Ein Fall Für Das Daten-Scrubbing

Oft nutzen Wartungssysteme nicht die Vorteile, die sie ohne eigenes Verschulden versprechen. Wie erwarten Sie eine Methode, um die zugrunde liegenden Daten zu verbessern? Die Lösung ist, dass Sie es einfach nicht können. Alles, was Sie brauchen, müssen gute Daten in die Maschine erhalten, damit sie erhalten, verarbeitet und verwendet werden können, um nützliche Informationen für Ihr Unternehmen bereitzustellen.

Erlauben Sie mir, den Preis zu veranschaulichen, keine guten Informationen mit einem Beispiel zu haben. Ein Multi-Site-Hersteller hat vier Standorte, von denen drei in unmittelbarer Nähe zueinander sind. Jede Website verfügt über einen eigenen autonomen Lagerraum mit Aktienkomponenten. An jeder Website gibt es einen Teilzeitkatalogmanager für alle Datenbankaktivitäten. Da die Anlage gewerkschaftlich gewerkschaftlich organisiert ist und sich häufig die Positionen ändern, kann der Katalogmanager alle ein oder zwei Monate ersetzt werden.

Die resultierenden Aktienstandards repräsentieren dies: inkonsistente Hersteller -Benennung; Teilenzahlen des verlorenen Herstellers; inkonsistente Verwendung von Symbolen/Abkürzungen; Interpunktionsfehler; unvollständige Beschreibungen und; doppelte Elemente. Systemwordsuche sind so gut wie unmöglich, und das Finden eines Teils ist eine frustrierende, herausfordernde, normalerweise erfolglose Begegnung.

Pfleangeberichte an allen Orten hatten das Vertrauen in Geschäfte verloren; Jeder hielt einen Vorrat an Komponenten irgendwo für seinen eigenen Gebrauch versteckt. Um einen Reparaturjob zu planen, würden sie versuchen, Teile im gesamten System zu lokalisieren, aber wenn sie nicht in der Lage sind, das zu finden, was sie gewünscht haben, würden sie die Jagd aufgeben und nur den Teil richtig bestellen. Im Falle einer Krise können sie einen anderen Standort anrufen, um das Darlehen eines Teils zu verlangen. Der Bestandswert im gesamten Unternehmen lag über 80 Millionen US -Dollar.

In Anbetracht dessen, dass etwas erreicht werden musste, versuchte die Organisation, die Datenreinigung selbst zu bewältigen. Sie gründeten eine Gruppe von neunzehn internen Leuten, die sich aus Mitarbeitern der Pflege (elektrische, mechanische, Instrumentierung und Rohrmontierer) aus allen vier Standorten sowie zwei Unterstützungspersonen und einem Inventarspezialisten zusammensetzten.

Nach über einem Jahr Arbeit und mit nur der Hälfte der Datenbank entschieden sie sich für die Teilnahme an externen Datenreinigungsspezialisten, um die Bemühungen wiederzubeleben. Systematisch wurden die Informationen von jeder Website gereinigt. In Kombination mit Wartungsmitarbeitern aller Standorte wurde ein typisches Design für Produktbeschreibungen mit akzeptablen Substantiv-/Modifikatorpaaren entworfen. Die Reihenfolge der Attribute wurde ausgehandelt, um alle Standorte zu erfüllen. Sprache, Symbole, Abkürzungen und Geschäftsnomenklatur wurden vereinbart. Es dauerte sechs Monate, um die gesamte Datenbank zu überarbeiten.

Gute Daten bringen quantifizierbare Belohnungen mit sich. Duplikate an Standorten wurden im Bereich von 10 Prozent gezeigt. Häufige Elemente über Standorte wurden im Bereich von 25% identifiziert. Das Zusammenführen der drei regionalen Geschäfte in ein zentrales Lagerhaus verringerte die Gesamtstrumpfniveaus und ermöglichte es Websites, gemeinsame kritische Ersatzteile zu teilen. Es hat auch Zehntausende in Geldeinsparungen freigelassen.

Die Suchanfragen nach habe erfolgreich Teilinformationen nachgewiesen, auf die Wartungsmitarbeiter zählen könnten. Als das Vertrauen in die grundlegenden Geschäfte zunahm, wurde ein zusätzliches Inventar aus privaten Caches zurückgeführt, was die Ersparnisse weiter erhöhte. Insgesamt wurde der Aktien im gesamten Geschäft um mehr als 20%reduziert.

Die Datenbereinigungsbemühungen haben sich eindeutig mehrmals für sich selbst bezahlt. Es wurde auch der Anstoß für andere Unternehmensinitiativen. Das Unternehmen fuhr fort, seine Artikel-Ausstattungs-Verbindungen zu steigern, um das Wartungssystem weiter zu verbessern. Darüber hinaus fusionierte es Artikel entlang der Produktlinien und reduzierte seine Lieferantenbasis für Volumenrabatte.

Eindeutig großartige Daten liefern großartige Ergebnisse.