28 Giu

Il valore della qualità del dato nel PLM

La trasformazione digitale non è solo un trend

Le aziende manifatturiere si preparano al futuro digitale. La trasformazione digitale è uno dei topic trend (leggi anche “10 regole per guidare la trasformazione digitale”.

Ma cosa significa precisamente trasformazione digitale per i dati nelle aziende di progettazione? 

La realtà delle imprese di questo settore è un insieme complesso di dati e sistemi IT. Tutti insieme, i dati sono gestiti da più sistemi storicamente creati ad uso dipartimentale e per funzione aziendale. Ma questo non è tutto. La moderna organizzazione della Produzione si sta muovendo verso una disintegrazione ancora maggiore. Per ottimizzare costi, prestazioni, accesso globale a risorse e forniture, le aziende manifatturiere sono ottimizzate con un set di funzioni molto specifico. I livelli degli appaltatori e dei fornitori sono costruiti per tenerlo attivo. E ciò crea un ulteriore livello di complessità dei dati.

Il prezzo della scarsa qualità del dato

Con riferimento ad un interessante articolo di Guido Treur il prezzo della scarsa qualità dei dati, il punto chiave su cui riflettere è: i dati di scarsa qualità non sono migliori dell’assenza stessa di dati. Il focus è soprattutto sui dati frammentati, sull’evoluzione dei dati e dei processi nelle aziende manifatturiere. 

Ecco un passaggio: 

[perfectpullquote align=”full” cite=”” link=”” color=”” class=”” size=”12″] Il punto cruciale del problema è che man mano che le aziende crescono, i loro dati business-critical diventano frammentati. Non esiste un quadro generale perché è disseminato tra le applicazioni, incluse le applicazioni locali. A mano a mano che questo cambiamento si verifica, i dati business-critical diventano incoerenti e nessuno sa quale applicazione abbia le informazioni più aggiornate. Riduce la produttività e costringe le persone a fare un sacco di lavoro manuale. Il New York Times ha definito questo come un addetto alle pulizie, un lavoro dove l’apporto manuale è ancora molto necessario – ciò che i data scientists chiamano Data Wrangling (campionamento dei dati), Data Munging e Data Cleaning. I data scientist, secondo le stime degli esperti, trascorrono dal 50 all’80% impegnati in questo lavoro più ordinario di raccolta e preparazione di dati digitali frammentati e non coerenti, prima che possano essere sfruttati come una miniera di pepite d’oro.   [/perfectpullquote]

La frammentazione del dato è un aspetto critico

Tempo fa era accettato come buona prassi il mantenere i dati nell’Area Tecnica per asservire i processi interni di Progettazione ed Engineering.
La Pianificazione della Produzione era una funzione separata, gestita da un insieme separato di sistemi. Anche le Vendite e il Service erano separati.
La connessione dati e il passaggio di consegne tra i sistemi era importante, ma non fondamentale e necessario.
Con l’aumentare della velocità di produzione, il mercato globale e la complessità della supply chain si sono generati nuovi sistemi di dati. E la frammentazione dei dati è un vero problema per un efficace decision making nelle aziende.
E ora, mentre l’industria si sta spostando verso la Digital Transformation, la questione della frammentazione dei dati e della qualità dei dati sta diventando un aspetto critico.
Da un lato, l’azienda non può migliorare la qualità dei dati da un giorno all’altro. D’altra parte una delle battaglie che il PLM affronta nella fase di implementazione è la scarsa qualità dei dati. 

Ma come si misura la qualità del dato?

Una delle cose più importanti che influisce sulla qualità dei dati è la duplicazione dei dati su più sistemi. Quando accade, errori e duplicati sono dietro l’angolo. Il primo passo verso una corretta integrazione è vedere dove sono conservati i dati e combinarli in modo coerente. Qui può essere estremamente vantaggioso investire in strumenti di comprovata qualità e accuratezza per aiutare a coordinare e sincronizzare le informazioni tra i database. E strutturare processi per creare un livello coerente di dati che rappresentano la connessione dati e gli aggiornamenti può essere estremamente utile.

Una delle tendenze recenti è presentare il PLM come la soluzione principe di gestione dei dati esistenti. Se questa è una buona strategia per prevenire il big bang del replace, la questione della qualità del dato non è da trascurare. Il modo in cui i dati sono connessi e sincronizzati definirà la qualità del sistema generale di gestione dei dati.

In conclusione

La trasformazione digitale richiederà una rivalutazione significativa delle metriche sulla qualità del dato. I vecchi modi di tenere i dati ‘sotto controllo’ potrebbero non essere sufficienti. I dati stanno diventando sempre più complessi e interconnessi. Fornire una valutazione della qualità dei dati dovrebbe essere al primo posto per coloro che si occupano di PLM ora e per i prossimi anni. 

E tu come misuri la qualità del dato nella tua azienda? Ritieni che i dati e le informazioni vengano gestite in modo corretto creando valore aggiunto?

Creare una base più sicura dell’informazione e dare la certezza di lavorare sempre su dati e documenti aggiornati è il primo passo del nostro lavoro quotidiano: contattaci e scopri cosa possiamo fare per te!

Fonte dell’articolo: beyondplm.com