Mit építesz
Minden AI bevezetésnél eljön a pillanat, amikor kiderül, hogy a gép jól dolgozik, az eredmény mégis rossz, mert az adat rossz. A partnertörzsben ugyanaz a cég háromszor szerepel, a cikktörzsben két mértékegység keveredik, és a vevő címe egy megjegyzés mezőben van.
Ezt mindenki tudja a cégben, és senki nem néz utána, mert a takarítás nagy munka, és mert mindig is így volt. Közben a riportok is ebből készülnek, tehát a hiba nem új, csak eddig nem derült ki.
Ez a projekt nem takarít. Hibalistát készít, bizonyítékkal és javaslattal, hogy a takarítás elkezdhető legyen, és hogy látszódjon, mekkora munka valójában. Javítani nem a gép fog.
Mire lesz szükséged
Partneradat személyes adatot is tartalmaz. Kapcsolattartó neve, telefonszáma, néha magánszemély címe. A duplikátumkereséshez elég a cégnév, az adószám és a cím, a kapcsolattartói oszlopokat ki lehet hagyni. Vállalati előfizetés kell hozzá.
A projekt öt lépésben
Válassz egy törzset és egy kérdést
Partnertörzs vagy cikktörzs, és mellé egy konkrét kérdés, amire az adatnak választ kell adnia. Például hogy hány aktív vevőnk van, vagy hogy egy cikkből mennyit adtunk el tavaly.
A kérdés nélkül minden hiba egyformán fontosnak látszik, és a takarítás soha nem ér véget. A kérdéssel kiderül, hogy a megjegyzés mező rendetlensége nem érdekes, az viszont igen, hogy ugyanaz a vevő háromszor szerepel.
Írd le, mitől helyes egy sor
Tíz és húsz szabály bőven elég. Kötelező mezők, formátumok, és az a néhány megkötés, ami a cégnél igaz.
- Minden aktív partnernek van adószáma
- A cikkszám formátuma kötött, és egyedi
- Az ár mindig nettó, forintban
- Minden cikkhez pontosan egy mértékegység tartozik
Ez a lista a mérce. Nem általános adatminőségi elmélet kell, hanem az, ami ennél a cégnél igaz, mert a hibát ahhoz képest lehet megállapítani.
Futtasd a gépi ellenőrzést a formátumokra
Adószám hossza és ellenőrző számjegye, irányítószám, dátumformátum, mértékegység a megengedett listából, üres kötelező mező. Mindez képlettel megy a táblázatban.
Ehhez nem kell AI, és nem is érdemes. A képlet gyorsabb, olcsóbb, és egy év múlva is ugyanazt az eredményt adja ugyanarra az adatra.
Kerestess duplikátumot és ellentmondást nyelvi modellel
Itt kezdődik az, amit képlettel nehéz. Ugyanaz a cég Kft. és KFT. végződéssel, a név elírva, a rövidített és a teljes cégnév külön soron, két cím ugyanarra a telephelyre.
A bizonytalanság jelzése itt sokat ér. Két azonos nevű, de különböző adószámú cég létezik, és egy magabiztos összevonási javaslat ilyenkor komoly kárt okozna.
Készíts javítási listát, de ne javíts automatikusan
A kimenet egy táblázat. Soronként a hiba típusa, az érintett azonosítók, a bizonyíték, a javaslat, és egy üres oszlop a döntésnek.
A gazda megnevezése nélkül ez a lista is elalszik. Minden hibatípusnak legyen egy felelőse, és legyen egy határidő, mert enélkül a következő negyedévben ugyanez a lista készül el újra.
A javítás sorrendje számít. Előbb a duplikátumokat kell rendezni, aztán a hiányzó mezőket pótolni. Fordítva kétszer dolgozik az ember, mert a pótolt adat egy részét később úgyis összevonják.
Amit a végén tudsz
Van egy hibalistád gazdával, és tudod, mekkora munka a takarítás. Ennél fontosabb, hogy a húsz helyességi szabály leírva áll, és onnantól az új adat felvitelénél is ez a mérce.
A mérce az első lépés kérdése. Ha arra a kérdésre a takarítás után megbízható választ kapsz, a munka elérte a célját. Ha nem, akkor még van egy hibatípus, ami nem került a listára.
Hol használd a cégben
Ha ebből rendszer lenne
Egy törzsadat ellenőrzés egy délután alatt felépíthető. Azt, hogy a cégben több helyen is így menjen, és fél év múlva is használják, már szervezeti munka. A négyhetes AI intenzív erről szól, a sales, a pénzügy és az operáció csapatával tizenöt és húsz közötti valódi folyamatot építünk át.
További projektek a Projektek oldalon. A témához tartozik az adattisztítás AI projektekhez kurzus a KD AI Academyben.