ZARZĄDZANIE JAKOŚCIĄ DANYCH PRZY ZASTOSOWANIU ROZWIĄZANIA KLASY ERP W MAŁYM I ŚREDNIM PRZEDSIĘBIORSTWIE PRODUKCYJNYM

Transkrypt

1 ZARZĄDZANIE JAKOŚCIĄ DANYCH PRZY ZASTOSOWANIU ROZWIĄZANIA KLASY ERP W MAŁYM I ŚREDNIM PRZEDSIĘBIORSTWIE PRODUKCYJNYM PAUL DIETER KLUGE, PAWEŁ KUśDOWICZ Streszczenie: artykuł podejmuje problematykę opłacalności zastosowania standardowego oprogramowania w przedsiębiorstwach produkcyjnych. W szczególności skoncentrowano się na wykorzystaniu zintegrowanych systemów informatycznych zarządzania klasy ERP w sektorze małych i średnich przedsiębiorstw. 1 Wprowadzenie Najpóźniej wraz z przystąpieniem Polski do Unii Europejskiej (UE) w centrum zainteresowań polskiej informatyki ekonomicznej powinno znaleźć się wykorzystanie zintegrowanego standardowego oprogramowania w małych i średnich przedsiębiorstwach (MSP) 1. Wymaganie to wynika z następujących przyczyn: - Udział tego typu firm w ogólnej liczbie przedsiębiorstw jest w Polsce (podobnie jak w większości innych nowych państw członkowskich UE) istotnie większy niŝ w starych państwach członkowskich UE. - Wprawdzie wiele rozwaŝanych tutaj przedsiębiorstw wykorzystuje juŝ standardowe oprogramowanie 2. Udział firm, które korzystają ze zintegrowanych rozwiązań (np. klasy ERP Enterprise Resource Planning), w porównaniu do starych państw członkowskich UE, jest jednak wyraźnie mniejszy. Wzmocni to dodatkowo istniejący juŝ trend rosnącej reprezentacji 3 zachodnioeuropejskich firm software owych na polskim rynku, oferujących specjalistyczne rozwiązania dla tego typu przedsiębiorstw. - Problemu wymagającego rozwiązania - jakim jest zapewnienie opłacalności systemów ERP, które uzaleŝnione jest od specyfiki przedsiębiorstwa. 1 Chodzi tutaj o małe i średnie przedsiębiorstwa (branŝe produkcyjne i usługowe) zatrudniające od 50 do 250 pracowników; osiągające obrót roczny netto do 100 mln zł; posiadające płaską strukturę zarządzania (zwykle dyrektor z patriarchalnym stylem kierowania wraz z podległymi mu klasycznymi pionami zadaniowych księgowością, zakupami, produkcją i sprzedaŝą obsadzonymi kaŝdorazowo przez jednego lub dwóch pracowników biurowych; w produkcji dodatkowo stanowisko majstra). Przedsiębiorstwa te powinny być prowadzone samodzielne, a więc nie kierowane z za granicy. 2 np. w obszarze rachunkowości finansowej lub osobno dla innych obszarów zadaniowych lub w formie aplikacji MS-Office. 3 Wskutek rosnącej liczby międzynarodowych fuzji przedsiębiorstw, wynikających z przystąpienia Polski do UE, równieŝ (średnie) firmy software owe, które do tej pory nie działały na polskim rynku, będą oferowały zlokalizowane polskie wersje systemów. 1

2 2 Problematyka zapewnienia opłacalności Główny problem w zapewnieniu opłacalności systemów klasy ERP w sektorze MSP związany jest z relacją kosztów i korzyści zaleŝną od wielkości przedsiębiorstwa; por. Rys. 1. Koszty roczne Korzyści roczne Korzyści z racjonalizacji Koszty rozwiązania ERP zorientowanego na know-how Koszty przy pracy z rozwiązaniem ERP zorientowanym na racjonalizację Wielkość przedsiębiorstwa (ilość danych do przetworzenia) Rys. 1 Typowa relacja kosztów i korzyści zastosowania systemów ERP zaleŝna od wielkości przedsiębiorstwa. Koszty stałe zastosowania systemu ERP związane są przede wszystkim z inwestycją w sprzęt i oprogramowanie (łącznie z kosztami serwisu). Ich wysokość uzaleŝniona jest w zasadzie od funkcjonalności oprogramowania, jak równieŝ liczby uŝytkowników. W szczególności ostatni czynnik zaleŝny jest od wielkości przedsiębiorstwa i powoduje skokową zmianę koszów (por. Rys. 1). Przede wszystkim nakłady na wdroŝenie systemu mają charakter kosztów mieszanych. Część zmienna (tzn. zaleŝna od wielkości przedsiębiorstwa) kosztów odnosi się do pielęgnacji danych podstawowych oraz nakładów na wdroŝenie się pracowników, podczas gdy część stała obejmuje w zasadzie koszty szkoleń. Koszty zmienne wynikają szczególnie z nakładów na codzienną pielęgnację danych zakładowych oraz podstawowych. Przyjęto załoŝenie, Ŝe suma kosztów zmiennych jest funkcją linową wielkości przedsiębiorstwa mierzonej ilością rocznie przetwarzanych danych. Wnikające z tego niedokładności nie powinny przekraczać błędów szacowania wszystkich danych niezbędnych dla zapewnia opłacalności rozwaŝanego rozwiązania. 2

3 Przewidywane korzyści moŝna podzielić ogólnie na dwie grupy: - Korzyści z racjonalizacji, które wynikają przede wszystkim z bardziej (w porównaniu do dotychczasowego rozwiązania) racjonalnego opracowania niezbędnych procesów (operacji) gospodarczych. Dotyczy to w szczególności obszaru rachunkowości (łączenie z fakturowaniem sprzedaŝy), rozliczenia wynagrodzeń oraz inwentaryzacji. Korzyści te zaleŝne są tutaj równieŝ od wielkości przedsiębiorstwa. Występują one jednak tylko w przedsiębiorstwach, które nie miały dostępu do ww. funkcji w ramach dotychczasowego rozwiązania. - Korzyści ze wspomagania decyzyjnego będące w szczególności rezultatem funkcji, które nie mogły być w ogóle lub w sposób racjonalny realizowane w ramach dotychczasowego rozwiązania. Są to przede wszystkim tzw. funkcje dyspozycyjne (np. dyspozycja materiałowa i produkcyjna oraz kalkulacje), planowania (np. plan produkcji i sprzedaŝy włącznie z planowaną dyspozycją; planowaniem finansowym) oraz statystyczne (bazujące na archiwach danych zakładowych). Korzyści te mają następujące cechy: o ZaleŜą nieostro skokowo od wielkości przedsiębiorstw: od nieostrej wielkości nie moŝna juŝ stosować przede wszystkim tradycyjnych metod dyspozycji bazujących na wiedzy empirycznej pracowników. o Dający się kwantyfikować potencjał oszczędnościowy (np. stany magazynowe; przestoje w produkcji) zaleŝy od wielkości przedsiębiorstwa. o Godne uwagi są silne wpływy sytuacji przedsiębiorstwa (np. wartość zintegrowanego planowania uzaleŝniona jest z jednej strony od róŝnicy pomiędzy czasami przebiegu w zaopatrzeniu i produkcji, a czasami dostaw dla klienta - z drugiej strony). Godne uwagi są takŝe potrzeby informacyjne zewnętrznych kredytodawców w odniesieniu do planów oraz analiz odchyleń plan wykonano. Konieczność realizacji dyspozycji produkcyjnej zaleŝy od struktury procesu produkcyjnego oraz aktualnych obciąŝeń. Oznacza to, Ŝe szczegółowe kalkulacje wstępne i końcowe są w szczególności wtedy sensowne, gdy na rynku do osiągnięcia są juŝ tylko niewielkie marŝe. o Korzyści ze wspomagania decyzyjnego (w szczególności związane z wykorzystaniem funkcji statystycznych) są ściśle związane z poziomem wiedzy ekonomicznej szefa przedsiębiorstwa. PowyŜszy komentarz, odnoszący się do Rys. 1, pozwala na sformułowanie następującego wniosku: Zastosowanie zintegrowanego standardowego oprogramowania klasy ERP w sektorze MSP moŝe być tylko wtedy opłacalne, gdy - obok potencjału racjonalizatorskiego wykorzystany będzie równieŝ potencjał wspomagania decyzyjnego a - przedsiębiorstwo dysponuje potencjałem rozwojowym. Wykorzystanie potencjału korzyści wspomagania decyzyjnego oznacza jednak (w porównaniu do aktualnej sytuacji w wielu MSP) większe wymagania wobec jakości danych. 3

4 3 Wymagania wobec jakości danych w kontekście wykorzystania potencjału korzyści wspomagania decyzyjnego Znaczenie korzyści wspomagania decyzyjnego dla zapewnienia opłacalności zastosowania rozwiązań klasy ERP w sektorze MSP zostało szybko dostrzeŝone przez oferentów oprogramowania. Implikuje to oferowaniem coraz to nowych funkcji systemów. Warunki ramowe ich wykorzystania w praktyce małych i średnich przedsiębiorstw są następujące: - istnieje niewielka liczba (często tylko jeden) pracowników, którzy jako referenci mogą obsłuŝyć moduły podstawowe systemu ERP (np. zakupy, produkcja, zbyt, rachunkowość); - w przypadku zastępstwa (choroba lub urlop) prace po prostu nie są realizowane lub organizowana jest tylko słuŝba zastępcza, która opracowuje tylko najpilniejsze procesy (często poza systemem ERP ); - prace związane z obsługą danych prowadzone są przy okazji - z małymi wyjątkami (np. meldunki zwrotne z produkcji przy braku elektronicznego systemu gromadzenia danych), co prowadzi do zwiększenia ryzyka wystąpienia błędów w obsłudze; - pracownicy nie są zwykle wysoko opłacani; w następstwie tego nie moŝna wiązać duŝych nadziei z ich ekonomicznym rozeznaniem (w sytuacjach duŝego obciąŝenia, wykorzystywane są techniki najbardziej racjonalne z punktu widzenia danego stanowiska; co wskutek integracji danych moŝe prowadzić do wystąpienia znaczących błędów). Najczęściej rozeznanie takie występuje w księgowości, gdzie zbiegają się wszystkie błędy (szczególnie przy wykorzystaniu rozwiązań zintegrowanych, np. automatycznego generowania poleceń księgować przy transakcjach magazynowych). Korekta błędów jest w takim przypadku bardzo pracochłonna, a często juŝ niemoŝliwa. PowyŜsze warunki implikują następujące główne konsekwencje dla jakości gromadzenia danych rzeczywistych: - W porównaniu do duŝych przedsiębiorstw występuje większa wadliwość błędnego wprowadzania danych, poniewaŝ takie prace często przerywane są przez inne zajęcia (przy czym brak koncentracji jest wręcz zaprogramowany ); - Błędy w obsłudze wynikają z niewystarczającego przygotowania do zastępstwa lub mniejszej wiedzy na temat zaleŝności ekonomicznych: np. błędne przyporządkowanie marszrut do zleceń produkcyjnych; błędne przyporządkowanie róŝnic wartościowych w trakcie kontroli rachunków; wybór złego schematu kalkulacji; przyporządkowanie błędnych cen lub stawek rozliczeniowych przy wprowadzaniu schematu kalkulacji; księgowanie ze złą datą (co moŝe mieć fatalne następstwa przy księgowaniach stanów magazynowych); przeoczenie ostrzeŝeń ; - W zaleŝności od typu przedsiębiorstwa, występują błędy w kolejności obsługi procesów; np. wprowadzenie dokumentu dostawy (i przy tym odksięgowanie 4

5 wysłanej ilości produkcyjnych) przed zakończeniem i zameldowaniem zwrotnym z produkcji; dopuszczenie do produkcji i odksięgowanie magazynu przed zaksięgowaniem przyjęcia na magazyn. Tego typu przypadki, spowodowane brakiem personelu, występują tak często, Ŝe powoduje to konieczność wyłączania róŝnych ostrzeŝeń i blokad generowanych przez system aby nie zatrzymać pracy całego systemu; - Dodatkowo na jakość danych wpływa zapominanie o pielęgnacji danych podstawowych (najczęściej takŝe z braku czasu). W przypadku prostych procesów administracyjnych 4 (np. wprowadzanie zleceń lub zamówień; księgowanie dokumentów), błędy są często szybko rozpoznawane i poprawione przez pracownika. Bardziej złoŝone procesy administracyjne (np. połączenie automatycznego łańcucha księgowań z obszarem stanów magazynowych) lub procesy dyspozycyjne (przy których współdziała wiele plików) do rozpoznania błędów wymagają zrozumienia łańcucha procesów ekonomicznych, które występują w księgowaniach. Wielu pracowników w analizowanych obszarach jest przy tym przeciąŝonych. W związku z tym, błędy widoczne są dopiero w księgowości, rachunku kosztów (jeśli dostępne jest odpowiednie zintegrowane rozwiązanie), w trakcie inwentaryzacji lub nie są widoczne w ogóle. Główne konsekwencje wyŝej opisanych warunków dla jakość danych planowanych są następujące: - Pielęgnowane są najpierw te dane, przy których brak aktualności prowadziłby natychmiast do powstania odczuwalnych błędów (np. planowane stryktury produktów oraz marszruty w przypadku, gdy są podstawą tworzenia i rozliczenia dokumentacji produkcyjnej; planowane ceny i stawki rozliczeniowe w przypadku, gdy są podstawą waŝnych kalkulacji planowanych). Przypadki te występują jednak rzadko, jeŝeli istnieje moŝliwość pracy poza systemem ERP ; - Ogólnie pielęgnacja dodatkowych danych planowanych, jak równieŝ (właściwie bardziej konieczna) analiza plan wykonano traktowane są jako praca, której korzyści nie są prawie widoczne na poszczególnych stanowiskach. W wielu przypadkach prace związane z planowaniem pozostawiane są kierownictwu. Wykorzystuje ono jednak najpierw własne narzędzia lub (często nie znających się na systemach ERP) doradców, a przy tym nie znajduje czasu na poznanie (często niełatwej) obsługi funkcji planowania. Wobec tego naleŝy stwierdzić, Ŝe w tego typu przedsiębiorstwach błędne dane rzeczywiste (w specjalistycznych obszarach), jak równieŝ nieaktualne wzgl. nie zintegrowane z systemem ERP dane planowane występują w znaczącej ilości. Implikuje to utrudnienie porównania plan wykonano. Poza tym ogranicza to 4 Wyjaśnienie pojęć procesów administracyjnych i dyspozycyjnych - por. Stalknecht P., Hasenkamp U., (1999), s

6 dodatkowo wykorzystanie archiwum danych zakładowych dla celów analiz statystycznych 5. Zatem niewystarczająca jakość danych ma róŝny, najczęściej negatywny wpływ na wykorzystanie poszczególnych funkcji wspomagania decyzyjnego przez rozwaŝany typ przedsiębiorstw. Potwierdzają to następujące doświadczenia autorów zebrane w trakcie opieki nad firmami, które takie funkcje zakupiły: Krótkoterminowe planowanie płynności finansowej (wypłacalności) Krótkoterminowe planowanie płynności finansowej spotyka się ostatnio z coraz większym zainteresowaniem podczas prezentacji. Zainteresowanie to utrzymuje się takŝe w trakcie normalnej pracy, jeŝeli chodzi o wykorzystanie krótkoterminowych prognoz (od około 2 do 3 tygodni). Bazują one prawie wyłącznie na zamówieniach, zleceniach klientów i otwartych rozrachunkach (których jakość jest stosunkowo wysoka) i są praktycznie automatycznie opracowywane. Wraz z wydłuŝeniem się czasu prognozy, w celu zabezpieczenia odpowiedniej jakości, muszą być uwzględnione takŝe dane planowane - a tych często nie ma! JednakŜe planowanie płynności naleŝy do najczęściej wykorzystywanych funkcji wspomagania decyzyjnego (z pozytywnym skutkiem w opisanym czasie prognozy). Kalkulacja Podobnie pozytywnie moŝe być ocenione wykorzystanie standardowej kalkulacji wstępnej (kalkulacji planowanej), jeŝeli dostępne są struktury produktów, marszruty i planowane ceny. Mniejszym powodzeniem cieszą się kalkulacje na bazie średnich cen zakupu lub kosztów wytworzenia. Wielkości te, ze względu na pokazane braki (szczególnie w meldunkach zwrotnych), rzadko odpowiadają aktualnym wartościom rzeczywistym. Z tych samych przyczyn rzadko wykorzystywane są moŝliwości kalkulacji wstępnej i końcowej zleceń, szczególnie w produkcji seryjnej. Wykorzystanie funkcji kalkulacji w ERP ogranicza się najczęściej do efektów racjonalizacyjnych na skutek ponownego wykorzystania zgromadzonych danych podstawowych. Dyspozycja materiałowa i produkcyjna Bardziej krytycznej oceny wymaga wykorzystanie funkcji dyspozycyjnych. Implikuje to powstanie specyficznego błędnego koła : - zamówienia i zlecenia produkcyjne, automatycznie wygenerowane z systemu ERP, muszą być następnie poprawiane ze względu na brakującą jakość danych z meldunków zwrotnych; - jeŝeli to poprawianie przebiega poza systemem (co szczególnie często występuje w produkcji), zmniejsza się jakość propozycji dyspozycyjnych; 5 por. Kluge P.D., KŜdowicz P., (2003). 6

7 - po tym, jak w ten sposób udowodniona zostaje słaba jakość dyspozycji komputerowej, powraca się do konwencjonalnych metod (a więc bez funkcji systemów ERP). Dlatego teŝ zwykle w tym obszarze wykorzystanie funkcji dyspozycji materiałowej i produkcyjnej jest nieopłacalne. Analizy wskaźnikowe PoniewaŜ w przedsiębiorstwach, będących pod opieką autorów, rozwiązania klasy ERP są juŝ wykorzystywane, podjęto próbę zbadania znanych i nowych metod analiz baz danych zakładowych w sensie Data Mining. Przy tym, mając na uwadze wcześniej dyskutowane problemy, rozpoczęto od danych, których jakość musi być wysoka. Przeanalizowano bilanse oraz rachunki zysków i strat z wielu lat. Wybrano firmy, które wykorzystują automatykę księgowań FK przy ilościowych transakcjach magazynowych (np. przyjęcie towaru, doksięgowania i odksięgowania w ramach produkcyjnych meldunków zwrotnych, księgowania sprzedaŝy). Wyniki tej analizy były zaskakujące: Jeśli skutków warunków ramowych, odnośnie błędnych danych z transakcji ilościowych towarów, moŝna było jeszcze oczekiwać, tak dodatkowe, podane poniŝej aspekty oddziaływały negatywnie na analizę danych zakładowych: - Nie zawsze wybrany został właściwy okres księgowania. Widoczne to było szczególnie w księgowaniach przy zamknięciu roku; - Określone księgowania realizowane były tylko rytmicznie (czasami raz w roku). Widoczne to było szczególnie przy księgowaniu środków trwałych i automatycznie generowanych odpisów amortyzacyjnych. Poprzez to analiza danych w trakcie roku obrotowego staje się prawie niemoŝliwa; - Operatywne zmiany w planie kont, które prowadzą do zniekształceń w zobrazowaniu sytuacji na kontach, utrudniają szczególnie odfiltrowanie specyficznych dla przedsiębiorstwa zaleŝności ekonomicznych. Tak długo jak źródła niedostatecznej jakości danych nie zostaną usunięte, naleŝy poddać w wątpliwość ekonomiczność oferowanych od kilku lat (częściowo tylko pod nowymi nazwami) metod analiz i prognozowania. Sterowanie produkcją Wyraźnym okazał się problem, gdzie odpowiedzialni za sterowanie (najczęściej majstrowie) rzadko pracują z teoretycznie nowoczesnymi narzędziami (np. optymalizacją, automatycznym generowaniem wskazówek postępowania na bazie przetwarzanej wiedzy). Jednak takŝe te, przez praktyków uznane i wspomagane komputerowo, konwencjonalne narzędzia (np. graficzne stanowiska dyspozytorskie) trafiają na niską jakość danych we wcześniejszych procesach zakładowych (np. rzeczywista dostępność wykazanych w księgowości pozycji aktywów obrotowych). Podsumowując, sceptycznie naleŝy ocenić moŝliwości opłacalnego wykorzystania nowoczesnych baz wiedzy w rozwaŝanej grupie przedsiębiorstw. 7

8 4 Elementy składowe systemu zarządzania jakością danych w MSP Wnioski wynikające z rozwaŝań w poprzednim rozdziale wskazują, iŝ nie spełnione są obecnie warunki opłacalnego zastosowania funkcji wspomagania decyzyjnego systemów klasy ERP oraz innych nowych algorytmów i metod w badanym sektorze przedsiębiorstw. Są jednak szanse na zmianę tego stanu rzeczy. Kluczem wykorzystania tych szans jest (adekwatne dla danego typu przedsiębiorstwa) zarządzanie jakością danych 6. Powinno ono obejmować następujące elementy 7 : 4.1 Formalna kontrola jakości danych Pod pojęciem formalnej kontroli jakości danych rozumiana jest kontrola zawartości pól, które są warunkiem prawidłowego działania pojedynczych funkcji wzgl. łańcuchów (zespołów) funkcji programu. Kontrola zawartości pól, które konieczne są dla realizacji pojedynczych funkcji Przykładami pól wymaganych dla realizacji pojedynczych funkcji są: - pola, w których konieczne jest wprowadzenie danych; - prawidłowe formaty i jednostki; - tabele kodowania, których załoŝenie jest konieczne; - kody odpowiednio do załoŝonych tabeli kodowania. Kontrola wielu ww. pól moŝe być realizowana automatycznie (dotyczy przede wszystkim dobrych systemów ERP). Jednak występują tutaj równieŝ ograniczenia merytoryczne (np. kontrola jednostek miar) oraz natury organizacyjnej (np. w sytuacji występowania wielu źródeł błędów uwarunkowanych uŝytkowaniem, które są rezultatem błędnego zrozumienia funkcji pól i ostatecznie nie mogą zostać takŝe uwzględnione w standardowo zautomatyzowanej kontroli błędów). Kontrola prawidłowości definicji łańcuchów funkcji Przykładami tego rodzaju łańcuchów są: - zaopatrzenie z (dyspozycją) wystawienie zamówienia księgowanie przyjęcia towaru księgowania faktury zakupu kontrola rachunków zarządzanie płatnościami; - produkcja z (dyspozycją) wystawienie zleceń produkcyjnych harmonogramowanie i planowanie dopuszczenie meldunki zwrotne czasów operacji i ilości zgłoszenia o zakończeniu; 6 Problematyka zarządzania jakością danych jest coraz częściej podejmowana w większych przedsiębiorstwach, które były inspiratorem wprowadzenia nowych algorytmów i metod; por. np. Windheuser (2002). 7 por. Kluge P. D., (2003), s oraz KuŜdowicz P. (2004). 8

9 - sprzedaŝ z (ofertą) zlecenie klienta specyficzne dla klienta zlecenie produkcyjne dokument dostawy fraktura windykacja naleŝności zaksięgowanie wpłat; - księgowość i rachunek kosztów z nadzorowaniem automatycznych księgować (przede wszystkim tych, które generowane są w innych modułach) oraz księgowaniem zamknięcia miesiąca. Sprawdzeniu funkcjonowania takich łańcuchów słuŝy najczęściej tylko automatycznie uruchamiany system pomocy (np. przypomnienia lub definiowane przez uŝytkownika blokady i ostrzeŝenia). 4.2 Kontrola merytoryczna jakości danych Pod pojęciem merytorycznej kontroli jakości danych rozumiana jest kontrola prawidłowości działania algorytmów obliczeniowych oraz kontrola dodatkowa jakości archiwum danych zakładowych. Kontrola algorytmów obliczeniowych jest konieczna zawsze wtedy, gdy są one wykorzystywane po raz pierwszy lub w innych warunkach. Typowymi przykładami są: - Wyznaczanie przeciętnych cen materiałów lub przeciętnego kosztu wytworzenia. Wskutek rekursywnego charakteru algorytmu są one szczególnie wraŝliwe na błędy. W takim przypadku implikuje to konieczność sprawdzenia reakcji systemu na sytuacje wyjątkowe (np. w razie dopuszczenia występowania negatywnych stanów). - Generowanie propozycji zamówień w ramach dyspozycji materiałowej i produkcyjnej. RównieŜ te algorytmy mają w odniesieniu do aktualizacji stanów charakter rekursywny i dlatego są szczególnie wraŝliwe na błędy. Oznacza to konieczność sprawdzenia propozycji generowanych przez system w razie wystąpienia zmian parametrów dyspozycji. - Wyniki kalkulacji. Konieczność ich sprawdzania wynika przede wszystkim ze sposobu ich generowania, w ramach którego angaŝowanych jest wiele danych podstawowych, danych dotyczących procesów biznesowych oraz róŝnych schematów kalkulacji. Sprawdzenie jakości danych archiwów zakładowych powinno nastąpić zanim wykorzystane będą one w sensie Data Mining. Realizowane moŝe być ono przy zastosowaniu, poza znanymi metodami statystycznymi (np. test uciekiniera), przede wszystkim narzędzi do sprawdzenia poprawności ekonomicznej rekordów danych Zastosowanie odpornych algorytmów obliczeniowych Kontrola wraŝliwości i złoŝoności obliczeniowej algorytmów jest wprawdzie przedmiotem wielu badań naukowych. Odnosi się jednak wraŝenie, Ŝe wskutek instalacji tych algorytmów w systemach ERP coś zaniedbano. Dlatego teŝ 8 por. Kluge P. D., Rohn H., (2002). 9

10 zastosowanie odpornych algorytmów w tych systemach naleŝy rozwaŝyć w dwóch aspektach 9 : - wybór mniejszej liczby niebezpiecznych danych wejściowych dla wraŝliwych na błędy algorytmów systemu ERP. Implikuje to np. wykorzystywanie kosztów planowanych lub standardowych dla wyceny ilościowej realizowanej w ramach rachunku kosztów tak długo, jak nie będzie mogła być jeszcze zagwarantowana wymagana jakość kosztów rzeczywistych (wyznaczanych w oparciu o wraŝliwe na błędy algorytmy). - wybór odpornych algorytmów do zewnętrznego przeliczania danych wejściowych. Wiele rozwiązań ERP dedykowanych dla sektora MSP zawiera pola do wprowadzenia danych, które właściwie wymagają przeprowadzenia dodatkowych rachunków; np. zapasy bezpieczeństwa, zapasy meldunkowe i (korzystne kosztowo) stałe wielkości zamówień w ramach dyspozycji. Przy realizacji takich (wtedy zwykle na bazie arkusza kalkulacyjnego realizowanych) dodatkowych rachunków uŝytkownik ma wolny wybór. I tak np. środkiem pomocniczym do wyznaczenia korzystnej kosztowo stałej wielkości zamówienia zalecana jest bardzo odporna na błędy klasyczna formuła ekonomicznej wielkości zamówienia. NaleŜy przy tym zwrócić uwagę na to, iŝ takie parametry naleŝy pielęgnować w zaleŝności od silnych zmian programu produkcji. 5 MenadŜer jakości danych w małym i średnim przedsiębiorstwie Przedstawione powyŝej elementy składowe systemu zarządzania jakością danych są (w porównaniu do typowego obecnie stanu wykorzystania systemów ERP) zadaniami dodatkowymi, które zwykle przez (w MSP) zatrudniony personel nie mogą być realizowane ani w sensie ilościowym, ani jakościowym. Przedsiębiorstwa z rozwaŝanej tutaj grupy, z uwagi na (w porównaniu do większych firm) stosunkową małą masę korzyści, mogą pozwolić sobie jednak na zaangaŝowanie maksymalnie dwóch pracowników do opieki na systemem ERP. PoniewaŜ koszty systemu podwajają się często dla przedsiębiorstwa, menadŝer jakości danych powinien wykonywać następujące zadania: - realizacja opisanych w rozdziale 4 elementów składowych; - wspieranie pracowników przy koniecznych poprawkach wzgl. korektach; - realizacja funkcji skoczka w odniesieniu do pielęgnacji danych podstawowych i zakładowych w razie nieobecności pracownika; - opracowanie propozycji dla kierownictwa lepszego wykorzystania funkcji wzgl. wykazania ich opłacalności. PoniewaŜ niektóre z przedstawionych zadań dotyczą działań, które realizowane są przez odpowiednich doradców zewnętrznych w ramach umów serwisowych, powstaje pytanie, czy powinni to być pracownicy specjalistycznej 9 Kluge P. D., (2003), s

11 firmy usługowej czy firmy software owej? W procesie kształcenia tego rodzaju personelu naleŝy zwrócić uwagę na: - szeroką wiedzę na temat zaleŝności ekonomicznych; - znajomość funkcji oraz umiejętność obsługi zintegrowanego rozwiązania klasy ERP oraz - umiejętność radzenia sobie w przypadku waŝniejszych awarii sprzętu i oprogramowania PowyŜsze wymagania są moŝliwe do spełnienia (w porównaniu do dominujących obecnie koncepcji kształcenia) tylko w przypadku, gdy: - przywiązana będzie większa uwaga na wiedzę o zaleŝnościach ekonomicznych na niekorzyść wiedzy specjalistycznej; - wiedza ekonomiczna przekazywana będzie w powiązaniu (w sposób zintegrowany) z wiedzą na temat komputerowej implementacji procesów gospodarczych i zaleŝności z nich wynikających oraz - proces kształcenia realizowany będzie z ścisłym powiązaniu z praktyką, a w szczególności specyfiką małych i średnich przedsiębiorstw. Przy tym moŝna sobie wyobrazić idealny przypadek, kiedy to kształcący się w ramach praktyk (ewent. w oparciu o instalację testową) wdraŝają rozwiązanie klasy ERP równolegle do konwencjonalnie opracowywanych procesów gospodarczych a przy tym poznają korzyści systemu jeszcze przed podjęciem decyzji o jego zakupie. 6 Podsumowanie: Małe i średnie przedsiębiorstwa znajdują się w kręgu zainteresowania firm oferujących zintegrowane standardowe oprogramowanie klasy ERP. W artykule wykazano, Ŝe zastosowanie tych systemów w takiej grupie przedsiębiorstw jest zwykle tylko opłacalne w przypadku korzystania z funkcji wspomagania decyzyjnego. Wynika to ze specyfiki rozwaŝanego sektora przedsiębiorstw. W firmach tych występuje wysoka (w porównaniu do większych przedsiębiorstw) wadliwość danych. W szczególności dotyczy to danych niezbędnych do realizacji funkcji wspomagania decyzyjnego. Dlatego teŝ przedstawiono koncepcję systemu zarządzania jakością danych, którego zadaniem jest zapewnienie opłacalności zastosowania systemów klasy ERP. Literatura 1. Automat do sprawdzania jakości danych w obszarze rachunkowości; http// 2. Kluge P. D., Datenqualitätsmanagement für kleine und mittlere Unternehmen, Komputerowo zintegrowane zarządzanie, WNT, Warszawa 2003, s

12 3. Kluge P. D., Rohn H., Czy istnieje rynek dla oprogramowania do wspomagania decyzyjnego w małych i średnich przedsiębiorstwach?, AE Poznań, Poznań Kluge P.D., KuŜdowicz P., Wartość archiwum danych zakładowych systemu klasy ERP, Value 2003, t. 2. s , UMCS Lublin KuŜdowicz P., Tendencje rozwoju komputerowo wspomaganego controllingu w małych i średnich przedsiębiorstwach, Instytut Wiedzy, Warszawa Stalknecht P., Hasenkamp U., Einführung in die Wirtschaftsinformatik, 9. Aufl., Springer Verl., Berlin Windheuser U., Konstruktivfes Datenqualitätsmanagement in der WestLB, OR News 16 (2002), GOR, Bochum Prof. dr hab. Paul Dieter KLUGE Zakład Controllingu i Informatyki Ekonomicznej, Uniwersytet Zielonogórski, ul. Podgórna 50, Zielona Góra, Tel.:(0-68) p.kluge@zcie.uz.zgora.pl Dr inŝ. Paweł KUśDOWICZ Zakład Controllingu i Informatyki Ekonomicznej, Uniwersytet Zielonogórski, ul. Podgórna 50, Zielona Góra, Tel.:(0-68) p.kuzdowicz@zcie.uz.zgora.pl 12