Automatisierte Datenerfassung meistern: Abschlussbetrachtungen & Best Practices

Von Ken Gifford

Haben Sie jemals jemanden zu Baskin-Robbins mitgenommen, der Eis wirklich mag? Invariabel, wann immer ich meine Frau dorthin bringe, hat sie eine ziemlich genaue Vorstellung davon, worauf sie Appetit hat. Doch angesichts der überwältigenden Auswahl fällt ihr die Entscheidung schwer. Diese Situation wird heute oft als „Informationsüberflutung“ bezeichnet. Wir haben eine Vorstellung von der gesuchten Information, aber unsere Sinne werden von all den Daten gesättigt, die uns präsentiert werden. Es ist ein bisschen so, als trinke man aus einem Feuerwehrschlauch.

Der amerikanische Autor zu Internettechnologien, Clay Shirky, sagt:

„Es ist keine Informationsüberflutung. Es ist Filterversagen.“

Wikipedia formuliert es so: „Einige Kognitionswissenschaftler und Grafikdesigner haben die Unterscheidung zwischen roher Information in einer Form, die wir zum Denken nutzen können, betont. In dieser Sichtweise lässt sich Informationsüberflutung besser als ‚Organisationsunterlast‘ betrachten. Das Problem ist also nicht so sehr das Volumen der Information, sondern die Tatsache, dass wir nicht erkennen können, wie wir sie in der rohen oder verzerrten Form, in der sie uns präsentiert wird, gut nutzen können.“
Ich unterscheide einfach zwischen Daten und Information. Daten sind genau das: rohe Daten in ihrer einfachsten Form. Während Information Daten sind, die zu etwas Handlungsrelevantem destilliert wurden.

In der industriellen Welt wird dies meist in Trends dargestellt. Trenddaten sind einfach eine kontinuierliche Linie, die einen Datenpunkt über die Zeit darstellt. Die meisten von uns haben Bilder gesehen, bei denen jemand vor einer Staffelei steht, auf der eine rote Linie nach oben oder unten verläuft. Das ist eine einfache Darstellung einer Trendlinie.

Bei der Analyse von Zeitreihendaten wird ein Trenddiagramm sehr nützlich, um plötzliche Änderungen zu erkennen und genau zu sehen, wann sie auftraten. Dies ermöglicht dem Analysten, schnell einen Zeitbereich für eine tiefere Analyse einzugrenzen. Deshalb sind Trends die primäre Ansicht in jedem industriellen Datenerfassungswerkzeug.
Aber was ist mit der Frage, welche Daten zu erfassen sind? Das ist eine geladene Frage. Wenn wir ein neues Datenerfassungsprojekt mit einem Kunden beginnen, fragen wir: „Welche Daten möchten Sie erfassen?“ Unweigerlich lautet die Antwort: „Alles“. Das ist in mehrfacher Hinsicht herausfordernd. Es deutet meist darauf hin, dass der Endanwender nicht weiß, welche Daten am nützlichsten sind, um zu beurteilen, wie gut ein Prozess läuft. Bevor wir diese Anfrage entkräften, sollten wir auch berücksichtigen, dass es oft viele normalerweise unsichtbare Faktoren gibt, die einen Prozess beeinflussen können. Durch das Erfassen von „allem“ erhalten die Beteiligten die Möglichkeit zu verstehen, was passiert, wenn etwas wirklich Außergewöhnliches eintritt. Das erfordert jedoch wirklich gute „Filter“ für die Daten, damit der Anwender die Informationen sortieren und anzeigen kann, um gute Entscheidungen zu treffen.
Bevor man sich für einen „Deep-Data-Dive“-Ansatz entscheidet, sollte man auch den Kostenfaktor bedenken. Plant man ein Datenerfassungssystem, das aus Tausenden von Quellen sammelt, wird ein solches großes System mehr kosten. Ein Ansatz ist, das System groß genug zu dimensionieren, um die „hochwertigen“ Datenpunkte zu erfassen, mit etwas Puffer – sagen wir 100 zusätzliche Datenquellen. Diese Pufferquellen („Tags“ in der Software-Welt) können dann bei Bedarf umgewidmet werden, um eine Vielzahl von Punkten zu erfassen, wenn eine neue Spezifikation getestet wird oder ein wiederkehrendes Problem an einem bestimmten Gerät auftritt. Das hält die Gesamtkosten des Projekts niedrig, gibt aber die Flexibilität für tiefere Analysen, wenn sie nötig sind.
Ich hoffe, Sie haben diese Serie zur automatisierten Datenerfassung genossen. Wenn Sie Fragen haben oder einfach über Datenerfassung sprechen möchten, rufen Sie uns an unter 800-844-8405.