Validaciono pravilo radi. Poslovni proces ne radi.

Ponekad validaciono pravilo radi savršeno.

Pronalazi pravi problem.

Nema false flagova.

Logika je ispravna.

A ista greška se ponovo pojavi sutra.

Pa opet narednog dana.

U tom trenutku problem više nije u validation rule-u.

Naprotiv, možda nam upravo taj rule govori nešto mnogo važnije.

Proces iza podatka konstantno proizvodi grešku.

Prva reakcija i dalje treba da bude jednostavna.

Data Steward proverava i ispravlja podatak.

Ako se problem ponavlja, uključuje se Data Owner.

Ali kada se isti obrazac pojavljuje danima ili nedeljama, stalno ispravljanje posledice više nije dovoljno.

Pitanje više nije:

„Zašto je ova vrednost pogrešna?“

nego:

„Zašto ovaj proces stalno proizvodi pogrešnu vrednost?“

Ta razlika je važna.

Validation rule nije samo mehanizam za pronalaženje loših podataka.

U zrelom Data Governance okruženju on može da postane i svojevrstan senzor koji pokazuje koliko poslovni proces dobro podržava kvalitet podataka.

Ali tu postoji veoma važna granica.

Data Governance ne upravlja svim poslovnim procesima.

Ako neki sektor odluči da mu je prihvatljivo da mesečno potroši dvadeset sati na ručni rad, a podaci su na kraju tačni, DG ne treba da postane menadžer tog sektora i da mu određuje kako će organizovati posao.

To je odluka biznisa.

Iz perspektive Data Governance-a osnovno pitanje ostaje:

Da li je podatak tačan i održava li se u skladu sa dogovorenim standardom?

Ipak, ponavljajuće korekcije mogu da pokažu da postoji prostor za poboljšanje.

Ako Data Steward svakog dana ispravlja isti tip greške, Data Governance može da pomogne da se kontrola približi samom izvoru.

Umesto da problem pronađemo tek kada je podatak već unet u sistem, možda možemo da sprečimo grešku pre nego što nastane.

Ali ne tako što ćemo automatski ispravljati podatke.

Kod važnih poslovnih podataka mora da postoji konkretna odgovornost za ono što je uneto.

Automatizacija može da otkrije i spreči grešku.

Ne bi trebalo da ukloni accountability.

Data Owner ili Data Steward najbolje zna šta određena vrednost znači u trenutku unosa.

Data Governance donosi drugi deo slike: gde taj podatak kasnije završava.

Isti field može kasnije da utiče na operativne odluke, management reporting, KPI-jeve ili nekoliko downstream sistema.

Upravo ta šira slika može da pomogne biznisu da napravi bolju validaciju na samom izvoru.

Postoji i još jedna dimenzija koja se pojavljuje kako Data Governance sazreva.

Na početku Data Quality uglavnom mora da funkcioniše na veoma detaljnom nivou.

Konkretna tabela.

Konkretan data point.

Konkretno pravilo.

Konkretan Data Steward.

Kada organizacija ima hiljade otvorenih problema, agregiranje svega u jedan „Sales Data Quality“ rezultat može više da sakrije nego da objasni.

Prvo moraš tačno da znaš gde je problem.

Ali vremenom se slika menja.

Broj grešaka značajno pada.

Ownership je uspostavljen.

Ljudi razumeju zašto je Data Governance važan.

Data diskusije postaju normalan deo poslovanja.

Tada tehničke kontrole mogu da počnu da pričaju širu poslovnu priču.

Umesto samo:

„Tabela X je imala 120 grešaka.“

možemo da dođemo do:

„Proces kreiranja proizvoda imao je 120 grešaka i zahtevao je deset sati korekcija ovog meseca.“

Za zrelu organizaciju to može biti veoma koristan podatak.

Vreme je jedan od najvažnijih resursa modernog biznisa.

Ako ponavljajući data problem zahteva sate ručnog rada, validation framework može pomoći da se taj uticaj izmeri.

Ali čak i tada Data Governance daje podatke i dokaz.

Biznis odlučuje da li želi da promeni proces.

A sa zrelošću se menja i način na koji koristimo same kontrole.

Rule koji stalno pronalazi probleme možda treba da se pokreće svakog dana.

Rule koji mesecima nije pronašao nijednu grešku i dalje može da bude koristan kao safety net, ali možda je dovoljno da se pokrene jednom mesečno ili jednom u tri meseca, u zavisnosti od tehničkog opterećenja i važnosti podatka.

Validation rule nije beskoristan samo zato što su podaci konačno čisti.

Ponekad je upravo činjenica da više ništa ne pronalazi rezultat koji smo želeli.

Dobar Data Governance zato ne broji samo greške.

On iz njih uči.

Prvo precizno utvrđuje gde je podatak pogrešan.

Zatim uspostavlja odgovornost.

A kada se isti problem stalno vraća, postavlja pitanje da li kontrolu možemo da približimo mestu na kome greška zapravo nastaje.

Validation rule možda radi savršeno.

Prava vrednost nastaje kada organizacija počne da sluša šta joj taj rule govori.