"Po spisaniu własnych wymagań, bank rozpoczął poszukiwanie odpowiedniego rozwiązania IT. Jednak stosunek ceny do jakości i wymagań nie był wówczas zadowalający wśród dostępnych, wyspecjalizowanych i jednocześnie kosztownych narzędzi analitycznych. Szukaliśmy raczej rozwiązania, które pomogłoby poukładać nam sam proces zarządzania jakością danych" - mówi Andrzej Burzyński. Bank wybrał system zaproponowany przez BI Insight rozpoczynając od miesięcznego okresu pilotażowego. "Zależało nam na czasie i elastyczności wdrożenia" - dodaje Andrzej Burzyński. Wcześniej bank sporo zainwestował w nowe systemy IT gromadzące informacje i wolał wybrać narzędzie, które dostosuje się do obecnej już architektury. W miarę jak bank inwestował w rozwiązania optymalizujące jego pracę, definiował i wdrażał procesy, które przyspieszały jego działanie - jakość stosowanych danych nabrała ogromnego znaczenia.

Wiedza o jakości

Zastosowane narzędzie nie posiada funkcji raportowania, a jedynie zaawansowany silnik analityczny. Dla

banku było to zaletą, gdyż Raiffeisen posiada własne standardy i systemy raportowania. W czasie wdrożenia pilotażowego system pracował na testowym źródle danych z opracowanymi testowymi regułami walidacji. "Zależało nam także, aby właściwe wdrożenie nie trwało dłużej niż dwukrotność pilotażu" - mówi Andrzej Burzyński. W czerwcu 2008 r. system pracował już produkcyjnie. Do końca roku bank pracował nad pełnym dostosowaniem go do własnych potrzeb. Pracujący system DQA sprawia, że kolejna aplikacja uruchomiana w banku jest już objęta programem weryfikacji i poprawy jakości danych.

Dzięki wdrożonemu narzędziu, dział kierowany przez Andrzeja Burzyńskiego jest w stanie odpowiadać na zapytania działów biznesowych dotyczące pojawiających się błędnych danych. "Dzięki wprowadzeniu mechanizmów weryfikacji i diagnozowania jak najwcześniej w procesie wprowadzania danych do systemów, znamy odpowiedzi na te pytania" - mówi. Użytkownik końcowy - właściciel obszaru, w którym powstają dane w raporcie - widzi gdzie dane są poprawne, a gdzie błędne w sposób czytelny i przejrzysty. On decyduje, czy cykl badania jakości danych będzie dzienny lub tygodniowy. Testy są uruchamiane bez jego udziału.

Wiedza o jakości danych zmieniła i poprawiła sytuację np. w systemach kontrolingowych, które przetwarzają wiele informacji. Zmiana w algorytmach, które należą do działu kontroli finansowej jest widoczna od razu we wszelkich możliwych miejscach. Dzięki temu może szybko reagować na dynamiczne zmiany warunków oferty (oprocentowanie ROR czy lokat), a system DQA wskazuje, gdzie ewentualnie dochodzi do błędów. Bank oczekuje dużych oszczędności - nowe systemy IT, które zostaną wdrożone będą miały do dyspozycji już dane lepszej jakości. Analiza jakości danych pozwala także ocenić, do jakiego stopnia konieczne jest "wyczyszczenie" danych. Nie zawsze wymagane jest 100% ich czystości, co oszczędza czas i pieniądze. "Nie jesteśmy doskonali, ale wiemy, do jakiego stopnia. Zmniejsza się ryzyko popełnienia błędów, o których dotychczas nawet nie wiedzieliśmy, co również wpisuje się w naszą misję, aby stać się najlepszym jakościowo bankiem" - mówi Andrzej Burzyński.