Влияние качества данных на компланарные потоки в интегрированной логистике

IMPACT OF DATA QUALITY ON COPLANAR FLOWS IN INTEGRATED LOGISTICS

Sergey Nikishov

Ph.D. Associate Professor of the Department of Systems Analysis and Informatics, Associate Professor, Institute of Economics, Mathematics and Information Technologies, Russian Academy of National Economy and Public Administration under the President of the Russian Federation, Russia, Moscow

Alexander Bryntsev

Doctor of Economics, Professor, Head of the Laboratory of Macroeconomic Analysis and Forecasting, RAS MEI, Russia, Moscow

Аннотация. В статье проводится анализ проблем качества компланарных потоков в интегрированной логистике. Выявлены основные причины снижения качества данных и ключевые выгоды при внедрении методики управления качеством данных.

Abstract. The article analyzes the quality problems of coplanar flows in integrated logistics. The main reasons for the decline in data quality and key benefits in the implementation of data quality management methodology are identified.

Ключевые слова: интегрированная логистика; цепи поставок; компланарные потоки; качество данных.

Keywords: Integrated logistics; supply chains; coplanar flows; data quality.

С ростом объемов информации, циркулирующей в информационном пространстве предприятий, увеличивается значимость качества данных. Лицу, принимающему управленческое решение крайне сложно ориентироваться в постоянно растущих объемах информации, которая к тому же может быть неполной или даже противоречивой. От этого напрямую страдает качество проектирования интегрированных цепей поставок. В ручном режиме обрабатывать большие объемы информации не представляется возможным, так как главным ограничением в этом случае будут человеческие возможности. Поскольку наиболее распространенным типом контента в логистических информационных системах является структурированный контент, включающий в себя записи баз и хранилищ данных, то управление им является высокоответственной задачей.

Данные, содержащиеся в логистических информационных системах, используются для проектирования цепей поставок, но наибольшую практическую значимость представляет автоматизация данного процесса.  Автоматизация проектирования компланарных потоков позволит устранить фактор информационной перегруженности сотрудника и повысить качество проектируемых цепей поставок [2, 4]. Специфика компланарных потоков заключается в определении бизнес-процесса в виртуальной среде и управлении им на основе мета-данных. От степени полноты и точности мета-данных будет зависеть качество проектирования компланарных потоков, а, следовательно, и интегрированных цепей поставок. Компланарные потоки могут пересекать несколько информационных систем участников логистических сделок, пополняясь на своем пути различными данными.

Важнейшая особенность информации заключается в том, что это единственный тип ресурса, который не уменьшается, если им делиться с партнерами. При этом все участники информационного обмена получают информацию и никто при этом ничего не теряет. Но если каждый участник будет самостоятельно, изолированно от других, заниматься пополнением своей информационной базы, то издержки на это пополнение будут достаточно велики. Сократить их можно только консолидируясь друг с другом.

Поскольку информационные системы могут принципиально отличаться друг от друга, то управление компланарными потоками должно осуществляться на основе таксономии. И чем подробнее она будет проработана, тем меньше будет потерь информационных сообщений, что непосредственно влияет на качество компланарных потоков и, как следствие, качество интегрированных цепей поставок. Таксономию получают на счет группировки метаданных в тематические разделы и структуры, на основе которой осуществляется упорядочивание данных [1].

Данные высокого качества позволяют сократить внутренние издержки на процедуры уточнения данных, часто связанные с привлечением сторонних специалистов. Качество данных – это свойство данных удовлетворять предъявляемым к ним требованиям. Причем в соответствии с базовыми принципами качества данных (определяется стандартами серии ISO/TS 8000, ГОСТ Р 56214-2014/ISO/TS 8000-1:2011, ГОСТ Р ИСО/МЭК 25010-2015) понятие качества данных затрагивает только те данные, которые участвуют в принятии какого-либо управленческого решения [6, 7]. Данные высокого качества позволяют сократить расходы на выявление ошибок, выявление несогласованности в рабочих процессах, выявление технических ошибок в информационных системах и т.д. Значительная часть некачественных данных связана с нарушениями сотрудниками регламентов по их использованию и вводу в систему, что в абсолютном большинстве случаев приводит к финансовым потерям. Рассмотрим наиболее важные факторы по управлению качеством данных:

1. Понимание бизнес-целей;
2. Понимание влияния критически важных данных на бизнес-цели;
3. Применение стандартов в области управления качеством данных;
4. Получение поддержки руководства;
5. Выявление заинтересованных лиц и доведения до их сведения важности процесса управления качеством данных;
6. Ранжирование имеющихся проблем;
7. Разработка системы показателей для измерения качества данных;
8. Внедрение технологии управления мета-данными;
9. Внедрение регламентов программы качества данных в бизнес-процессы;

Не меньшую значимость в деятельности логистического оператора представляет и неструктурированный контент, к которому относятся информационные сообщения, электронная почта, сообщения в мессенджерах и проч., которыми также необходимо управлять, поскольку любая информация, относящаяся к рабочим процессам, является корпоративным активом. Важнейшей особенностью данного типа контента является отсутствие единых правил и регламентов, на основе которых должно осуществляться управление. В настоящее время стало набирать популярность применение озер данных (Data Lake) для хранения неструктурированного контента. Данные хранятся в озерах до тех пор, пока не понадобятся для проведения некоторого анализа. В этом случае аналитик начинает разрабатывать правила и методы извлечения знаний из накопленного массива данных. Для озер данных присуща проблема качества, связанная с «заболачиванием». По аналогии с естественными водоемами, пока озеро молодое, то и вода в нем чистая и свежая, так же и с озером данных, пока озеро свежее, то данные в нем легко обнаружимы, а с ростом объемов происходит замусоривание озера лишними данными, что ощутимо усложняет процесс извлечения данных для проведения анализа.

Для управления неструктурированным контентом на предприятиях используют системы класса ECM – Enterprise Content System, центральным компонентом которой является таксономия (модель предметной области) и мета-данные, для описания других данных.

Ключевым фактором успеха управления качеством данных является наличие методики управления качеством данных и правил проверки входных данных, которые должны исключать появление в информационных системах заведомо искаженных или некорректных сведений. Применение мета-данных позволит обеспечить находимость данных при использовании поиска по ключевым словам.

Таким образом, для проектирования качественных компланарных потоков необходимо обеспечить разработку и внедрение методики управления качеством данных. При формировании интегрированных цепей поставок часто прибегают к интеграции информационных систем, во время которой возникают потери и нестыковки при передаче информации из одной системы в другую.