1. INFORMATION QUALITY RETURN ON INVESTMENT Prezentace z pracovních snídaní září 2005 až prosinec 2006 Ing. Jaroslav Kalvoda
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13. Vymezení pojmů - Souvislosti Informační kvalita Datová kvalita Vztah informací a dat informace = f(data, definice, prezentace )
14.
15.
16.
17.
18. Ztráty na zásilkách 450 000 Kč 3 750 000 Kč Z tráta na kampani celkem 300 000 Kč 2 500 000 Kč Ztráta na letácích 150 000 Kč 1 250 000 Kč Ztráta na poštovném 20 Kč 20 Kč Cena letá ku 10 Kč 10 Kč Cena poštovného 15 000 125 000 Počet ztracených klientů 485 000 375 000 Počet oslovených klientů 3% 25% Chybovost databáze 500 000 500 000 Počet adres v databázi Vyčištěná data Původní data Porovnání kampaní
19.
20. Ušlý zisk 3 000 000 Kč 25 000 000 Kč Ušlý zisk 97 000 000 Kč 75 000 000 Kč Celkový zisk 20 000 Kč 20 000 Kč Průměrný zisk na zakázce 4 850 3 750 Počet uzavřených zakázek 1% 1% Účinnost kampaně 15 000 125 000 Počet ztracených klientů 485 000 375 000 Počet oslovených klientů 3% 25% Chybovost databáze 500 000 500 000 Počet adres v databázi Vyčištěná data Původní data Porovnání kampaní
21.
22.
23.
24.
25. Nedoručené faktury 0 Kč 10 500 000 Kč Celkové zpoždění plateb 0 dnů 1 den Průměrné zpoždění platby 700 Kč 700 Kč Průměrná cena na faktuře 0 15 000 Počet opožděných faktur 0% 3% Chybovost PSČ 500 000 500 000 Počet adres v databázi Vyčištěná data Původní data Opožděné platby
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38. Metodologie zvýšení kvality informací Informační kvalita Datová kvalita Vztah informací a dat informace = f(data, definice, prezentace ) Metodik y IQ např. TIQM Nástroj e DQ např. Trillium
39. Metodologie zvýšení kvality informací Informační kvalita Datová kvalita Vztah informací a dat informace = f(data, definice, prezentace ) TIQM Nástroj e DQ např. Trillium
40. Metodika TIQM P1 Hodnocení kvality definice dat a informační architektury P2 Hodnocení kvality informací P3 Hodnocení nákladů na nekvalitní informace P4 Reengineering a čištění dat P5 Zlepšení kvality informačních procesů Zhodnocení kvality definice dat Zhodnocení kvality informací Poměr hodnoty a nákladů na informaci Vyčištěná data Zlepšená kvalita informací P6 Tvorba prostředí podporující kvalitu informací Zdroj: Information Impact International
41. Metodika TIQM P1 Hodnocení kvality definice dat a informační architektury P2 Hodnocení kvality informací P3 Hodnocení nákladů na nekvalitní informace P4 Reengineering a čištění dat P5 Zlepšení kvality informačních procesů Zhodnocení kvality definice dat Zhodnocení kvality informací Poměr hodnoty a nákladů na informaci Vyčištěná data Zlepšená kvalita informací P6 Tvorba prostředí podporující kvalitu informací Zdroj: Information Impact International S1.1 Identifikace prostředků pro kvalitní definici dat S1.2 Vymezení skupin informací, které budou hodnoceny S1.3 Identifikace zainteresovaných stran S1.4 Technické hodnocení definice dat S1.5 Hodnocení kvality architektury a designu DB S1.6 Hodnocení spokojenosti uživatelů s definicí dat
42. Metodika TIQM P1 Hodnocení kvality definice dat a informační architektury P2 Hodnocení kvality informací P3 Hodnocení nákladů na nekvalitní informace P4 Reengineering a čištění dat P5 Zlepšení kvality informačních procesů Zhodnocení kvality definice dat Zhodnocení kvality informací Poměr hodnoty a nákladů na informaci Vyčištěná data Zlepšená kvalita informací P6 Tvorba prostředí podporující kvalitu informací Zdroj: Information Impact International S2.1 Identifikuje skupinu informací, která bude předmětem šetření. S2.2 Určují se kriteria , která budou předmětem zkoumání. S2.3 Dokumentuje řetězec vzniku nákladů a zhodnocení informace. S2.4 Výběr souborů a procesů ke zhodnocení. S2.5 Určení zdrojů, proti kterým budou data validována. S2.6 Získání náhodných vzorků dat. S2.7 Měření informační kvality S2.8 Interpretace a reporting informační kvality
43. Metodologie zvýšení kvality informací Informační kvalita Datová kvalita Vztah informací a dat informace = f(data, definice, prezentace ) Metodik y IQ např. TIQM Nástroj e DQ např. Trillium
44. Metodologie zvýšení kvality informací Informační kvalita Datová kvalita Vztah informací a dat informace = f(data, definice, prezentace ) Metodik y IQ např. TIQM Nástroj e DQ
45. Nástroje pro zvýšení kvality dat Repository Zdrojová data Profiling ETL Obohacení Provázání Integra ce Standardizace Etapy procesu čištění dat Profiling
46.
47.
48.
49.
50. Přehled světového trhu DQ Tools Zdroj: META Group, Inc, 2004 Business Objects IBM Informatica Konsolidace světového trhu DQ Tools svědčí o přesunu zájmu vendorů i klientů k oblasti datové kvality
56. Vyhodnocení návratnosti investic 575 000 000 Celková ztráta na kampaních za 5 let 5 Počet sledovaných let 4 Počet kampaní za rok 28 750 000 Celková ztráta na kampani 25 000 000 Ušlý zisk na kampani 3 750 000 Ztráty na zásilkách Původní data Porovnání kampaní
57. Vyhodnocení návratnosti investic Celkem 6 000 000 Náklady na zvýšení kvality dat za 5 let 1 200 000 Roční náklady na správu dat 0 Roční poplatek za údržbu 0 Nástroj na zvýšení kvality dat 575 000 000 Celková ztráta na kampaních za 5 let 5 Počet sledovaných let 4 Počet kampaní za rok 28 750 000 Celková ztráta na kampani 25 000 000 Ušlý zisk na kampani 3 750 000 Ztráty na zásilkách Původní data Porovnání kampaní
58. Vyhodnocení návratnosti investic 581 000 000 Celkem 6 000 000 Náklady na zvýšení kvality dat za 5 let 1 200 000 Roční náklady na správu dat 0 Roční poplatek za údržbu 0 Nástroj na zvýšení kvality dat 575 000 000 Celková ztráta na kampaních za 5 let 5 Počet sledovaných let 4 Počet kampaní za rok 28 750 000 Celková ztráta na kampani 25 000 000 Ušlý zisk na kampani 3 750 000 Ztráty na zásilkách Původní data Porovnání kampaní
59. Vyhodnocení návratnosti investic 581 000 000 Celkem 6 000 000 Náklady na zvýšení kvality dat za 5 let 1 200 000 Roční náklady na správu dat 0 Roční poplatek za údržbu 0 Nástroj na zvýšení kvality dat 575 000 000 Celková ztráta na kampaních za 5 let 5 Počet sledovaných let 4 Počet kampaní za rok 28 750 000 Celková ztráta na kampani 25 000 000 Ušlý zisk na kampani 3 750 000 Ztráty na zásilkách Vyčištěná data Původní data Porovnání kampaní
60. Vyhodnocení návratnosti investic 581 000 000 Celkem 6 000 000 Náklady na zvýšení kvality dat za 5 let 1 200 000 Roční náklady na správu dat 0 Roční poplatek za údržbu 0 Nástroj na zvýšení kvality dat 69 000 000 575 000 000 Celková ztráta na kampaních za 5 let 5 5 Počet sledovaných let 4 4 Počet kampaní za rok 3 450 000 28 750 000 Celková ztráta na kampani 3 000 000 25 000 000 Ušlý zisk na kampani 450 000 3 750 000 Ztráty na zásilkách Vyčištěná data Původní data Porovnání kampaní
61. Vyhodnocení návratnosti investic 581 000 000 Celkem 22 000 000 6 000 000 Náklady na zvýšení kvality dat za 5 let 2 400 000 1 200 000 Roční náklady na správu dat 1 000 000 0 Roční poplatek za údržbu 5 000 000 0 Nástroj na zvýšení kvality dat 69 000 000 575 000 000 Celková ztráta na kampaních za 5 let 5 5 Počet sledovaných let 4 4 Počet kampaní za rok 3 450 000 28 750 000 Celková ztráta na kampani 3 000 000 25 000 000 Ušlý zisk na kampani 450 000 3 750 000 Ztráty na zásilkách Vyčištěná data Původní data Porovnání kampaní
62. Vyhodnocení návratnosti investic 91 000 000 581 000 000 Celkem 22 000 000 6 000 000 Náklady na zvýšení kvality dat za 5 let 2 400 000 1 200 000 Roční náklady na správu dat 1 000 000 0 Roční poplatek za údržbu 5 000 000 0 Nástroj na zvýšení kvality dat 69 000 000 575 000 000 Celková ztráta na kampaních za 5 let 5 5 Počet sledovaných let 4 4 Počet kampaní za rok 3 450 000 28 750 000 Celková ztráta na kampani 3 000 000 25 000 000 Ušlý zisk na kampani 450 000 3 750 000 Ztráty na zásilkách Vyčištěná data Původní data Porovnání kampaní
Slovo data pochází z Latiny a znamená „Dát“, profile – z AJ – analyzovat banky jsou orientované produktově a je hodně projektů na datovou integraci
míra závislosti účasti na trhu a výkonem určuje hranice úspěšnosti, které jsou znázorněny dvěmi linkami hranicemi úspěchu. presence – vize/strategie, kanály/partneři, reputace, geografické pokrytí, investice, procento trhu performace – technologie, služby, cenová politika, hbitost, lidské zdroje, solventnost všichni vendoři mají standardizaci…., ale leaři mají také konektory a větší lokalizace pro jednotlivé země
míra závislosti účasti na trhu a výkonem určuje hranice úspěšnosti, které jsou znázorněny dvěmi linkami hranicemi úspěchu. presence – vize/strategie, kanály/partneři, reputace, geografické pokrytí, investice, procento trhu performace – technologie, služby, cenová politika, hbitost, lidské zdroje, solventnost všichni vendoři mají standardizaci…., ale leaři mají také konektory a větší lokalizace pro jednotlivé země
It is a component based GUI, all parameters can edited using it.
14 mil. špatných trx. každé čtvrtletí produkty jsou lokalizovány do 30 jazyku a prodavany v 50 zemich