Kvalitetsstyring (TQM) i DW Funktionen - Data Warehousing i et Forsikringsselskab II

356 Kvalitetsstyring (TQM) i DW Funktionen NFT 4/2005 TQM er både en form for ledelsesfilosofi og en generel metode til kvalitetsstyring. TDWI [The Data Warehousing Institute, ved James Thomann] har tilpasset og udspecificeret TQM for anvendelse i et data warehouse. Denne artikel beskriver en yderligere tilpasning og udspecificering af TQM for anvendelse i et data warehouse i et forsikringsselskab. Jeg vælger her at skelne mellem på den ene side kvalitetsgrundlaget i form af de data, der formidles gennem data warehouse, og på den anden side kvaliteten i selve systemet, det vil sige data warehouse processen. TQM anven- des på sidstnævnte. Strengt taget kan det forekomme selvmod- sigende først at diskutere data kvalitet løs- revet fra TQM for hvor ”total” er så Total Quality Management? – Men selve kvaliteten af data i et data warehouse er trods alt et så fundamentalt begreb, at det berettiger til en selvstændig behandling. Det bør man ikke se bort fra for at tilpasse og underkaste sig et blødere og måske lidt modepræget begreb som TQM. Ligeledes gælder, at hvor TQM handler om ledelse og styring og kan siges at betegne en løbende proces, der sigter mod stadig forbed- Kvalitetsstyring (TQM) i DW Funktionen Data Warehousing i et Forsikringsselskab II af Morten J. Lintrup Morten Johan Lintrup er Civilingeniør, HD og arbejder som Data Warehouse ingeniør i Business Intelligence, Topdanmark Forsikring A/S. Under åren 2000-2004 var han redaktør af Nordisk Filatelistisk Tidsskrift, NFT, www.kpk.dk. I en tidligere artikel i NFT 3/2005 har jeg beskrevet formålet og visse overordnede principper for data warehouse funktionen i et forsikrings- selskab. Derefter kunne det være naturligt at søge at give et overblik over processerne og organiseringen indefra ved så at sige at ”gå en tur rundt i” data varehuset og beskrive, hvad man ser. I stedet vil jeg i denne artikel nærmest ”spænde vognen for hesten” og beskrive kvalitetsstyring i DW funktionen uden først at have beskrevet, hvad der skal styres. Når en sådan fremgangsmåde er valgt, skyldes det at TQM (Total Quality Management) kvalitetsstyring svarer til at lave et aftryk af hele den enhed, der styres på – et aftryk som nok er stærkt forenklet men dog stræber mod at være dækkende for helheden – så på den måde gives faktisk såvel en afspejling af hele data warehouse funktionen som en beskrivelse af en konkret metode i arbejdet. Morten Johan Lintrup mj@topdanmark.dk 357 Kvalitetsstyring (TQM) i DW Funktionen ring uanset det aktuelle stade, så beskriver data kvaliteten primært et basisnivo svarende til inputtet af data. Det basisnivo varierer typisk også over tid, men det påvirkes kun indirekte af ledelsen og styringen i selve data warehouset. På en populær måde siger ”GIGO sætnin- gen” – Garbage In, Garbage Out! – at hvis input ikke duer, så kan et system ikke lastes for at outputtet heller ikke duer. Omvendt er det også afgørende, at systemet leverer et output, der både kan bruges og faktisk bliver brugt. En høj datakvalitet skaber i sig selv ingen værdi, hvis data aldrig kommer fra lageret ud på hylderne i varehuset, eller hvis kunderne i forretningen ikke også finder den information, de skal bruge. Den samlede kvalitet af data warehouse er derfor såvel en funktion af indholdet af data som en funktion af den måde, data stilles til rådighed for brugerne. Lidt popsmart kan man dermed sige, at data warehouse kvalitet, Q(DW), bliver produktet af data kvalitet, Q(D), og warehouse kvalitet, Q(W) : Q(DW) = Q(D) * Q(W) Den algebraiske tolkning af ”produkt” og ”*” overlades til læseren. Multiplikation er blot én blandt mange muligheder. (Om end det er en nærliggende mulighed.) Data kvalitet, Q(D) Beskrivelse af data kvalitet kan nemt blive meget teknisk og meget tung og er ikke det primære formål med denne artikel. Der findes adskillige bøger om netop dette emne, se litteraturlisten. Jeg skal derfor nøjes med at gøre enkelte betragtninger, som jeg ikke har fundet i disse bøger. Ved en ekstrem overvågning af data kvali- tet er det teoretisk muligt at tilføje en kvali- tetsbeskrivelse til hvert enkelt felt i hver en- kelt række i enhver tabel. Derved kan kvali- tetsovervågningen i sig selv blive lige så tung – eller endnu tungere – end det system, den beskriver. Jeg kan ikke afvise, at noget sådant kan have sin berettigelse inden for fx atom- kraftindustri eller rumfart, – men inden for forsikring må det forkastes. Og hvor skal man ende, for hvordan beskrives kvaliteten af alle de kvalitetsdata? Omvendt kan man heller ikke nøjes med et simpelt kvalitetsstempel på tabelnivo. Den naturlige detaljeringsgrad for at beskrive da- takvaliteten er derfor på rækkenivo. Men en række i en tabel har mange felter. Den er derfor en heterogen størrelse, hvis kvalitet man kan ønske at karakterisere på forskellige måder. Det frembyder et problem. Problematikken er imidlertid velkendt og særdeles gennemarbejdet på et andet område. En række kan siges at svare til en ”patient”, og et kvalitetsstempel kan siges at svare til en ”diagnose”. Og hvordan én eller flere medi- cinske diagnoser hensigtsmæssigt kan knyt- tes sammen med hver enkelt patient findes beskrevet adskillige steder i litteraturen om data warehousing. Warehouse kvalitet, Q(W) Kommet så vidt er vi fremme ved warehouse kvaliteten, Q(W), og TQM. TQM warehouse kvalitet ifølge TDWI er et stærkt hierarkisk struktureret begreb, – defi- neret fra oven. Ved en første disaggregering opdeles warehouse kvalitet i tre kvalitetstyper: a. forretningskvalitet, b.kommunikativ kvalitet, ”information qua- lity for political success”, c. teknisk kvalitet. God forretningskvalitet er når data warehouse er tilpasset både virksomhedens eksterne mil- jø, dens forretningsstrategier og dens forret- ningsplaner. God kommunikativ kvalitet er når data og informationer fra data warehouse bliver for- stået i forretningen, når ud til de rigtige mod- tagere, og når ydelserne fra DW stemmer 358 Kvalitetsstyring (TQM) i DW Funktionen overens med modtagernes forventninger til dem. Teknisk kvalitet er når adgangen til ydelser fra data warehouse udbredes til de relevante brugere i forretningen og giver disse de rette informationer (i rette tid). Endvidere skal DW funktionen besidde tilpasningsevne i forhold til udviklingen i IT og forretningen, og den øvrige organisation skal kunne og ville være en konstruktiv medspiller i forhold til ydelser og initiativer fra DW. Derfor udspecificeres kvalitetstyperne for DW yderligere som følger : a.1 Fokus på eksterne ’drivere’, – i samfun- det, fx teknologisk, og i forsikringsbran- chen. a.2 Strategisk tilpasning, – med overordne- de forretningsmål. a.3 Taktisk understøttelse, – af detaljerede forretningsplaner. b.1 Forståelse, – så informationerne fra DW anvendes korrekt i forretningen. b.2 Adgang (faktisk), – for de rette brugere, alle de rette brugere og kun de rette bru- gere. b.3 Tilfredshed (oplevet), – hos strategisk an- svarlige og taktisk udførende DW bruge- re. c.1 Udbredelse, – til de relevante DW bruge- re i forretningen. c.2 Dækning, – med relevante DW data og ydelser til brugere i forretningen. c.3 Tilpasningsevne, – i DW i forhold til den tekniske og forretningsmæssige udvik- ling. c.4 Parathed [capability], – i den samlede organisation til at anvende, drive og ud- vikle DW. Kommet så langt, tages der fat på at operatio- nalisere begreberne, så TQM føres fra retorik til praktik. Det sker i første omgang ved at formulere målsætninger. Målsætningerne markerer bevidste valg – og dermed nødven- digvis i næsten lige så høj grad fravalg – af fokus for DW. Fælles for valgene af målsætninger er et ønske om en underliggende målbarhed. Den- ne underliggende målbarhed kan være såvel objektivt baseret, fx antallet af læsninger af DW rapporter fra en server, – som subjektivt baseret, fx brugertilfredshed ifølge spørge- skemaundersøgelser. Målbarheden af målsætningerne i TQM udmøntes gennem en struktureret arbejdspro- ces over flere underliggende nivoer. Det sam- lede hierarki af begreber er som følger : • målsætninger (min. 2 per kvalitetstype, i alt max. 10), • spørgsmål (1-3 per målsætning), • metrikker (1 per spørgsmål), • målepunkter (typisk 1-2 per metrik. Metrik og målepunkt kan være identiske), • måleplan (for hvert målepunkt, men nu inkl. en tidsdimension), • analyseplan (svarende til hvert spørgsmål), • strategi for vægtning og ny aggregering svarende til overordnede kvalitetsmål. For planlægning og valg af målsætningerne for DW er det vigtigt at inddrage alle relevante interessenter og ressourcer: Opdragsgiver(e) over og bag hele DW initiativet, brugere uden for DW og udviklere i DW, såvel som et foreliggende arbejdspapir eller kommissori- um for DW. Konkret kan der i denne artikel kun gives sporadiske informationer angående mulige valg af operationelle målsætninger. Når bortses fra meget primitive og indirekte mål, beskrives DW’s forretningsmæssige kva- litet formentlig bedst gennem målsætning om periodiske review af DW i forhold til den teknologiske udvikling og selskabets strategi- er og taktiske mål. Den slags review kan bringes på en fast form, der lige som regel- mæssige brugerundersøgelser giver mulig- hed for at følge en tidslig udvikling. Udover ved brugerundersøgelser afspejles 359 Kvalitetsstyring (TQM) i DW Funktionen DW’s informative kvalitet blandt andet ved brugen af DW specifik software og dokumen- ter. Bemærk at brugernes mulige adgang til DW dokumenter kan sikres fx ved at disse udsendes med epost. Dette har dog i sig selv intet med informativ kvalitet at gøre men vedrører dækningen (c.2). – Informativ kvali- tet kan man først tale om i det øjeblik modta- gerne faktisk vælger at åbne mailen, – eller måske endnu bedre: når og hvis de aktivt trækker informationerne fra en DW server, som mailen kan have adviseret dem om er blevet opdateret. Forståelse (b.1) af DW ydel- ser kan fx relatere sig til at DW brugere tilgår nye informationer inden for passende kort tid efter de er adviseret om dem. Forståelse kan også indikeres af at avancerede DW brugere vælger at anvende bestemte moduler og funk- tioner, som tillader dem at arbejde selvstæn- digt videre med rapporter og data i DW. Med hensyn til teknisk kvalitet er udbredel- se (c.1) og dækning (c.2) utvivlsomt de enkle- ste at måle på. Men det kræver et betydeligt arbejde med at kortlægge en norm (reference, baseline, …) svarende til ”fuld” udbredelse og ditto dækning af DW. Dette arbejde er dog under alle omstændigheder højst ønskeligt og lærerigt for samarbejdet mellem DW og re- sten af organisationen og bidrager kraftigt til at skabe og afstemme gensidigt realistiske forventninger. Med tilpasningsevne (c.3) og parathed (c.4) kommer vi igen ind på områder, der ikke kan betegnes som ”naturligt målfaste og kvantifi- cérbare”. Men med lidt god vilje og beslut- somhed er en række forhold faktisk mulige at sætte tal på. Hvordan følger udviklingen af DW fx de planer der lægges? Med en detaljeret planlæg- ning følger et naturligt behov for løbende bearbejdning af planerne, – noget bliver for- sinket, andet bliver færdigt og nyt kommer til. Med en bevidst og kritisk holdning til plan- lægningen er det muligt at skelne mellem reaktive, neutrale og (pro)aktive tilpasninger af planerne. Og hvordan bliver da forholdet mellem reaktive og proaktive tilpasninger? En lignende information kan alternativt udle- des af ugentlige statusmødereferater. Eventu- elt kan to personer arbejde sammen om at diskutere og afstemme en sådan løbende ra- ting af udviklingen. Tiden fra idé til implementering er en anden parameter, som kan tænkes kvantificeret. Står Vignetterne viser tre frimærker med forsikringstema udgivet 2004-05 af Israel (6/7-04; Nat. Insurance Inst. 50 y.), Italien (28/6-05; Insurance Inst. f. the Maritime Sector (IPSEMA)) og Egypten (26/1-05; Mohandès Insurance Co. Silver Jub.). 360 Kvalitetsstyring (TQM) i DW Funktionen selv mindre ønsker om tilpasning og udvik- ling af DW parkeret for længe på en ”to do” liste før de eventuelt bliver realiseret, eller er der en fornuftig ”gennemstrømning” af initi- ativer? Planlagte og regelmæssige kontakter mel- lem DW og den øvrige organisation kan ses som en tredje mulig parameterbasis. Gen- nemføres møder og præsentationer omtrent som forudset? – Eller præges de af hyppige udsættelser, talrige afbud eller andre sympto- mer på problemer i samarbejdet? Afslutning TQM er en proces, hvormed man kan følge kvalitetsudviklingen i data warehouse. Det er først i kraft af en tidslig udvikling, TQM’s egentlige værdi og formål realiseres. Deraf følger dog ikke, at alle kvalitetsmålinger skal udføres med samme frekvens. Strategiske re- view og brugerundersøgelser er ifølge sagens natur langt mere ressourcekrævende end op- summering af aktiviteten på en DW server. Blandt andet af den grund bør de to ting udføres med helt forskellig frekvens. Det er ingen hindring for at implementere TQM, at visse måltal inkluderes med en trinfunktion eller ved interpolation. TQM harmonerer med den gamle sandhed ”you can’t fix that which you can’t measure”. Men TQM er ingen krystalkugle og må heller ikke blive hverken en sovepude eller en spæn- detrøje. Som nævnt må selve datakvaliteten bedømmes på anden vis, og der vil yderligere forekomme både usikre målinger og bevidste fravalg af fokusområder. Derfor bør TQM suppleres med et løbende realitetstjek i form af vurdering og opfølgning også på de områder, det p.t. er valgt ikke at sætte målbart fokus på. Afslutningsvis får disse forhold mig til at foreslå, at en TQM implementering med ind- bygget fremtidssikring og udviklingsmulig- hed med fordel kan rumme både de egentlige målsætninger og hvad man kunne betegne som ”kandidatmålsætninger”, – begge typer veldefineret målbare. Eksempelvis kunne man i en TQM imple- mentering definere 8 aktuelle målsætninger og 2-4 kandidatmålsætninger – eller ”boblere” – således at behov for justering af fokus i kvalitetsledelsen kan gennemføres uden mo- mentant tab af kontinuitet og historik i forbin- delse med omprioritering blandt målsætnin- gerne. Samtidig kunne en sådan fremgangs- måde i sig selv være befordrende for engage- mentet og forståelsen for kvalitetsprocessen i det afgørende nødvendige samarbejde med alle betydende interessenter med henblik på valg og fravalg af de egentlige målsætninger. Artiklens indhold er alene forfatterens ansvar og en afspejling hans læsning og erfaringer. Litteratur English, Larry P: Improving Data Warehouse and Business Information Quality - Methods for Reducing Costs and Increasing Profits, Wiley publ. 1999, 544 p. Kimball, Ralph og Margy Ross: The Data Ware- house Toolkit, 2nd Ed., Wiley publ. 2002, 440 p. http://www.kimballgroup.com/ Lintrup, Morten J: Data Warehousing i et Forsik- ringsselskab, Nordisk Forsikringstidsskrift 3/ 2005 (86. årg.), 293 pp. Olson, Jack E: Data Quality, The Accuracy Di- mension, Morgan Kaufmann Publ. 2003, 294 p. Thomann, James: Total Quality Management for Data Warehousing, 2003. Kursusmateriale for TDWI, The Data Warehousing Institute: http:// www.tdwi.org/