36 5 Andmekvaliteedi põhjuste analüüs ja mõjude hindamine 5.1 Andmekvaliteedi juurpõhjuste analüüs Juurpõhjuste analüüsi käigus uuritakse avastatud andmekvaliteedi probleeme eesmärgiga tuvastada nende algallikad. Tihti tegeletakse andmekvaliteedi probleemi avastamisel probleemi sümptomitega, kuid ei tuvastata ja lahendada probleemi juurpõhjust. Andmekvaliteedi juurpõhjuse analüüsi peamiseks eesmärgiks on tuvastada kvaliteediprobleemi tekkepõhjused ning määrata tegevused probleemi edaspidiseks ennetamiseks. Juurpõhjuse analüüs võib vajalikuks osutuda pärast andmekvaliteedi mõõtmist, et selgitada välja tuvastatud kvaliteediprobleemi algallikas. Sellisel juhul peaks enne juurpõhjuste analüüsi olema lõpetatud vähemalt ühe kvaliteedidimensiooni mõõtmine. Juurpõhjuste analüüsi on mõistlik teostada vaid äriliselt olulistele andmekvaliteedi probleemidele. Juurpõhuse analüüs võib vajalikuks osutuda ka olukorras, kus konkreetne probleem mõjutab ootamatult asutuse toimimist. Tihti tekitavad kvaliteediprobleemid kriitilisi olukordi, mis vajavad kiiret lahendust. Näiteks võib kvaliteediprobleem põhjustada olukorra, kus pole võimalik osutada teenust, võtta vastu või edastada informatsiooni. Kui kiireloomuline probleem on lahendatud, tuleb tagada, et konkreetne probleem ei korduks ehk tuleb tuvastada probleemi juurpõhjus ning ka see lahendada. Ka võib juurpõhjuse tuvastamine vajalik olla olukorras, kus kvaliteediprobleem ei põhjustanud kriitilist olukorda ja kõik teavad probleemist ning suhtuvad selle lahendamiseks vajalikesse tegevustesse kui paratamatusesse. Ka selliste kvaliteediprobleemide puhul on juurpõhjuse analüüsist kasu, kuna see aitab probleemi algallika tuvastada, probleemi lahendada ning seeläbi vähendada jooksvatele andmeparandustele kuluva aja ja muude ressursside ebavajalikku kulutamist. Juurpõhjuse tuvastamist on käsitletud informatsiooni elutsükli raames , mis kajastab ka andmete elutsüklit. Informatsiooni elutsükli mudelis on kõik ressursid, näiteks raha, inventar, inimressurss või informatsioon, hallatud kogu elutsükli vältel. Vaid hästi hallatud ressurssidest on võimalik saada maksimaalset kasu. Informatsiooni elutsükkel koosneb kuuest faasist: • Planeerimine – andmeressursi vastuvõtmiseks valmistumine. • Hankimine – andmeressursi omandamine. • Talletamine ja jagamine – elektrooniliselt või muul viisil andmeressursi talletamine ja jagamine. • Säilitamine – andmeressursi kasutatavuse tagamine. • Rakendamine – andmeressursi kasutamine eesmärkide saavutamiseks. • Kustutamine või arhiveerimine – andmeressursi kasutusest eemaldamine. Tundes informatsiooni elutsüklit on võimalik kindlaks teha, millises faasis viga tekib ning seeläbi ka kvaliteediprobleemi juurpõhjus tuvastada. Juurpõhjuse tuvastamiseks võib olla vajalik elutsükli detailne uurimine. Alljärgnevalt on kirjeldatud kolm täpsemat meetodit andmekvaliteedi juurpõhjuste analüüsimiseks. Sõltuvalt avastatud probleemide keerukusest ja kiireloomulisusest võib olla vajalik meetodite omavaheline kombineerimine või eelistatav hoopis ühe konkreetse meetodi valik. Näiteks võib kiireloomulise probleemi esmaseks analüüsiks sobida lihtne viis korda „Miks?“ meetod.
37
Kolm meetodit andmekvaliteedi juurpõhjuste analüüsimiseks on järgmised:
• Küsi 5 korda „Miks?“ (Five „Whys“)
• Jälita (Track and Trace)
• Põhjus ja tagajärg diagramm (Cause-and-Effect/ Fishbone Diagram)
Esimene meetod on küsida 5 korda „Miks?“ (Five „Whys“ ). Meetodit kasutatakse
laialdaselt tööstuses probleemide juurpõhjuste leidmiseks. Meetodit rakendades tuleb
kõigepealt selgelt sõnastada tuvastatud andmekvaliteedi probleem. Mida selgemalt probleem on
sõnastatud, seda lihtsam on leida tuvastada probleemi juurpõhjust. Järgmiseks tuleb viis korda
küsida „Miks?“. Alustada tuleks sõnastatud kvaliteediprobleemist küsimusega „Miks selline
tulemus saadi?“ või „Miks sel line probleemne situatsiooni tekkis?“. Saadud vastuse peal tuleb
küsimist korrata 5 korda. Edasi tuleb saadud tulemusi analüüsida. Kasulik on seejuures küsida:
„Kas juurpõhjuseid on mitu?“ ja „Kas eri juurpõhjustel on ühiseid jooni?“. Järgmiseks tuleb anda
konkreetseid soovitusi juurpõhjuse lahendamiseks. Vajadusel tuleks rakendada ka soovituste
prioriseerimist. Viimaks tuleb meetodi rakendamise tulemid dokumenteerida. Dokumentatsioon
peaks kindlasti kirjeldama juurpõhjused, soovitusi nende lahendamiseks, meetodi käigus läbitud
järeldusteni jõudmise protsessi ning tuvastatud otseseid ja kaudseid ärilisi mõjusid.
Jälitamise (Track and Trace ) meetodit saab kasutata tuvastamaks probleemi
esmakordset ilmnemist informatsiooni elutsüklis. Nagu ka eelnevalt kirjeldatud meetodi puhul on
esimeseks sammuks tuvastatud kvaliteediprobleemi selge sõnastamine. Järgmiseks tuleb
kindlaks määrata infomatsiooni elutsükkel ning informatsiooni jälitamise marsruut. Kui
informatsiooni elutsüklit on juba varasemalt kirjeldatud saab kasutada olemasolevat
informatsiooni ning seda vastavalt vajadusele täiendada. Probleemi esmakordse esinemise
tuvastamiseks tuleb järgnevalt võrrelda iga elutsükli sammu puhul sisendandmeid ning sammu
teostamise järgset väljundit. Üks võimalus kirjeldatud võrdluse teostamiseks on sisend - ja
väljundandmete profileerimine. Võrdluse tulemusena tuvastatakse samm protsessis, kus
sisendandmed on õiged, kuid väljundandmed valed. Järgmiseks tuleb välja selgitada
vajaminevad muudatused, et andmed oleksid õiged ka pä rast probleemse sammu läbimist.
Siinkohal võib täiendavalt rakendada teisi meetodeid (Küsi 5 korda „Miks?“ või Põhjus ja tagajärg
diagramm), et tuvastada probleemses protsessis tehtavad andmekvaliteeti mõjutavad
tegevused. Viimaks tuleb tulemused dokumente erida. Dokumentatsioon peaks kindlasti
kirjeldama juurpõhjused, soovitusi nende lahendamiseks, meetodi käigus läbitud järeldusteni
jõudmise protsessi ning tuvastatud otseseid ja kaudseid ärilisi mõjusid.
Põhjus ja tagajärg diagrammi (Cause-and-Effect/ Fish bone Diagram ) abil
identifitseeritakse, uuritakse ja esitatakse graafiliselt kõik võimalikud kvaliteediprobleemi
põhjused. Meetodit on laialdaselt kasutatud tootmises ning see sobib hästi ka andmekvaliteedi
juurpõhjuste analüüsimiseks. Meetodit on kasulik rakendada pärast jälitamise meetodi abil
probleemi asukoha tuvastamist. Põhjus ja tagajärg diagramm võtab arvesse enamat kui vaid
ilmseid probleeme ning toob suurimat kasu kui seda rakendada grupis. Seega on esimeseks
sammuks tiimi komplekteerimine ning koosoleku kokkukutsumine. Enne koosolekut tuleks tiimi
liikmetele kättesaadavaks teha probleemiga seotud teadaolev info (näiteks jälitamise meetodi
abil tuvastatud informatsioon), et osalejad jõuaksid koosoleku jaoks valmistud. Koosolekul tuleb
selgelt välja tuua andmekvaliteedi poolt põhjustatud probleem. Probleem on meetodis tähistatud
kui „tagajärg“ ning see on diagrammi esimene komponent. Järgnevalt tuleb diagrammile lisada
probleemi peamised põhjuseid ehk kategooriad. Selleks võib diagrammile lisada en imlevinud
üldised põhjused, kasutada varasema analüüsi käigus tuvastatud põhjuseid (näiteks jälitamise
meetodi rakendamisel kogutud info), korraldada koosoleku liimetega ajurünnak või kasutada
kombinatsiooni mitmest nimetatud viisist. Koosoleku liikmete kü sitlemist tuleb jätkata kuni on
38 jõutud probleemi juurpõhjuseni. Koosolekul leitud juurpõhjused tuleb dokumenteerida nende edasiseks kasutamiseks. Tuvastatud juurpõhjuste põhjal tuleb seejärel koostada soovitused kvaliteediprobleemi juurpõhjuse lahendamiseks. Viimaks tuleb taas kõik tulemused dokumenteerida. Dokumentatsioon peaks kindlasti kirjeldama juurpõhjused, soovitusi nende lahendamiseks, meetodi käigus läbitud järeldusteni jõudmise protsessi ning tuvastatud otseseid ja kaudseid ärilisi mõjusid.
Joonis 7:Põhjus ja tagajärg diagrammi näidis
5.2 Kvaliteediprobleemide mõju hindamine
Peale andmekvaliteedi probleemide tuvastamist ning probleemide juurpõhjuste analüüsi tuleb
identifitseerida ja prioriseerida probleemide lahendamiseks tehtavad muudatused. Selleks
teostatakse esmalt kvaliteediprobleemide ärilise mõju hindamine. Teostatud analüüsi tulemused
tuleb edastada andmeomanikule andmekvaliteedi parendamise protsessi või projekti
algatamiseks.
Kvaliteediprobleemide ärilise mõju suuruse hindamine on oluline, sest see näitab
andmekvaliteedi parandamisest asutusele ja riigile tõusvat otsest tulu. Enimlevinud
andmekvaliteedi probleemid ei pruugi olla äriliselt olulised. Keskenduda tuleks vaid äriliselt
olulistele andmekvaliteedi probleemidele. Andmekvaliteedi ärilise mõju hindamiseks leidub
mitmeid erinevaid tehnikaid, mille rakendamisel tuleb arvestada eelnevates sammudes kogutud
informatsiooniga. Näiteks tuleks arvesse võtta tuvastatud kvaliteediprobleemide ulatuslikkust ja
juba varasemalt määratletud prioriteete. Alljärgnevalt on toodud 3 tehnikat koos juhistega nende
rakendamiseks. Tehnikad on järjestatud lihtsamalt keerukamale vastavalt tehnika rakendamise
hinnangulisele ajakulule. Tehnika valimisel tuleks esmalt nendega tutvuda ning valida konkreetse
situatsiooni ja kvaliteediprobleemi jaoks sobivaim. Seejuures tuleks arvestada, et aeganõudvama
tehnika kasutamine ei taga tingimata paremaid tulemusi ning häid tulemusi on võimalik
saavutada ka vähem aeganõudvate tehnikate rakendamisel. Peale tehnika rakendamist ning
ärilise mõju kindlaksmääramist tuleb analüüsida kõiki kogutud tulemusi. Mõju analüüsi
tulemuste põhjal tuleb koostada soovitused andmekvaliteedi parandamiseks. Viimaks tuleb kõigi
eelnevalt läbitud sammude tulemused ühtlustada ja dokumenteerida. Dokumentatsioon peaks
sisaldama
andmekvaliteedi
ärilisest
mõjust
tulenevaid
soovitusi
andmekvaliteedi
parendamiseks, ülevaadet kvaliteediprobleemide juurpõhjustest ning muid analüüsi käigus
39
ilmnenud olulisi tulemusi. Koostatud ülevaade tuleb edastada andmeomanikule andmekvaliteedi
parendamise protsessi või projekti algatamiseks.
Järgnevalt on kirjeldatud tehnikad andmekvaliteedi probleemi mõju hindamiseks.
Kasu ja kulu maatriks illustreerib kasu ja kulu vahelisi seoseid. Tehnika rakendamisel
tuleb esmalt määrata isikud, kes osalevad prioriteetide määramisel. Seejärel tuleb valida meetod
prioriteetide arutamiseks ja talletamiseks. Sobivad kõik meetodid, mis võimaldavad prioriteetide
kiiret muutmist arutelu käigus. Näiteks võib kasutada märkmepabereid või tahvlit. Arutelu käigus
prioriseeritavate kvaliteediprobleemide nimekiri peab olema selgelt välja toodud ja kättesaadav
arutelus osalejatele. Lisaks tuleb selgelt defineerida mida iga telg kasu ja kulu maatriksil tähistab.
Kasu võib tähendada positiivset mõju ärile, mis kaasneb konkreetse kvaliteediprobleemi
lahendamisega. Kasu võib olla ka kvaliteediprobleemi lahendamisega kaasnev produktiivsuse
tõus või mis tahes muu konkreetse asutuse jaoks oluline muutus. Kulu võib olla
kvaliteediprobleemi lahendamise maksumus rahas, selleks tehtava töö maht (ajakulu) või muu
konkreetse asutuse jaoks oluline kulutus. Arutelu alguses tuleks tuua mõni näide, et meetodi
kasutamine oleks kõigile arusaadav. Järgmiseks tuleb iga prioriseeritava kvaliteediprobleemi
jaoks määrata hindamiskriteerium. Hindamiskriteerium võib olla kvalitatiivne (näiteks
kliendimugavus) või kvantitatiivne (näiteks ajakulu). Näiteks kui kliendimugavus on oluline kasu
tuleks hindamisel küsida: „Mis on arutatavate kvaliteediprobleemide nimekirjast probleemi
number 1 mõju kliendimugavusele (skaalal madal kuni kõrge)?“. Kui kvaliteediprobleemi
lahendamiseks kuluv aeg on oluline kulu tuleks küsida: „Kui palju aega kulub arutatavate
kvaliteediprobleemide nimekirjast probleemi number 1 lahendamiseks (skaalal madal kuni
kõrge)?“. Hindamisel on võimalik arvestada ka mitut kriteeriumit, kuid valitud kriteeriumite arv
peaks olema piisavalt väike, et hindamisprotsess oleks hallatav.
Joonis 8: Kasu ja kulu näidismaatriks Järgmise sammuna tuleb eelnevalt seatud kriteeriumite põhjal määrata kvaliteediprobleemidele hinnangud. Üks võimalus selle teostamiseks on lasta kõigil arutelul osalejatel panna oma hinnang kirja ning seejärel neid grupis arutada. Teine võimalus on asetada eri võimalused otse maatriksile nii, et need oleksid kõigile nähtavad ning seeläbi jõuda arutelu käigus ühise kokkuleppeni kvaliteediprobleemi lõpliku asukoha osas maatriksil. Kui kõik arutatavate kvaliteediprobleemide nimekirjas olnud probleemid on hinnatud ning maatriksile
40
kantud,
tuleb
antud
hinnangud
veelkord
üle
vaadata
ning
kontrollida,
kas
eri
kvaliteediprobleemide
asetus
maatriksil
on
põhjendatud.
Viimaks
tuleb
tulemused
dokumenteerida. Dokumentatsioon peaks kindlasti sisaldama põhjendusi kuidas konkreetsete
hinnanguteni jõuti. Järgnevalt on toodud kasu ja kulu näidismaatriks maatriksi kasutamise
illustreerimiseks (Joonis 8).
Hindamise ja prioriseerimise tehnika järjestab andmekvaliteedi probleemid
vastavalt äriprotsessidele avaldatavale mõjule. Andmete olulisuse indikaatoriks on andmete
kasutus ning sellega kaasnevad riskid ja võimalused. Andmete olulisus varieerub sõltuvalt
konkreetsetest andmetest ning andmete kasutamise viisidest. Tehnika annab parimaid tulemusi,
kui selle rakendamisse on kaasatud need kes andmeid kasutavad, või kes disainivad uusi
andmete kasutamise äriprotsesse ja praktikaid.
Esimene
samm
tehnika
rakendamisel
on
identifitseerida
äriprotsessid
ning
prioriseeritavate andmete kasutusviisid. Keskenduda tuleb äriprotsessidele, mis kasutavad ja
loovad andmeid. Nagu varasemalt kirjeldatud, koosnes andmete elutsükkel planeerimisest,
hankimisest, talletamisest ja jagamisest, säilitamisest, rakendamisest ning kustutamisest või
arhiveerimisest. Hindamise ja prioriseerimise tehnika keskendub andmete rakendamise faasile,
kus toimub andmeressursside kasutamine eesmärkide saavutamiseks. Andmeid võib järjestada
ja hinnata nii konkreetsete kirjete põhjal kui ka andmete gruppidena, mis sisaldavad mitmeid
seotud elemente. Näiteks tarnijale tasumiseks peab olemas olema täielik ja õige arve info.
Järgmine samm on määratleda prioriseerimisel osalejad. Vastavalt eelnevalt tuvastatud
äriprotsessidele ja andmete kasutusele tuleb otsustada, keda prioriteetide seadmisesse kaasata.
Eri valdkondade inimeste arutellu kaasamine toetab ühtset asutusesisest mõistmist andmete
kasutusest, andmete olulisusest, andmete kvaliteedist ning toetab seeläbi üldiselt andmete
kvaliteedi paranemist. Enne arutelu tuleb valida meetod järjestuse loomiseks ning selle kiireks
muutmiseks arutelu käigus. Järgmiseks tuleb arutelu alguses kokku leppida protsessides ja
andmetes, mida mõju alusel järjestama hakatakse. Osalistele tuleb enne alustamist selgitada
hindamise protsessi ning tuua näiteid. Hindamisel kasutatav skaala on toodud alljärgnevalt:
•
Hinne A - halvast andmekvaliteedist tulenev protsessi täielik läbikukkumine.
•
Hinne B - protsessi toimimine on takistatud ning probleemiga kaasnevad tõsised
majanduslikud tagajärjed.
•
Hinne C - vähesed majanduslikud tagajärjed.
•
Hinne D – minimaalsed majanduslikud tagajärjed.
•
N/A – kvaliteediprobleem ei mõjuta protsessi.
Näiteks arve saatmisel ei takista õigekirjaviga inimese nimes kirja kohaletoimetamist.
Seega võib selle kvaliteediprobleemi hindeks panna C või D. Kui viga on aga korteri numbris
takistab see kirja kohaletoimetamist ning seetõttu on tegu olulise probleemiga, mille hindeks
tuleks panna A.
Järgmiseks sammuks on sarnaselt näitega hinnata konkreetsete andmete mõju igale
äriprotsessile. Iga protsessi jaoks tuleks küsida küsimust: „Kui antud andmed oleksid puudu või
valed siis kuidas see mõjutaks äriprotsessi?“. Kuigi tegu on subjektiivsete hinnangutega, on antud
meetod väga efektiivne ning aitab tuvastada äriliselt olulised andmed ning nende mõju. Viimaks
tuleb hinnatavatele andmetele omistada lõplik üldine hinnang. Lõplik üldine hinnang on kõrgeim
konkreetsetele andmete antud hinnang. Näiteks kui protsessis X oli andmetele antud hindeks C,
kuid protsessis Y oli andmetele antud hinnang A siis on andmete lõplik üldine hinnang A. Viimaks
41
tuleb analüüsida kogu kogutud informatsiooni ning antud hinnangute järgi tuvastada äriliselt
kõige olulisemad andmed. Lõpuks tuleb taas tulemused dokumenteerida. Alljärgnevalt on
esitatud näidistabel illustreerimaks tehnika rakendamist (Tabel 8)
Tasuvusanalüüs on standardne meetod, mida kasutatakse finantsotsuste tegemisel.
Andmekvaliteedi parandamisega võivad kaasneda märkimisväärsed kulutused. Seetõttu võib
vajalikuks osutuda tasuvusanalüüsi abil juhtidele sisendi pakkumine, et oleks võimalik otsustada
konkreetse kulutuse mõistlikkuse üle. Enamikel juhtudel pole niivõrd põhjaliku meetodi
rakendamine mõistlik. Seda tuleks teha vaid väga suurte investeeringute puhul.
Tasuvusanalüüs hindab kas andmekvaliteedi parandamiseks te htavast investeeringust
tõusev kasu kaalub üle selle teostamiseks tehtavad kulutused. Selle teadasaamiseks arvutatakse
investeeringu tasuvuse (ROI) väärtus, mis näitab investeeringust tõusvat kasu protsendina.
Tasuvusanalüüsi teostamiseks tuleb esmalt ide ntifitseerida kõik kvaliteediprobleemi
parandamiseks tehtavad kulutused (ehk tuvastada alginvesteering). Näiteks kulutused tööjõule,
väljaõppele, riistvarale ja tarkvarale. Järgmiseks tuleb identifitseerida kvaliteediprobleemi
parandamisega kaasnev potentsiaalne rahaline kasu (ehk investeeringu tulu). Seejärel tuleb leida
kvaliteedi parandamisest tulenev kokkuhoid, mille arvutamiseks tuleb leida kasu ja kulu vahe.
Lisaks tuleb määratleda eeldatavate tulude ja kulude ajakava. Hinnata tuleks ka kasu ja kulu mida
pole võimalik kvantifitseerida. Kuna neid pole võimalik arvutada tuleks need lisada
kommentaaridena.
Järgmiseks tuleb arvutada investeeringu tasuvus ehk ROI (Võrrand 3). Investeeringust
tulenev tulu ja alginvesteering tuleb määratleda toetudes eelneva lt kirjeldatud analüüsi
tulemustele.
Võrrand 3. Investeeringu tasuvuse (ROI) valem.
𝑅𝑂𝐼 = (𝐼𝑛𝑣𝑒𝑠𝑡𝑒𝑒𝑟𝑖𝑛𝑔𝑢 𝑡𝑢𝑙𝑢 − 𝐴𝑙𝑔𝑖𝑛𝑣𝑒𝑠𝑡𝑒𝑒𝑟𝑖𝑛𝑔)
𝐴𝑙𝑔𝑖𝑛𝑣𝑒𝑠𝑡𝑒𝑒𝑟𝑖𝑛𝑔
ROI väärtus ehk investeeringu tasuvus peab olema positiivne. Lisaks tuleb ROI väärtust
võrrelda teiste kvaliteediprobleemide ROI väärtustega. Peale tasuvusanalüüsi lõpetamist tuleb
taas tulemused dokumenteerida.