Практический пример: как мы выявляем проблемы с качеством данных?
Проблема. Клиент, ведущий мировой производитель товаров народного потребления, столкнулся с проблемами надежности данных в данных SAP, относящихся к их операциям в глобальной цепочке поставок. Поэтому их ИТ-подразделение сотрудничало с Inxite Out, чтобы создать для них решение по обеспечению качества данных.
Подход. Решение разрабатывалось в несколько этапов:
Исследование данных и выявление бизнес-правил: исследование данных в сотрудничестве с заинтересованными сторонами бизнеса и получение информации для определения и формализации набора бизнес-правил, применимых к данным.
Выявление проблем с качеством данных. Использование бизнес-правил для выявления проблем с качеством данных (несоответствий, неполноты, неточностей), подтвержденных заинтересованными сторонами.
Рекомендация по исправлению. Использование прошлых распределений данных и байесовских статистических подходов для предоставления рекомендаций по исправлению выявленных проблем с качеством данных, а также показателей достоверности для этих рекомендаций.
Автоматизация. Создан полный набор решений для управления качеством данных, который помогает клиенту подключаться к соответствующим модулям данных SAP, выявлять проблемы с качеством данных в отчете для дальнейшего углубленного анализа, а также получать рекомендации с показателями достоверности для человека. - текущие исправления в источнике, где это уместно.
Результат:решение оказалось эффективным при поиске проблем с качеством данных различной степени в различных объектах/модулях данных и соответствующем управлении этими проблемами. Успех привел к принятию клиентом управления качеством данных в своих модулях SAP Plant Maintenance (PM), Material Master (MM) и SKU/Customer SKU (CSKU).
Для получения дополнительных тематических исследований, пожалуйста, посетите: www.inxiteout.ai
