در تمام زندگی ام برای مدیریت وزنم تلاش کرده ام. من احتمالاً 1000 پوند در زندگی ام کم کرده ام، اما مشکل این است که 1050 پوند اضافه کرده ام. اگر واقعاً می‌خواستم برای همیشه وزن کم کنم، عادت‌های بد غذایی قدیمی‌ام را برای همیشه کنار می‌گذاشتم، نه اینکه آنها را برای مدتی در طول رژیم به حالت تعلیق درآورم و به محض اینکه به اندازه کافی وزن کم کردم دوباره آنها را برگردانم. برای دگرگونی واقعی، عادات قدیمی و منفی باید بمیرند.

ما در مورد تحول دیجیتال زیاد شنیده ایم. واقعاً دو، شاید سه عنصر تحول دیجیتال وجود دارد. اولین عنصر بستر فناوری مناسب است. دوم تغییر در رفتار است، شاید حتی یک تغییر اساسی. گاهی اوقات، مورد سوم یک اختلال کامل در کسب و کار است. UBER، iPhone، Netflix و Airbnb روش استفاده از تاکسی، برقراری ارتباط، تماشای فیلم و اقامت در هتل ها را تغییر داده اند. این دگرگونی ها شامل تحولی در رفتار است. دلیل اینکه نمی توانم وزنم را کنترل کنم این است که رفتارم را با موفقیت تغییر نداده ام.

تاسیسات برق در حال تغییر هستند. مشتریان سیستم های خورشیدی را به صورت دسته جمعی نصب می کنند. مردم باتری ها را در گاراژ خود آویزان می کنند. ریزشبکه ها در همه جا ظاهر می شوند. شرکت های برق در حال جداسازی اجزای سازنده خود هستند: تولید، انتقال، توزیع و خدمات خرده فروشی.

برای بقای سودآور، شرکت‌های انتقال و توزیع (T&D) باید عادات و آیین‌های قدیمی را که از زمان توماس ادیسون کامل کرده‌اند، از بین ببرند. این راز نیست که بسیاری از صنایع آینده نگر مبتنی بر داده ها هستند. برای زنده ماندن در تحول دیجیتال، آنها باید تغییر کنند.

فقدان سرمایه گذاری در مدیریت، پردازش و نگهداری داده های خوب یکی از عادت های بسیار بد شرکت ها است. آنها باید این عادت را از بین ببرند. داده های خوب یک نیاز اساسی برای کارایی عملیاتی و مالی است. اکثر شرکت های برق دارای GIS هستند. با این حال، مطالعه پس از مطالعه و مصاحبه پس از مصاحبه نشان می‌دهد که شرکت‌ها به کیفیت داده‌های GIS خود اعتماد ندارند. اکثر آنها سابقه کاملی از امکانات T&D خود در GIS ندارند. آنها اطلاعات پست را در CAD نگه می دارند. سپس آنها به ندرت داده های پست خود را برای انعکاس موقعیت های ساخته شده به روز می کنند. آنها به ندرت سازه های زیرزمینی را مدل سازی می کنند. اکثر آنها فرآیندهایی برای اطمینان از به موقع بودن داده ها ندارند. و در بسیاری از موارد، مکان تاسیسات حتی به GPS دقیق نزدیک نیست. در یک مطالعه چندین سال پیش، Esri از شرکت‌های برق پرسید که چه مدت طول می‌کشد تا اطلاعات از میدان وارد GIS شوند. در برخی موارد، زمان را بر حسب هفته اندازه گیری می کنند، نه دقیقه، ساعت یا حتی روز. بهای این عدم دقت، به موقع و کامل بودن صرفاً عدم کارایی است که به هزینه های بالاتر تبدیل می شود. خدمات مشتری و قابلیت اطمینان ضعیف؛ و در برخی موارد تصادفات. در حالی که اکنون اکثریت موافقند که GIS یک جزء اساسی در مجموعه فناوری اطلاعات هر ابزار T&D است، وجود ساده GIS کافی نیست.

چگونه بسیاری از شرکت های خدمات شهری با اطلاعات ناقص، نادرست یا قدیمی برخورد می کنند؟ آسان. آنها فقط از مردم می خواهند به داخل وسایل نقلیه بپرند و از مردم بخواهند که بررسی کنند تا ببینند آیا اطلاعات موجود در سوابق آنها واقعاً صحیح است یا خیر. این یک عادت بد پرهزینه و وقت گیر است. Utilities این کار را بسیار انجام می دهند.

داده ها باید درست باشند.دلیل اینکه بسیاری از شرکت ها مجموعه کاملی از داده ها را ندارند، البته هزینه مهاجرت، جمع آوری و نگهداری داده ها است. ابزار T&D دارای نیروی کار پیر، زیرساخت قدیمی، قرار گرفتن در معرض هزینه بیشتر، حاشیه سود کمتر و افزایش انتظارات مشتری است. بنابراین آنها بر این باورند که پولی برای انجام کار بهتر برای تکمیل انتقال داده ها و گرفتن دارایی های دشوارتر مانند تاسیسات زیرزمینی، پست ها یا خدمات ثانویه باقی نمانده است. با این حال امروزه، اطلاعات بیشتر تصمیمات تجاری مدرن را هدایت می کند، از جمله نحوه اولویت بندی سرمایه گذاری در تسهیلات. فرآیندها به داده های خوب وابسته هستند. نوسازی شبکه ایجاب می کند.

سه راه برای بهبود کیفیت داده ها در GIS

1. به GIS به عنوان یک پلتفرم فکر کنید

GIS ماشین تهیه نقشه نیست. پلتفرم ArcGIS Esri زمانی در بهترین حالت خود قرار دارد که به عنوان وسیله ای برای استخراج اطلاعات از منابع مختلف داده، چه در داخل و چه در خارج از شرکت عمل می کند. این شامل هوش تجاری، داده های اولین پاسخ دهندگان، از منابع شهر هوشمند، اطلاعات مشتری، مواد، مدیریت کار، مدیریت دارایی، SCADA، ADMS، AMI و سیستم های تجزیه و تحلیل شبکه است. نیازی نیست که Utilities تمام داده ها را در GIS ذخیره و نگهداری کنند. از قضا، ابزارهای برق اغلب اطلاعات زیادی را در GIS ضبط می کنند.

GIS به چه چیزی نیاز دارد؟

• موجودی کامل دارایی های تسهیلات
• محل آن دارایی ها،
• روابط فضایی دارایی ها با یکدیگر و با دنیای اطرافشان.

آنها اطلاعات زیادی در یک مکان دارند و در جایی که به آن نیاز دارند کافی نیستند. اگر شرکت‌ها بخواهند اطلاعات جمعیتی را روی نقشه ببینند، می‌توانند آن را از وب بیرون بکشند. دارایی ها را همانطور که واقعا هستند مدل کنید.

Utilities سفر GIS خود را با تکرار کاغذ قدیمی، نقشه های توزیع و انتقال آغاز کردند. آنها می خواستند نسخه دیجیتال دقیقاً شبیه نقشه های کاغذی قدیمی باشد. این یک انتقال دیجیتال بود، زیرا رفتار کارگران واقعاً تغییر چندانی نکرده بود. این بدان معناست که چیزها واقعاً آنطور که وجود دارند از گروه الگوبرداری نشده بودند. با ابزار جدید ArcGIS Utility Network Management Extension، اکنون می توانید بهترین ها را از هر دو دنیا دریافت کنید. آنها می توانند استفاده از نقشه ها را آسان کنند و عناصر شبکه را با تمام ویژگی ها، مانند پایانه ها، پیکربندی زمین و فناوری بانکی داخلی نشان دهند.

2. گرفتن شبکه کامل در GIS

این ایده که GIS تنها منبع حقیقت است، دروغ است. خب امروز دروغه این باید تنها درگاه حقیقت باشد. اطلاعات مربوط به پست‌ها، طرح‌های انتقال، سیستم‌های رله، سازه‌های زیرزمینی و مجموعه‌ای از امکانات دیگر در جای دیگری ذخیره می‌شوند. GIS می تواند یک مدل کامل از سیستم T&D را ذخیره کند که گاهی اوقات در GIS یک دوقلو دیجیتال نامیده می شود. داشتن تمام امکانات داده در یک مکان، از تکرار، داده های غیر همگام و فرآیندهای پیچیده جلوگیری می کند – همه عادات بد!

3. داده ها را در دستان همه قرار دهید

باور کنید یا نه، شرکت‌های خدمات شهری هنوز نقشه‌هایی را برای کارگران میدانی خود چاپ می‌کنند. این باعث ایجاد مشکل در ارتباطات، همکاری و هماهنگی می شود – سه c مدیریت خوب داده ها. با استفاده از پلتفرم ArcGIS، هنگامی که اتفاقی در میدان رخ می دهد و در دستگاه تلفن همراه کارگر میدانی به روز می شود، همه در هر دستگاهی، در هر مکان و در هر زمان در مورد آن می دانند. پلتفرم ArcGIS سرنخ از پلتفرم های رسانه های اجتماعی است. توییت ها فوری هستند. همچنین، هنگامی که کارگران میدانی داده های خود را در دستگاه تلفن همراه به روز می کنند، همه می دانند. کاغذ فرآیندها را به پایین می کشاند. این فقط سرعت کارها را تا حد خزیدن کند می کند.

با پلتفرم ArcGIS، سفر طولانی از میدان تا بخش GIS وجود ندارد

اگر روزی بخواهم وزن کم کنم، عادات غذایی قدیمی من باید از بین برود. به همین ترتیب، اگر ابزارهای T&D بخواهند تغییر کنند، عادات داده قدیمی آنها باید از بین بروند. دیگر نیازی به پیش‌فرض بررسی‌های میدانی برای صحت داده‌ها نیست. دیگر به GIS به عنوان یک ماشین نقشه‌سازی دیگر تکیه نمی‌کنیم. دیگر نیازی به نگهداری داده ها در کابینت فایل نیست. در عوض، شرکت ها باید ادغام با سیستم های شرکتی را بهبود بخشند و در فرآیندهای مدرن حاکمیت داده سرمایه گذاری کنند. این چیزی است که یک پلت فرم موقعیت مکانی واقعی فراهم می کند.

برای انجام تجزیه و تحلیل مکانی دقیق و ایجاد محصولات اطلاعاتی با کیفیت بالا، داده‌های منبع شما باید سطح مشخصی از کیفیت را داشته باشند. داده‌های با کیفیت ناشناخته ارزش کار شما را کاهش می‌دهند و ممکن است بر تصمیم‌گیری یا سایر عملیات تجاری که بر نتایج تحلیل دقیق متکی هستند تأثیر منفی بگذارد.

ArcGIS Data Reviewer ، توسعه‌ای برای ArcGIS، این خطر را با پیاده‌سازی جریان‌های کاری که داده‌هایی را که نیازهای کیفیت شما را برآورده نمی‌کنند برجسته می‌کند، کاهش می‌دهد و منجر به افزایش اعتماد به داده‌های شما، افزایش بهره‌وری و کاهش هزینه‌ها می‌شود. با ارائه مجموعه‌ای از قابلیت‌ها که از شناسایی، مدیریت و گزارش خطاها در داده‌های شما پشتیبانی می‌کند، هزینه‌های مدیریت داده را کاهش می‌دهد. بهره وری را با خودکار کردن تشخیص خطاهای رایج در داده های GIS و گردش کار ساده برای شناسایی داده های با کیفیت پایین که به روشی خودکار قابل شناسایی نیستند، افزایش می دهد. با شناسایی و رسیدگی به خطاهایی که بر تصمیم گیری تأثیر می گذارد، اعتماد کلی به محصولات و خدمات اطلاعاتی افزایش می یابد.

ما با ArcGIS Data Reviewer بسیار بیشتر به داده های خود اطمینان داریم. می‌توانیم وارد اتاق شویم و از مکالمه با کسی احساس خوبی داشته باشیم، زیرا دقیقاً می‌دانیم اطلاعات ما در کجا قرار دارند و برای رفع آن چه کاری باید انجام دهیم.
_______________________________________
تری بانتینگ، اداره آب توسان

تشخیص داده های بی کیفیت را خودکار کنید

بررسی خودکار داده ها قابلیتی است که کیفیت یک ویژگی را بدون دخالت انسان ارزیابی می کند. برای تیم‌های محدود به منابع، اتوماسیون شما را قادر می‌سازد تا ارزیابی کیفیت داده‌ها را با کمترین تأثیر بر کارکنان و در عین حال بهبود کیفیت داده اجرا کنید. برای سازمان‌های بزرگ، اتوماسیون ثبات در تولید داده‌ها را در تیم‌های متعدد امکان‌پذیر می‌کند و مدیریت دانش را با ادغام الزامات کیفیت در گردش‌های کاری تکرارپذیر افزایش می‌دهد.

Data Reviewer کتابخانه ای از چک ها را برای اعتبارسنجی داده ها بر اساس الزامات کیفیت منحصر به فرد شما فراهم می کند. بررسی‌ها برای ارزیابی جنبه‌های مختلف کیفیت یک ویژگی، از جمله انتساب، یکپارچگی یا رابطه فضایی آن با سایر ویژگی‌ها طراحی شده‌اند. برای مثال، شرکت‌های برق باید موقعیت دقیق دارایی‌های خود را حفظ کنند، زیرا اطلاعات نادرست می‌تواند بر تکمیل پروژه‌های ساخت و ساز یا تعمیر و اعلان‌های خروجی به مشتریان تأثیر بگذارد.

چک‌های خودکار بازبین یک قابلیت تنظیم‌پذیر/بدون کد است که برای پیاده‌سازی به مهارت‌های برنامه‌نویسی تخصصی نیاز ندارد. در بسیاری از موارد، متخصصان GIS با درک خوبی از الزامات کیفی سازمان خود می توانند گردش کار بررسی خودکار را با استفاده از Data Reviewer با حداقل آموزش پیاده سازی کنند.

بررسی خودکار را می توان به روش های مختلفی ادغام کرد:

• ارزیابی کیفیت یک ویژگی در هنگام ایجاد یا اصلاح در هنگام ویرایش. این امر از ایجاد ویژگی هایی که الزامات کیفی را برآورده نمی کنند جلوگیری می کند و نیاز به کار مجدد را کاهش می دهد.
• ارزیابی کیفیت یک ویژگی پس از ایجاد آن. این می تواند زمانی مفید باشد که داده های موجود از کیفیت ناشناخته ای برخوردار باشند و یک ارزیابی پایه برای شناسایی تلاش مورد نیاز برای دستیابی به الزامات کیفیت مورد نیاز باشد.

درباره بررسی خودکار داده ها با استفاده از این منابع بیشتر بیاموزید:

• شناسایی الزامات کیفیت داده ها (اسناد)
• طراحی قانون بازبین (اسناد)
• اجرای کنترل کیفیت خودکار (آموزش)
• افزایش تضمین کیفیت در حین ویرایش (آموزش)

اجرای یک بررسی جامع کیفیت

همه خطاهای موجود در داده های شما را نمی توان با استفاده از روش های خودکار شناسایی کرد. بررسی نیمه خودکار کیفیت داده ها را با استفاده از تعامل و ورودی انسانی ارزیابی می کند. بررسی بصری رایج‌ترین شکل بررسی نیمه خودکار است و برای ارزیابی کیفیت به روش‌هایی استفاده می‌شود که روش‌های خودکار ممکن است از آن پشتیبانی نکنند. این شامل یافتن ویژگی‌های گمشده، نامناسب یا کدگذاری اشتباه می‌شود.

این نوع خطاها به طور معمول توسط کارشناسان موضوع و سایر مصرف کنندگان داده که از داده های GIS در کار روزانه خود استفاده می کنند، پیدا می شود. با استفاده از گردش کار Data Reviewer برای مهار این بازخورد، می‌توانید کیفیت داده‌هایی را که تولید و به اشتراک می‌گذارید بهبود بخشید.

درباره ادغام بازخورد از کارشناسان موضوع و سایر مصرف کنندگان داده با استفاده از این منابع بیشتر بیاموزید:

• شناسایی خطاها در ویژگی های موجود (اسناد)
• شناسایی ویژگی های گمشده (اسناد)

پیگیری و گزارش پیشرفت در مورد اهداف کیفیت داده ها

Data Reviewer مدیریت و ردیابی خطاها را از طریق چرخه عمر تعریف شده امکان پذیر می کند. این گردش کار شامل ردیابی خطاهای شناسایی شده با استفاده از بررسی های خودکار و همچنین خطاهای گزارش شده توسط مصرف کنندگان داده است. اطلاعات جمع آوری شده در طول بررسی داده ها شامل منبع و شرح خطا، مکان آن، افرادی که خطا را پیدا کرده اند و شدت آن است.

این اطلاعات می تواند برای جوامع متعددی که داده های GIS را مدیریت و استفاده می کنند مفید باشد. برای ویرایشگرهای داده، این اطلاعات به آن‌ها کمک می‌کند کار خود را سریع‌تر انجام دهند و از تکرار تلاش‌ها در زمانی که چندین تیم برای بهبود کیفیت کار می‌کنند، جلوگیری می‌کند. برای مصرف‌کنندگان داده، این اطلاعات می‌تواند به شناسایی خطراتی که بر تصمیم‌گیری‌هایی که به داده‌های باکیفیت بستگی دارد تأثیر می‌گذارد کمک کند.

مرورگر داده همچنین جزئیات مربوط به اینکه چه کسی، چه زمانی و چگونه خطاها تصحیح می شوند و اینکه آیا تصحیح به عنوان قابل قبول تأیید شده است را ردیابی می کند. این اطلاعات اضافی شما را قادر می سازد تا پیشرفت در اهداف کیفیت داده ها را گزارش دهید و پیش بینی کنید که چه زمانی به اهداف کیفیت دست می یابد.

خطاهای شناسایی شده در طول فرآیند بررسی داده ها از طریق یک چرخه عمر تعریف شده که از سه مرحله (بازبینی، تصحیح و تأیید) تشکیل شده است، ردیابی می شوند.