Facebook Twitter
esmartjob.com

Un Caso Para La Limpieza De Datos

Publicado en Enero 3, 2022 por Raphael Corns

A menudo, los sistemas de mantenimiento no cosechan los beneficios que prometen sin culpa propia. ¿Cómo espera un método para mejorar los datos subyacentes? La solución es que simplemente no puedes. Todo lo que necesita es obtener buenos datos en la máquina para que pueda obtenerse, procesarse y utilizar para proporcionar información útil para su empresa.

Permítame ilustrar el precio de no tener buena información con un ejemplo. Un fabricante de múltiples sitios tiene cuatro ubicaciones, tres de las cuales están bastante cerca entre sí. Cada sitio web tiene su propio almacén autónomo con componentes de stock. En cada sitio, hay un gerente de catálogo a tiempo parcial responsable de toda la actividad de la base de datos. Dado que la planta está sindicalizada y las posiciones con frecuencia cambian, el gerente del catálogo puede ser reemplazado cada mes o dos.

Los estándares de acciones resultantes representan esto: nombres de fabricantes inconsistentes; Números de pieza del fabricante perdido; uso inconsistente de símbolos/abreviaturas; errores de puntuación; descripciones incompletas y; artículos duplicados. Las búsquedas de palabras del sistema son casi imposibles y encontrar una parte es un encuentro frustrante, desafiante y no exitoso.

Los trabajadores de la atención en todos los lugares habían perdido la fe en las tiendas; Cada uno mantuvo un alijo de componentes ocultos en algún lugar para su propio uso. Para planificar un trabajo de reparación, tratarían de localizar piezas en todo el sistema, pero si no podían encontrar lo que deseaban, abandonarían la caza y solo ordenarían la parte correcta; En el caso de una crisis, pueden llamar a otro lugar para preguntarle al préstamo de una parte. El valor de inventario en toda la compañía superó los $ 80 millones.

Reconociendo que era necesario lograr algo, la organización trató de abordar la limpieza de datos ellos mismos. Establecieron un grupo de diecinueve personas internas compuestas por empleados de atención (electricidad, mecánica, de instrumentación y académicos de tuberías) de los cuatro sitios, así como de dos personas de soporte y un especialista en inventario.

Después de más de un año de trabajo, y con solo la mitad de la base de datos limpiada, optaron por participar especialistas en limpieza de datos externos para revitalizar el esfuerzo. Sisticáticamente, se limpió la información de cada sitio. En combinación con empleados de mantenimiento de todos los sitios, se ha diseñado un diseño típico para descripciones de productos con pares de sustantivos/modificadores aceptables; La orden de los atributos se negoció para cumplir con todos los lugares; Se acordó el lenguaje, los símbolos, las abreviaturas y la nomenclatura comercial. Tomó seis meses reelaborar toda la base de datos.

Tener buenos datos trae consecuencias cuantificables. Se demostró que los duplicados en los sitios están en el rango del 10 por ciento. Los elementos frecuentes en todos los sitios se identificaron en el rango del 25%. Fusionar las tres tiendas regionales a algunos niveles de almacenamiento total disminuyó los niveles de almacenamiento total y permitió a los sitios web compartir repuestos críticos comunes. También liberó decenas de miles en ahorros de dinero.

Las búsquedas de elementos demuestran con éxito información de pieza con la que los empleados de mantenimiento podrían contar. A medida que crecía la confianza en las tiendas fundamentales, se repatriaron el inventario adicional de los cachés privados, lo que aumentó aún más a los ahorros realizados. En general, en todo el negocio, las acciones se redujeron en más del 20%.

El esfuerzo de limpieza de datos claramente se pagó varias veces. También se convirtió en el impulso para otras iniciativas corporativas. El negocio aumentó sus conexiones de equilibrio de elementos para mejorar aún más el sistema de mantenimiento. Además, fusionó los artículos a lo largo de las líneas de productos y redujo su base de proveedores para descuentos en volumen.

Claramente grandes datos produce excelentes resultados.