Качество данных и сексизм
Часто по рабочей необходимости разбираю чужой программный код. И иногда попадается потрясающее...
НовоеФизЛицо.Пол = Перечисления.ПолФизическогоЛица.Женский; НовоеФизЛицо.ДатаРождения = ТекущаяДата();
Ну то есть прямо без условий. Без всяких лишних сомнений считалось, что все продавцы магазинов одежды - женщины. А хранение даты записи в дате рождения делает дам необычайно юными. Да это же оголтелый сексизм с неприкрытым эйджизмом! Интересно было бы глянуть на тех. задание :-) Не поленился - проверил. Доля худшей половины человечества в магазинах исчезающе мала, но они есть. В общем, будучи перфекционистом, глюк исправил, хотя в рознице это ни на что не влияло. И что? А ничего! Загружается из кадровой программы очередной новый сотрудник с женским ФИО и... мужским полом. Вот это поворот! Возникло было подозрение на современную европейскую толерантность, но я его решительно отверг. Значит, просто ошибка кадровика...
Что же это делается, как ни крути всплывают недоразумения. А ответ прост. В обоих случаях была попытка упростить труд людей, чтобы меньше вводили данных, чтобы не утруждали себя, зайки, лишней нудной работой. Правда результат таких экспериментов оказался впечатляющим.
А теперь серьезно. Все эти откуда-то взявшиеся лозунги о системе одного ввода и дальнейшей автоматической миграции данных, о бесшовной интеграции для уменьшения ручных операций - все это просто маркетинг и стремление к сокращению фонда оплаты труда. Все это конечно нужно, но куда важнее, так называемое, качество данных.
Основными критериями качества являются полнота, достоверность, точность, согласованность, доступность и своевременность.
То есть неважно, сколько человеко-часов мы экономим при вводе, если при этом данные получаются некорректными (некачественными).
Так что же делать? Ведь первичку обычно вносят самые низкоквалифицированные сотрудники. Как же повысить качество данных? А секретов нет. Если такие явления, как например пересортица допустимы, можно не делать вообще ничего. И так сойдет. Сильно помогает штрихкодирование номенклатуры. Но если требуются именно качественные данные, нужна либо модерация (проверка) информации другим сотрудником (сотрудниками), либо метод автоматической сверки данных полученных из разных источников. Например, в контексте кадров, в компаниях с нормальными бизнес-процессами активно работает отдел охраны труда в своей базе данных, где кроме сотрудников есть соискатели (кандидаты), которые до трудоустройства обязаны пройти медосмотр и другие необходимые мероприятия. Просто периодически сравниваем эти данные с кадровыми и казусы, как вначале статьи, становятся очевидными и исправляются. Так же на ум приходит обязательная сверка чеков в учетной системе и на сервисе ОФД.
На самом деле, если проблему обобщить, то ошибки при создании контента допускают все и всегда. И это не только забавные опечатки и недопонимание особенностей языка. Бывают смысловые неточности и даже заблуждения. У серьезных работ всегда есть рецензенты (специалисты, эксперты в нужной области), которые внимательно читают и проверяют написанное. Поэтому одним из главных достижений эпохи интернета являются блоги. Статьи и лонгриды, которые может писать любой человек, с возможностью комментирования читателями. Люди таким образом помогают друг другу, становясь добровольными рецензентами, и часто мысли в комментариях качественно дополняют авторский текст.
Вывод как всегда прост - в одиночку ни у кого ничего не получится, даже у роботов.