Tematem „Automatyzacja procesów Master Data Management” wznowilismy cykl spotkań Data 5 o’clock.
Master Data vs Golden Record – czym się różnią?
Na początku omowiliśmy co to jest Master data oraz czym się różni od Golden Record.
Golden Record to jedno, wspólne źródło danych dla organizacji, któremu ufamy.
Masterdata to dane podstawowe nadające kontekst transakcjom, które odpowiadają na pytania kto, co, gdzie, itp.
Style integracji Master Data
Powiedzieliśmy sobie jakie są cztery wzorce (style) integracji masterdaty:
1) Rejestr
a. Dane podstawowe pozostają w systemach źródłowych.
b. Tworzy się centralny rejestr z kluczowymi identyfikatorami i minimalnym zestawem atrybutów.
2) Konsolidacja
a. Dane z systemów źródłowych są kopiowane i konsolidowane w centralnym repozytorium.
b. Służy głównie do raportowania i analizy.
3) Współistnienie
a. Dane są zarządzane zarówno w systemach źródłowych, jak i w centralnym hubie.
b. Synchronizacja odbywa się w obie strony.
4) Centralizacja
a. Dane podstawowe są zarządzane wyłącznie w centralnym hubie MDM.
b. Systemy źródłowe pobierają dane z tego hubu.
Automatyzacja w MDM – dlaczego jest ważna?
Po ustaleniu czym jest Master Data Management (MDM) przeszliśmy do omówienia zagadnienia Automatyzacji.
Automatyzacja pozwala na :
1) Oszczędzanie czasu pracy ludzi poprzez wyeliminowanie powtarzalnych i ręcznych czynności
2) Poprawienie jakości danych dzięki automatycznym regułom czyszczenia
3) Przyspieszenie procesów decyzyjnych i minimalizowanie ryzyk
4) Optymalizowanie wykorzystania zasobów i zwiększa efektywość podejmowania decyzji biznesowych
Zaczęliśmy od tego jakie metryki mogą zostać wykorzystane w celu automatyzacji tych procesów:
1) Metoda Levensteina – algorytm służący do mierzenia różnicy między dwoma ciągami znaków
2) Sandex – stosowane do precyzyjnego pozycjonowania i sterowania ruchem
3) BLEU (Bilingual Evaluation Understudy) – Metryka oceny jakości tłumaczeń maszynowych i generowanych tekstów.
4) ROUGE (Recall-Oriented Understudy for Gisting Evaluation) – Metryka oceny jakości streszczeń i generowanych treści.
5) Machine Learning / Gen AI
Obszary zastosowania Automatyzacji w Master data Management to:
1) Reguły czyszczenia danych
2) Przygotowywanie, wytwarzanie i przekształcanie danych
3) Podejmowanie decyzji biznesowych
4) Hierarchie i zasady akceptacji i zatwierdzania
5) Wyznaczenia warunków kiedy proces należy przenieść na AI a kiedy powinien to robić człowiek
6) Ryzyk popełnienia błędu oraz ich eliminowania
7) Pomiary efektywności oraz poziom wpływu na biznes
8) Poznawanie danych i ich analizowanie
9) Dokumentacja procesów oraz tworzenie definicji
10) Inne czynności lub zadania w obrębie etapów,kontrolowania, podejmowania decyzji i ich optymalzacji
Automatyzacja w MDM to nie tylko technologia, ale przede wszystkim strategia poprawy jakości danych i efektywności procesów. W kolejnych spotkaniach będziemy zgłębiać praktyczne przykłady wdrożeń oraz narzędzia wspierające automatyzację.