Wspólnym mianownikiem i początkiem każdej analizy jest konieczność zdobycia jak najszerszego obrazu rzeczywistości, która będzie poddana badaniu. W przeciwieństwie do analiz danych twardych, gdzie można zastosować cały matematyczno-statystyczny aparat, żeby „rozłożyć rzeczywistość na czynniki pierwsze”,  analiza informacji miękkich, nieliczbowych, wymaga innego podejścia.

Analizy danych miękkich

Jeśli analizowane informacje nie będą wyrażone w formie liczbowej, konieczne jest zastosowanie tłumaczenia danych na język matematyki. Dobrym przykładem będzie określenie np. „szczegółowych przyczyn” danego zjawiska, przypisanie im wag (np. częstotliwości występowania lub inaczej wyrażonej istotności), następnie zestawienie ich w „kategorie przyczyn” i podliczenie ważonej liczebności poszczególnych kategorii. W prostym przełożeniu da to pogląd na wpływ określonych czynników na badany obszar.

Działanie w praktyce

Poniżej przedstawię przykład analizy danych miękkich, który pokazuje krok po kroku tok rozumowania. Przykład bazuje na rzeczywistej analizie, wykonanej dla jednego z naszych klientów. Metodologia jest oparta o moje doświadczenia i w praktyce dawała bardzo dobre rezultaty, choć oczywiście nie jest jedynym właściwym podejściem do analizowanego zagadnienia.

Kontekst:

Klient posiada linię produkcyjną, na której proces produkcji jest wspomagany przez dedykowany System Informatyczny (SI). SI został zaprojektowany, bez zastosowania usystematyzowanych metodyk projektowania, bez odpowiedniego udokumentowania, przez własnego programistę firmy. W momencie tworzenia linii produkcyjnej – Firma K skupiona była na produkcji ograniczonego asortymentu, która została odzwierciedlona w zakodowanych „na sztywno” parametrach dotyczących procesu.

Obecnie firma chcąc zwiększyć skalę swojego biznesu – chce rozszerzyć asortyment przepływający przez linię produkcyjną, musi zatem dostosować SI. Na etapie wdrażania zmian pojawiają się znaczne problemy z jakością nowych funkcjonalności. Dodatkowo zmiany negatywnie wpływają na dotychczas realizowany proces – prowadząc do błędów na produkcji i przestojów linii produkcyjnej. Klient zamówił analizę, której wynikiem ma być rekomendacja dla dalszego rozwoju SI.

Analiza:

1) Źródła problemów – kluczowe czynniki.

Konstruujemy możliwie najszerszą listę przyczyn pojawiających się oraz skutków problemów z SI u Klienta. Wymieniamy wszystkie pary przyczyna-skutek (relacja wiele-do-wielu).

2) Podział czynników na wtórne i pierwotne.

Oznaczamy przyczyny wtórne (wtórna to przyczyna, będąca skutkiem innej) – Tabela 1.

3) Szacowanie potencjału czynników.

Określamy „stopień dziedziczenia” każdej przyczyny tj. ile razy jej skutek pojawia się jako przyczyna wtórna. (pomarańczowe oznaczenie w Tabeli 1).

Tabela 1:

tabela1

4) Walidacja czynników pierwotnych.

Wybieramy przyczyny pierwotne i sumujemy liczbę wystąpień ze stopniem dziedziczenia – uzyskując tym samym wartość „Istotność”. Istotność określa siłę negatywnego wpływu danej przyczyny na zagadnienie, ma ona wartość poglądową, przy braku dodatkowych informacji –  daje wskazówkę, które zagadnienia warto zaadresować w pierwszej kolejności.

Tabela 2:

tabela2

5) Rekomendacja.

Na tym etapie mamy wyszczególnione i ułożone w kolejności począwszy od najbardziej istotnej – przyczyny/czynniki pierwotne, do których zaproponowano działania naprawcze.

Tabela 3:

tabela3

Proponowane podejście umożliwiło w szybki i wiarygodny sposób identyfikację rzeczywistych źródeł problemów w obszarze utrzymania i rozwoju SI u Klienta. Dzięki nadaniu miękkim danym charakterystyk liczbowych – możliwa była prosta walidacja siły wpływu poszczególnych czynników na analizowany obszar.

 

Podobne