תוֹכֶן
מקור: Everythingpossible / Dreamstime.com
להסיר:
רק נתונים באיכות גבוהה יכולים לייצר ניתוחים באיכות גבוהה, ולכן חיוני שהנתונים יהיו מובנים כראוי.
הרעיון של יישום פלטפורמת ניתוח משולבת, בכל מקום שמתאים, זוכה במהרה לאמינות. כאשר ארגונים מבינים את חשיבותה של פלטפורמת ניתוח משולבת, רבים מתערבלים כדי ליישם אחת. אך תוך כדי כך נושא איכות הנתונים אינו מקבל מספיק תשומת לב. חשוב לציין כי איכות הנתונים היא הגורם החשוב ביותר בקביעת הרלוונטיות ואיכות הניתוח המועבר על ידי פלטפורמות הניתוח. פירושו של נתונים במונח זה פירושו כי הנתונים הנכונים בפורמט הנכון צריכים להיות זמינים לפלטפורמת ניתוח משולבת כך שתוכל לספק ניתוחים משמעותיים. אולם מספר בעיות כגון אי התאמה מערכתית, סוגיות במבני נתונים וחוסר יעילות אנושית מונעות אפילו מפלטפורמות ניתוח משולבות באיכות גבוהה לספק ניתוחים איכותיים.
למותר לציין שבלי לטפל בבעיות באיכות נתונים, החזר ההשקעה (ROI) בפלטפורמות ניתוח משולבות לא יגיע לרמות הצפויות. כאן אנו בוחנים את הבעיות הפוגעות באיכות הנתונים המיועדות לפלטפורמות אנליטיקה בעזרת הדוגמא של מגזר שירותי הבריאות, אחד המגזרים שנפגעו בצורה קשה ביותר מאיכות נתונים ירודה.
סוגיות באיכות נתונים הפוגעות בביצועי פלטפורמת Analytics
ניתן לסכם את הבעיות באיכות הנתונים כדלקמן: הקלטה ותפיסה שגויה של פורמט נתונים, אי התאמה של מערכות במעלה הזרם עם פלטפורמות אנליטיות וניתוח לא מדויק.
אתה לא יכול לשפר את כישורי התכנות שלך כאשר לאף אחד לא אכפת מאיכות התוכנה.
לכידת היא השלב בו אנשים מזינים נתונים למערכת, למשל, נתוני החקירה הרפואית מדווחים על נתונים. חשוב ביותר שכל המידע הרלוונטי יזהה ויוזן למערכת.
מבנה הוא השלב בו יש להזין את הנתונים הנכונים בתבנית ובשדה הנכונים. לדוגמא, משקל המטופל נחשב לנתונים מספריים, אך אם הוא מוזין בשדה, אז איכות האנליטיקה תושפע.
הובלת נתונים היא השלב בו הנתונים נטענים על מערכות הניתוח לצורך ניתוח. הסיבה העיקרית לכך שסובלת מאיכות הנתונים בשלב זה היא היעדר קשר ישיר עם בסיס נתונים. כאשר בסיס נתונים מחובר ישירות לשרשרת אספקת הנתונים, השדות החיוניים נלכדים במבנה והתבנית הנכונים.
להלן כמה דרכים לשיפור איכות הנתונים.
כשמשתמשים אנושיים מזינים נתונים, רוב הסיכויים שיש הרבה נתונים שחוזרים על עצמם שצריך להזין. לדוגמה, אם מוזנים נתונים לגבי חולי קרדיולוגיה, לתנאים ספציפיים שונים עשויים להיות קודים שונים. בכל פעם שמוזנים קוד; על המערכת לספק הצעות או למלא אוטומטית את הקוד המתאים. זה דורש רק מעט תכנות טוב או ציוצים בקודים כדי ליישם מערכת כזו. בדרך זו אתה מצמצם במידה רבה את האפשרות לטעות אנוש. במידת האפשר צריך להיות גם תוקפים למקרה שהמשתמש האנושי יזין קודים שגויים.
גשר על הפער בין הספק למערכות אנליטיקס
כפי שצוין קודם לכן, איכות הנתונים סובלת בגלל בעיות תכנון ויישום בין הספק ומנועי הניתוח. ארגונים צריכים לעבוד על יצירת מבנה מינימלי משותף של מערכות ספקי נתונים, כמו מערכות EHR, כך שהנתונים החיוניים יסופקו בפורמט הנכון למנועי הניתוח. בהתחשב בכך שיש מספר גדול של מערכות ספקים המיוצרים על ידי ספקים שונים, זהו אתגר להשיג מבנה משותף. עם זאת, צריך להיות מאמץ לבנות מבנה מינימלי משותף של מערכות ספקי נתונים.
סיכום
הצעד החשוב ביותר לכיוון איכות נתונים עבור מנועי אנליטיקה נראה כמבנה המינימום הנפוץ של מערכות ספקי נתונים. בעוד שהצעדים האחרים כמו הפיכת השימוש האנושי במערכות הזנת נתונים חשובים, הם עדיין יהיו מועדים לטעות באופן טבעי. עם זאת, סטנדרט של הזנת נתונים והובלת נתונים יכול להבטיח כי הנתונים הנכונים בפורמט ומבנה נכונים נכנסים למנועי הניתוח. כדי שזה יקרה, צריך להיות תקן ופרוטוקול משותף לפיתוח מערכות וממשקי משתמש.