Begynn med å beskrive hva tallet betyr
«Antall ordre» kan bety alle opprettede ordre, godkjente ordre eller ordre som er levert. To rapporter med samme overskrift kan derfor svare på forskjellige spørsmål.
Før dere leter etter en teknisk feil, skriv én setning om hvert tall: «Denne rapporten teller unike, godkjente ordre opprettet i september, slik statusen var ved siste dataoppdatering.»
Avklar også formålet. Planlegging trenger kanskje oversikt over arbeid som gjenstår, mens en salgsoversikt følger nye bestillinger. Målet er at tallene skal ha en forståelig definisjon og passe til oppgaven.
Dette trenger du for å undersøke avviket
Ta med en person som kjenner arbeidsprosessen, og en person som forvalter rapportene. Skaff navn eller adresse til begge rapportene, valgte filtre og opplysninger om siste dataoppdatering.
Velg én måling og en avgrenset periode. Be om tilgang til nødvendige detaljrader innenfor tilgangen dere allerede har. Det er ikke nødvendig å eksportere hele kunderegisteret.
Forventet resultat: En forklaring som viser hvilke registreringer eller beregningsregler som skaper forskjellen, og hvem som følger opp eventuelle feil.
1. Sammenlign definisjonene i et arbeidsark
Fyll ut begge kolonnene før dere endrer rapportene:
| Kontrollpunkt | Rapport A | Rapport B |
|---|---|---|
| Hva telles eller summeres? | ||
| Hva representerer én rad: ordre, ordrelinje eller kunde? | ||
| Hvilken dato avgjør perioden? | ||
| Hvilke statuser inngår? | ||
| Hvilke avdelinger og kunder inngår? | ||
| Hvilke enheter eller valutaer brukes? | ||
| Når ble kildedata sist hentet inn? | ||
| Hvem ser rapporten, og hvilken tilgang har personen? | ||
| Hvordan beregnes totalen? |
En ordrelinje er én vare- eller tjenestelinje på en ordre. En ordre med tre linjer er fortsatt én ordre. Microsoft fremhever at datamodeller bør ha et tydelig og konsistent detaljnivå. Kilde: Microsoft om datamodellering.
For beløp må dere også sammenligne eksempelvis behandling av rabatter og krediteringer. Noter beregningsregelen som faktisk brukes, fremfor å gjette ut fra rapportens navn.
2. Kontroller periode, filtre og tilgang
Samme måned i overskriften er ikke tilstrekkelig. Den ene rapporten kan bruke datoen en ordre ble opprettet, mens den andre bruker leveringsdatoen. For data nær døgnskiftet kan tidssonen også være relevant.
Se deretter etter filtre for avdeling, status og kunde. I Power BI kan filtrering gjelde hele rapporten, en side eller ett enkelt diagram. Tjenesten kan også lagre brukerens filtervalg. Kilde: Microsoft om rapportfiltre.
Noter filtervalgene før dere endrer dem. Sammenlign deretter samme avgrensning i begge rapporter. Hvis brukerne har ulik datatilgang, må rapportansvarlig undersøke om det forklarer forskjellen. Ikke fjern tilgangsbegrensninger for å få like tall.
Microsofts feilsøkingsveiledning beskriver både uventede filtre og tilgangsstyring som mulige forklaringer på manglende data. Kilde: Microsoft om feilsøking.
3. Sjekk når dataene faktisk ble oppdatert
En rapport som ble åpnet nå, kan fortsatt vise data hentet tidligere. I Power BI med importerte data er rapportgrunnlaget en kopi som må oppdateres for å få med endringer fra kilden. Kilde: Microsoft om dataoppdatering.
Be derfor om tidspunktet for siste vellykkede innlasting fra kildesystemet. Hold dette atskilt fra tidspunktet rapporten ble åpnet eller eksportert.
Hvis en overføring har feilet, dokumenter det før ny innlasting. Da blir det mulig å forklare både det opprinnelige avviket og resultatet etter oppdateringen.
4. Forklar forskjellen med konkrete registreringer
Konstruert eksempel: Begge rapportene viser unike ordre opprettet i samme periode. Rapport A viser 120, mens rapport B viser 108.
Undersøkelsen avdekker to forhold:
- Rapport A inkluderer åtte kansellerte ordre. Rapport B utelater dem.
- Fire andre, ikke-kansellerte ordre ble opprettet etter siste innlasting i rapport B. Rapport A har dem med.
| Avstemming | Antall |
|---|---|
| Tallet i rapport A | 120 |
| Trekk fra kansellerte ordre | −8 |
| Trekk fra nye ordre som ikke er lastet inn i B | −4 |
| Forklart tall i rapport B | 108 |
Regnestykket forklarer hele forskjellen: 120 − 8 − 4 = 108. Gruppene er atskilte; ingen ordre trekkes fra to ganger.
Dette er et oppdiktet eksempel, ikke et testresultat eller en kundehistorie. I deres rapporter må forklaringen kunne knyttes til faktiske ordrenumre eller annen egnet identifikasjon.
Når rapport B senere har hentet de fire nye ordrene, blir forventet tall 112 i dette eksemplet, dersom ingenting annet har endret seg. Den vil fortsatt utelate de åtte kansellerte ordrene. Skal rapportene vise samme tall, må dere først være enige om hvilken definisjon som er riktig for formålet.
5. Undersøk beregning og datakoblinger hvis avviket gjenstår
Hvis definisjon, periode, tilgang og tidspunkt er sammenlignbare, går dere videre til selve beregningen.
Be rapportansvarlig vise detaljradene og forklare hvordan totalen blir til. Microsoft anbefaler blant annet tabellvisning og kontroll av koblinger mellom tabeller ved feil i rapportresultater. Kilde: Microsofts feilsøkingsveiledning.
To konstruerte eksempler viser hva dere bør være oppmerksomme på:
Et beløp telles flere ganger. En ordre på 1 000 kroner har tre ordrelinjer. Hvis hele ordrebeløpet legges på hver linje i en sammenslått tabell og deretter summeres, blir resultatet 3 000 kroner. Kontroller hva hver rad representerer og hvilket beløp som summeres.
Totalen er et forholdstall. Én avdeling har én feil av to saker, og en annen har én feil av åtte. Samlet er det to feil av ti saker, altså 20 prosent. Et enkelt gjennomsnitt av avdelingenes feilprosenter gir 31,25 prosent. Begge beregningene kan utføres, men de besvarer ulike spørsmål.
Ikke juster tallene manuelt for å få rapportene til å stemme. Finn regelen eller datagrunnlaget som må korrigeres.
6. Dokumenter konklusjonen og gi avviket en eier
Skriv en kort konklusjon:
Rapportene viser ulike tall fordi [årsak]. Forskjellen er dokumentert gjennom [kontroll]. For beslutningen om [oppgave] bruker vi definisjonen [beskrivelse]. [Ansvarlig] følger opp [tiltak] innen [dato].
Hvis dere bare har forklart en del av avviket, skal resten stå som uavklart. Ikke anta at samme årsak forklarer alle perioder.
Gi viktige målinger en felles definisjon, en navngitt eier og en avtalt oppdateringsrytme. Bruk tydelige rapportnavn som skiller mellom for eksempel opprettede og leverte ordre.
Når bør dere forbedre rapportløsningen?
Hvis det samme avviket kommer tilbake, bør dere undersøke om beregninger, innlasting eller definisjoner vedlikeholdes flere steder. En felles løsning kan være nyttig, men krever fortsatt enighet om hva tallene skal bety.
Digital Flow tilbyr datafangst, datavarehus og integrasjoner. Ta kontakt med en beskrivelse av to rapporter som ikke stemmer overens. Oppgi måling, periode og kjent forskjell, så finnes det et konkret utgangspunkt for videre undersøkelse.