сложность бизнеса, управление затратами и активами, улучшение процесса, архивные требования, безопасность пациентов, измерение рентабельности и требования к отчётности.

На диаграмме (рис.1) отражены причины по которым кампании начинают мероприятия по обеспечению качества данных, в дополнение к ним относят также: автоматизация продаж (9.5%), большие данные (9.1%), проекты сервис-ориентированной архитектуры (8.7%), слияния и поглощения (8.2%) и облачные вычисления (2.2%).[5]

Рис. 1. Основные причины, почему компании начинают мероприятия по обеспечению качества данных.

Компания «Шлюмберже» предлагает методологию управления качеством данных (Data Quality Management - DQM) и программное решение InnerLogix*, использование которых позволит исключить прерывание бизнес-процесса в результате нехватки данных или их неопределенности[2]

.Компания «Шлюмберже» -- признанный мировой лидер, предоставляющий нефтяной и газовой промышленности весь спектр современных технологий нефтедобычи, услуги по управлению проектами и информационные решения.[6]

DQM - это технология, использующая созданные пользователем правила для определения корректности информации и ее исправления. Использование правил позволяет создавать точные, достоверные и непротиворечивые данные для рабочего процесса специалистов.

Эта методология предполагает, что процесс управления качеством данных должен состоять из следующих этапов: Определение, Измерение, Анализ, Усовершенствование, Группирование, Контроль.

Такое разбиение на этапы базируется на методологии DMAIC (Define,Measure, Analyze, Improve, Control).

Методика DQM реализуется посредством программного комплекса InnerLogix. Он был разработан подразделением Schlumberger Information

Solutions (SIS) для предприятий нефтегазовой отрасли с целью приложения методологии, предлагающей систематический подход к оценке, повышению качества и контроля данных.

InnerLogix включает в себя средства создания правил оценки качества данных, инструменты автоматической и ручной проверки и коррекции данных, средства сравнения и исправления информации различных баз данных, а также возможности по выводу статистической информации по текущему качеству данных.

Проект «Шлюмберже» по анализу, исправлению и синхронизации данных компании Chevron (подразделение Chevron North America Exploration And Production Company) успешного внедрил технологиию DQM и программного комплекса InnerLogix.

Из Российского опыта внедрения решения InnerLogix можно привести два успешных пилотных проекта по созданию систем управления качеством данных, выполненных в 2010-2011 гг. для компаний ООО «ГазпромнефтьНТЦ» и ОАО «НК «Роснефть».

Технология DQM и InnerLogix позволяют обеспечить высокий уровень качества данных предприятий нефтегазовой отрасли. Использование подхода, предложенного компанией «Шлюмберже» для улучшения данных с помощью InnerLogix, позволяет гарантировать, что дефекты систематически устраняются, а выверенные данные передаются в хранилища данных, используемые специалистами для анализа и принятия решений, что позволит вывести информационную систему управления информацией на качественно новый уровень, а также значительно повысить отдачу от инвестиций.[2]

Несмотря на то, что решения по управлению качеством данных требуют определенных затрат, грамотное внедрение систем управления качеством данных и их интеграция с существующими корпоративными приложениями помогут перевести информационные системы на качественно новый уровень и заметно повысить отдачу от инвестиций за счет следующих факторов:

? обоснованных управленческих решений и управления рисками в процессе принятия решений;

? более точной направленности и концентрации маркетинговых усилий в результате уменьшения неопределенности данных и их толкований;

? сокращения издержек на (пере)проверку и обработку данных

? консолидации разрозненных бизнес-систем путем нормализации данных и их однозначных определений;

? унификации бизнес-процессов, связанных с поставкой данных в информационные системы и автоматизации их рутинных операций.[3]

Список использованной литературы

1. http://www.osp.ru/pcworld/2007/11/4656322/;

2. http://www.sis.slb.ru/pdf/Oil&Gas_December_2011_Ineerlogix.pdf; 3. http://www.itransition.ru/data_quality;

4. http://www.sis.slb.ru/pdf/Oil&Gas_December_2011_Ineerlogix.pdf;

5. http://www.iso.ru/rus/journal/document10493.phtml;

6. http://www.slb.ru/.

Размещено на Allbest.ru