KVALITA INFORMACE: SROZUMITELNOST TEXTU VĚNUJÍCÍHO SE KVALITĚ DAT

JUNIORSTAV 2008 5. Management stavebnictví

KVALITA INFORMACE: SROZUMITELNOST TEXTU VĚNUJÍCÍHO SE KVALITĚ DAT INFORMATION QUALITY: INTELLIGIBILITY OF WRITTEN TEXT IN TERMS OF THE DATA QUALITY Jiří Marek1

Abstract In recent years, there has been an increasing interest in information quality management. So far, however, there has been little agreement on how to produce technical text for experts dealing professionally with the same topic presented in the text. In addition, no research has been found that surveyed how people who are not professionally interested in the topic of the analyzed technical text understand its content. This paper begins by reviewing the recent recommendations for the production of the intelligible text. It will then go on to explore how sixteen people of different ages and with different background knowledge understand the same written technical text. Finally, recommendations for the production of the technical text are presented, which are related to the main causes of intelligibility. Keywords Information quality, intelligibility, written technical text

1 ÚVOD Komunikací se rozumí pro potřeby tohoto textu výměna informací mezi lidmi a tato výměna může být uskutečněna třeba pomocí písemného textu, který jedna osoba vytvoří a druhá se čtením jeho obsahu a interpretací snaží porozumět zprávě. Informací se rozumí zpráva a v tomto článku písemná, u které se předpokládá, že má význam, a příjemce zprávy se snaží její poselství porozumět a vytvořit pomocí něho novou znalost. Informace má v porovnání s daty význam, přičemž toto odlišení není jediné správné a různí autoři mohou data a informace definovat odlišně. Pro potřeby této studie byl zvolen úryvek textu pojednávající o významu řízení kvality dat, přičemž úryvek se sestával z nadpisu, podnadpisu a dvou odstavců. Vybral jsem z tohoto úryvku slova a následně sestavil dotazník s více než 40 otázkami, jehož cílem bylo identifikovat, jak respondenti různého věku, vzdělání a vztahu k informačním technologiím jsou schopni jeho obsahu porozumět. Následně měly být popsány hlavní problémy nedorozumění a podána doporučení pro tvorbu srozumitelné informace. Přitom je vhodné mít na paměti, že v současnosti není k dispozici návod, pomocí kterého by bylo možné vytvářet srozumitelnou informaci za všech okolností. Tedy doporučení uvedená na konci tohoto článku pro tvorbu srozumitelné informace mají srozumitelnost textu zvýšit, avšak ho nemohou učinit plně srozumitelným. Kvalitu informace je obtížné definovat, leč pro potřeby tohoto článku se jí rozumí zejména srozumitelnost informace. Za informaci srozumitelnou považuji tu, kterou za srozumitelnou čtenář informace označí. Dále lze považovat za srozumitelnou informaci třeba tu, která používá odborný termín v jednom významu, který je v lepším případě vysvětlen. Více informací ke srozumitelnosti je uvedeno zejména v sekci Diskuze, jejímž smyslem je vedle jiného popsat hlavní problémy nesrozumitelnosti textu a podat návody, jak by měla být srozumitelná informace tvořena. Tedy tento článek má také za cíl podat určitou definici srozumitelného textu. V kapitole následující se uvádí Přehled literatury. Dále se popisují Metoda a předmět studie. Následuje kapitola věnující se výsledkům a po ní je uvedena kapitola Diskuze. Kapitola Zakončení je poslední kapitolou článku před seznamem literatury a přílohou, ve které se uvádí plné znění dotazníku, který byl v rámci studie použit pro dotazování celkem 16 respondentů.

2 PŘEHLED LITERATURY Jak píše William B. Rouse (2002), pro informační a znalostní management je třeba maximálně porozumět potřebám osob na informaci či znalost a s jakými schopnostmi a omezeními jsou lidé schopni informaci tvořit či přijímat, což se týká také znalosti. Podle něho je třeba lépe porozumět tvorbě informace či znalosti a také tomu, jak jsou informace přijímány příjemci zpráv, protože jen tak lze hledat doporučení pro tvorbu nejlépe srozumitelné a nejvíce přínosné informace. Přitom stejný autor klade důraz na uplatnění vysokohodnotové (high-value) informace v manažerském rozhodování, kdy je snahou získat informaci vždy co nejrychleji a s minimem nákladů. Dle téhož autora ne vždy osoby činící rozhodování vědí, jaké informace potřebují, přičemž z tohoto důvodu může být rozhodování obtížněji realizované, kdy není dostatečně porozuměno tomu, co je vhodné pro rozhodnutí získat za informace.

1

Jiří Marek, Ing., University of Tokyo, Department of Civil Engineering, Tokyo, Japan, Email: {jiri}@ken-mg.t.u-tokyo.ac.jp

1


Podle Richarda Y. Wanga (1998) se nelze zabývat růstem produktivity, aniž by nebyla uvažována informace, lépe řečeno její management. Přímo se domnívá také, že je třeba v rámci informačního managementu řídit kvalitu informací. Také Wang píše, že jsou k dispozici nedostatečné metodologie, které by bylo možné uplatnit v totálním managementu kvality dat (Total Data Quality Management). Článek stejného autora metodologii prezentuje, přičemž smyslem metodologie je přispět k tvorbě kvalitních informačních produktů, které budou nabízeny zákazníkům firem. Uvažuje Wang tři body, pokud má být vytvářen informační produkt. Nejprve podle něho jsou k dispozici data jako vstupy. Dále je třeba uvažovat informační systém jako proces a nakonec vznikají informační produkty jako výstupy z informačního systému. Tvrdí vedle jiného stejný autor, že kvalita informace je závislá na kvalitě dat, pomocí kterých se informace vytváří. Wang v textu zpravidla nerozlišuje data od informací. Tentýž autor píše o 4 kategoriích kvality dat či informace, kdy se jedná o kategorie následující: kategorie vlastní (intrinsic), kategorie dostupnosti (accessability), kategorie kontextuální (contextual) a kategorie (reprezentační). První z uvedených 4 kategorií má 4 dimenze podle Wanga a jedná se o dimenze: přesnost (accuracy), objektivita (objectivity), důvěryhodnost (believability) a reputace (reputation). Druhá ze 4 uvedených kategorií má 2 dimenze, a to přístup a bezpečnost (access and security). Třetí kategorie kvality informace se charakterizuje 5 dimenzemi: relevance (relevancy), přidaná hodnota (value-added), včasnost (timeliness), úplnost (completeness) a množství dat (amount of data). Poslední kategorie ze 4 se sestává ze 4 kategorií: interpretovatelnost (interpretability), snadnost porozumění (ease of understanding), výstižnost reprezentace (concise representation) a konzistentní reprezentace (consistent representaton). Protože se dle mého minimálně některé dimenze neuplatňují příliš v češtině a překlad názvů dimenzí jsem provedl sám a nemusí být nejpřesnější, doporučuji čtenáři, aby se držel anglických názvů. Uvažuje-li se podle Wanga (1998) tvorba informace, pak lze uvažovat 4 typy osob majících co dočinění s tvorbou informace. Nejprve stejný autor uvažuje osobu, co je odpovědná za tvorbu dat a jejich sběr. Dále se uvažuje stejným autorem tvůrce informace, který má na starost fungování informačního systému, který vytváří informační produkt. Píše se dále v článku od Wanga o konzumentech informačních produktů a poté je podle něho třeba uvažovat ještě informační manažery, kteří řídí procesy, pomocí kterých se vytváří informační produkty. Jinak řečeno musí informační manažeři uvažovat životní cykly informačních produktů. Řídí-li se podle Wanga (1998) v organizaci kvalita informace, je vhodné uvažovat dva typy popisů. V rámci prvního se uvádí informace o systému výroby informací. V rámci druhého se popisují požadavky na kvalitu informace a na informační produkty. Následně se, jak píše stejný autor, oba popisy porovnávají a řídí se informace pomocí neustálého porovnávání popisů, kdy je hlavním cílem zdokonalit systém pro tvorbu informačního produktu. Jinak řečeno výsledky a procesy systému informací musí být co nejblíže informačnímu produktu, jehož kvalita se uvažuje (Wang, 1998). Měření se dle téhož zdroje provádí během porovnávání obou typů popisů za pomocí metrik kvality informace, přičemž se tyto metriky mohou týkat již výše vyjmenovaných 15 dimenzí kvality informace. Případně lze pracovat s metrikami složitějšími, které vznikají kombinací 15 metrik základních. Není dle téhož autora vhodné jen, aby se tvůrci informací snažili porozumět potřebám konzumentů informačních produktů, je dle něho také nutné, aby konzumenti informací rozuměli tomu, jak se informace tvoří a zachovává pomocí údržby a obnovy. V Kahn et al. (2002) se nahlíží na informaci jako na službu, přičemž se o informaci píše jako o využitelné, kdy je snaha při nabízení této služby informací (informačním produktem) uspokojit požadavky zákazníka. Již uvedený Wang (1998) uvedl 15 dimenzí kvality informace a Kahn et al. (2002) tyto dimenze přejímá, kdy přidává dimenzi bezchybnost (free of error). Těchto 16 dimenzí lze podle stejné publikace různě klasifikovat, což zde uvedeno nebude. Důležité je, že Wang (1998) v článku objasnil význam metrik pro management kvality informace a v textu od Pipino et al. (2002) je tvorba metrik podrobněji popsána, přičemž by se mělo jednat o tvorbu metrik, které lze po vytvoření opakovaně uplatnit. Již vyjmenované dimenze kvality informace se vysvětlují také v Pipino et al. (2002), přičemž ne vždy jsou snadno aplikovatelné na písemnou zprávu sestávající se třeba ze dvou odstavců. Lépe se jejich definice uplatní na záznamy v databázích. Uveďmě definice vybraných dimenzí, přičemž nebudou vysvětleny všechny dimenze ze 16 a zájemce o bližší informace se odkazuje na původní článek. Kupříkladu důvěryhodnost (believability) se definuje jako „míra, se kterou se data považují za pravdivá či věrohodná“ („the extent to which data is regarded as true and credible“). Dále třeba dimenze snadná manipulace dat se vysvětluje pomocí „míry, kterou lze daty snadno manipulovat a aplikovat je na odlišné úkoly“. Dále se třeba bezchybnost definuje pomocí korektnosti (corectness) a spolehlivosti. Dimenze přidané hodnoty se definuje pomocí ohodnocení přínosů a výhod, které jsou získány pomocí užití dat. Definice metrik pro 16 dimenzí uvedené v Pipino et al. (2002) však nepovažuji za vždy srozumitelné a snadno uplatnitelné kupříkladu v rámci uvažování dvou odstavců textu, protože doposud nebylo vyřešeno, jak třeba v případě věty o 20 slovech lze objektivně ohodnotit její spolehlivost, důvěryhodnost či bezchybnost, případně přidanou hodnotu, když je třeba uvažovat různé příjemce informace a informace pro někoho bezcenná může být jinou osobou považována za žádoucí. Jak již bylo napsáno výše, konstrukce metrik se uvádí v Pipino et al. (2002), avšak zde nebudou objasněny, protože v současnosti nevím, jak tyto metriky uplatnit v rámci písemného textu sestávajícího se třeba ze 2 odstavců, kdy se neposuzují záznamy v databázi. Podívejme se vedle toho na vybrané komentáře od Philippa Smetse týkající se nedokonalosti informace (imperfection of information). Žádná informace nemůže být podle Smetse (1997) považována za jistě pravdivou a za dokonalou, pokud se na informaci nahlíží z objektivního pohledu. Jak píše stejný autor, lze uvažovat 3 hlavní aspekty nedokonalosti, kdy se

2


jedná o nepřesnost (imprecision), neslučitelnost (inconsistency) a nejistotu (uncertainty). Podle Smetse je informace perfektní (dokonalá) informací jistou a současně precizní. Připojuje první dva uvedené aspekty (nepřesnost a neslučitelnost) Smets informaci samotné a třetí aspekt má dle něho co dočinění s lidskou znalostí a také s informací, se kterou chtějí lidé znalosti porozumět. Píše také Smets o vztahu nepřímé úměrnosti mezi precizností informace a její jistotou, což znamená, že s rostoucí precizností (přesností) klesá jistota pravdivosti informace. Stejný autor v článku definuje některé aspekty informace, kdy některé se nyní uvádí. Třeba informaci nepřesnou (inaccurate) definuje jako „významně nepřesnou a současně ne zcela chybnou“ („essentially imprecise, but not completely erroneous“). Dále dle něho informace bezvýznamná (meaningless) je informací, která nesedí na realitu („cannot be fitted to reality“). Smets (1997) uvádí také 4 aspekty neslučitelnosti a jedním z nich je protichůdnost (conflicting), přičemž je tento aspekt vysvětlen jako „nesouhlas mezi daty“ („disagreement among the data“). Některé z aspektů informace, jak je vysvětluje Smets, jsou aplikovatelné na písemné texty, kdy se třeba 2 sestávají ze dvou odstavců, jiné se aplikují hůře. Neslučitelnost lze v rámci porovnání dvou textů identifikovat, pokud k ní dojde, avšak může být obtížnější určit, který ze dvou textů je pravdivý. Totiž zde se naráží na problém Smetsem samotným uvedeným, že pravda tvrzení nemůže být prokázána, pokud se na tvrzení nahlíží objektivně. Pokud se jedno ze dvou tvrzení označí za pravdivé, nelze jinak řečeno vyloučit, že jednou bude vědecky označení tohoto pravdivého tvrzení zamítnuto jako pravdivé označení. Z toho důvodu se některé aspekty informace, jak je prezentoval Smets, obtížně aplikují. Tento autor píše třeba také o označení informace bezvýznamné pomocí toho, že se ukáže, že nesedí na realitu, přitom ale předpokládá, že je známa realita. Tomu tak ale není, protože se vedou vědecké diskuze, co je realitou, a nejenom mezi filosofy vědy, ale také třeba mezi fyziky (Rescher, 2001). Smets (1997) informaci nepřesnou definuje jako „významně nepřesnou a současně ne zcela chybnou“, kdy je v tomto případě problém to, co je a co není informace „významně nepřesná“, či informace, která není chybná zcela. Těchto obtíží si je sám Smets vědom, jak píše ve stejném článku, ze kterého byly převzaty informace pro přehled literatury v tomto článku. Parviz Ajiveh (2003) píše o dvou typech čtení, kdy v prvním případě text sám má význam a v druhém případě text sám o sobě je bezvýznamový a záleží pouze na interakčním procesu mezi čtenářem a písemnou informací. Podle téhož autora se při čtení uplatní paměť čtenáře, jeho jazyk a také se vyskytují očekávání, se kterými je text čten, kdy je při čtení snaha informaci přijmout, zamítnout či přijatou upravit. Mají se uplatnit při čtení schemata, jak se píše v textu stejného autora, kdy schema se vysvětluje jako „inherentní struktury, které organizují lidský svět“ (inherentní = obsažený, vnitřně spjatý), přičemž tuto definici Ajideh převzal od Immanueala Kanta. Bez schemat nemá být realizováno porozumění, protože díky nim, které lze také považovat za lidskou znalost a zkušenost, lze aplikovat schemata na písemnou informaci a tak informaci porozumět (Ajiveh, 2003). Jak se píše tamtéž, při čtení se aktivují mentální schemata, přičemž tato schémata mohou napomáhat budování očekávání, které si člověk vytváří o textu. Nepovažuji za důležité o tomto tématu uvést pro potřeby článku více, tedy bude pojednáno o posledním tématu, které považuji za vhodné uvést, a to doporučení pro tvorbu srozumitelné zprávy. Greg Anderson (2002) doporučuje při tvorbě zprávy uvažovat průměrného čtenáře, kdy lze dle něho uplatnit technický žargon více, pokud se předpokládá, že text budou číst převážně experti a nikoliv osoby, co nejsou specialisty na téma, o kterém text pojednává. Z toho důvodu uvažování o budoucích čtenářích textu má vliv na výrazy, které se v něm uplatní. V jiné publikaci od jiných autorů se píše, že není k dispozici nejlepší metoda, se kterou by bylo možné vytvářet informace, které se uplatní v komunikaci (Scollon a Scollon, 2001). Základní pravidla kompozice se uvádí kupříkladu v publikaci od Joy M. Reid (2001), kde se třeba objasňuje rozdíl mezi esejí vysvětlovací a analyticko-souhrnnou, či se podávají návody pro tvorbu eseje argumentační. V téže publikaci se uvádí také příklady jiných esejí, avšak jim Reid nevěnuje tolik pozornosti. Podávají se v téže publikaci také návody pro organizaci textu sestávajícího se z více odstavců a podávají se tamtéž návody pro vhodnou organizaci vět v odstavci. Reid opět doporučuje v publikaci uvažovat audienci při tvorbě textu. Pisatel textu by se měl snažit odhadnout, co od textu čtenář bude očekávat, až přečte několik málo řádků, a také by neměl nechat čtenáře pisatel hádat, ale výslovně uvést, co mu nabízí (Reid, 2001). Vhodné dle předchozího zdroje pamatovat, že čtenář bude čtené ohodnocovat a následně usuzovat na pisatele textu. Dále se třeba v téže publikaci vysvětluje význam zužování tématu, či se píše o významu rozvinování poselství hlavní věty těch odstavců, které hlavní věty mají. Vysvětluje se také třeba v téže knize, že zahajovací (= hlavní) věty odstavců mohou prezentovat informace obecné a abstraktní, ale následující věty by měly být stále více konkrétní a specifické, kdy obecně je doporučující v textu preferovat konkrétní a specifické před abstraktním a obecným, protože text plný abstraktních a obecných výrazů je hůře srozumitelný a může také čtenáře nudit. Abstrakce je protikladem konkretizace. Význam abstrakce se mění s životními zkušenostmi. Válku vnímá člověk jinak, když o ní četl, nebo přežil pobyt v koncentračním táboře. Tedy abstrakce není jednoznačně interpretovatelná všemi lidmi. Pro někoho představuje štěstí dobrý vztah s rodiči, pro jiného úspěch u zkoušky. Abstraktní pojmy potřebujeme v určitých případech. Chceme-li pojmenovat myšlenku, ale nechceme uvádět podrobnost. To může být žádoucí při psaní hlavního nadpisu příspěvku, hlavních vět odstavců. V nadpise nebo hlavní větě uplatníme abstraktní pojem a v následujících větách pojem konkretizujeme na příkladě. Vztah obecných a specifických slov není protikladným, jak tomu je v případě abstrakce a konkretizace. U obecného a specifického jde o vztah celku k části. Obecná slova se týkají skupin, generalizací. Slova specifická se vztahují k části skupiny.

3


Většina osob nestudujících zásady psaní neopakuje klíčová slova ve větách, přičemž právě opakování klíčových slov napomáhá udržet soudržnost textu (coherence) (Reid, 2001). Tamtéž se doporučuje klíčová slova textu objasnit, protože jejich nevysvětlení může činit text nesrozumitelným. Podle Lawrence (1972) neexistuje model pro psaní odstavců, který by bylo možno označit za jediný správný. Neexistuje dle ní ani jediný správný návod, jak text členit do odstavců, případně jak vytvářet úvodní větu každého odstavce. Je třeba ale přesto vždy usilovat o uskupování vět do jednotek (= odstavců), které budou podávat podobné informace. Lawrence ve stejné knize nepoužívá výraz „topic sentence“ (zahajovací či hlavní věta odstavce), který dle ní hojně užívají někteří učitelé psaní. Místo toho předává v publikaci návody, jak lze různě odstavec zahájit. Také jsou podány v knize návody, jak vytvářet věty ke konci odstavců (summary sentences), případně v závěrečném shrnutí. Podle ní ne každá věta odstavce musí mít zahajovací větu, která bude často obsahovat obecné sdělení (generalisations). Dokonce podle ní několik odstavců pod sebou nemusí být zahájeno pomocí zahajovací věty. Vždy ale je potřeba, aby tvůrce textu vynechal zahajovací věty v podobě generalizací po zvážení, aby text maximálně odrážel logické myšlenkové vztahy („logical patterns of thought“). To jinak znamená, že se první věty v odstavcích nevolí náhodně, ale po uvážení, aby organizace textu, použité logické vztahy maximálně předávaly, co chtěl pisatel předat, pro co chtěl argumentovat. Slova lze užít v přesném pojetí, případně mohou vyjadřovat relativní hodnoty (Lawrence, 1972). Uvádí se dále tamtéž, že aby byla slova užita přesně, třeba ve vědeckém vyjadřování, pak musí být ke každému slovu, které to vyžaduje, být přiřazen číselný údaj, případně interval. Pokud pisatel i nevědeckého textu užije ve vztahu ke slovnímu vyjádření číselný údaj, bude jeho zpráva srozumitelnější. Často je smyslem textu podat vysvětlení, což se opět přebírá z publikace od Lawrence, pokud neusiluje pisatel kupříkladu hlavně o pobavení čtenáře. Lawrence vysvětluje význam slova „vysvětlit” (to explain) jako snahu pisatele podat něco srozumitelně (comprehensible) a jasně (clear). V rámci vysvětlení může být použito více logických metod organizace článku současně. Když má podle ní člověk psát vysvětlení, musí nejprve zvážit, které logické metody (kupříkladu dedukce) je nejvhodnější použít a jakou slovní zásobu pro vyjádření různých vztahů (kupříkladu celku k části, protikladů) je třeba použít (Lawrence, 1972). Podávají se v téže publikaci také různé návody pro tvorbu definic, jinak řečeno pro vysvětlení klíčových slov textu, což se zde již popisovat nebude. Neměly by v textu být zkratky, které sníží srozumitelnost textu (White & Strunk, 2000). Tedy každá zkratka by měla být vysvětlena. Totiž ne každý dle Whita vždy zná význam zkratky a přímo píše o lidech, kteří se se zkratkou mohou setkat poprvé a pak je pro ně text nesrozumitelný, když se zkratka nevysvětlí. Dle něho je dobrým pravidlem začít vždy článek pomocí celých slov a až později lze slova zkrátit a nabídnout místo nich zkratku. Stejná publikace dále třeba nedoporučuje používat slova převzatá z cizích jazyků či zkratky, a také se nedoporučuje převzít slova z cizích jazyků a neuvádět jejich překlady. Tvůrce zprávy by měl usilovat o srozumitelnost, což je jiné doporučení pocházející ze stejné knihy, pokud je smyslem zprávy předat čtenáři co nejsnadněji informaci a tam maximálně obohatit jeho znalost. Totiž psaní je komunikací a v ní jde o srozumitelnost. Dále stejná kniha nedoporučuje v textu používat kvalifikátory jako trochu, velmi, velice, málo, protože jsou pro čtenáře nesrozumitelné. Také doporučuje z každé věty odstranit zbytečná slova, z každého odstavce odstranit zbytečné věty. Doporučuje se i užívat jednoznačná, specifická a konkrétní slova (White & Strunk, 2000). Na druhou stranu má tvůrce textu, což se píše tamtéž, eliminovat slova vágní (nejednoznačná), obecná a abstraktní. Nelze podle téže publikace v textu uvádět vždy všechny detaily, avšak současně tvrdí, že je třeba významné detaily v textu uvádět, přitom by měl být tvůrce zprávy jednoznačný, přesný, specifický a konkrétní. Vedle již uvedeného není doporučeno se vyjadřovat váhavě či vyhýbavě, zpravidla se silnější větou (stronger) dochází k jejímu zkrácení, což zase tvrdí White & Strunk (2000). Doporučuje Strunk, což je druhý autor knihy, zahájit každý odstavec větou, která navrhne téma. Nebo lze začít odstavec větou, která napomáhá čtenáři v přechodu. Pokud je totiž odstavec dle stejného autora součástí většího textu, pak se úvodní věta odstavce vztahuje k předchozímu odstavci či odstavcům, případně k větší předchozí části textu. Šance na úspěch (vytvoření kvalitního (srouzumitelného) textu) je tím větší, čím jasněji je autor schopen před psaním určit, jaký tvar (shape) by měl mít jeho text (White & Strunk, 2000). Vhodnou jednotkou písemného textu je odstavec dle stejného zdroje a může být tvořen krátkou větou či kupříkladu dvaceti dlouhými větami. Každá jednotlivá myšlenka (a single idea) by měla být uvedena v samostatném odstavci, což se také píše tamtéž, pokud však je kupříkladu vytvářeno krátké zhodnocení (review), není třeba jednotlivé myšlenky uvádět v samostatných odstavcích. Když je odstavec vytvořen, má tvůrce posoudit, zda by nebylo vhodné ho rozdělit na více odstavců a tak text vylepšit. Strunk se o začátku každého odstavce vyjadřuje jako o signálu, že bude prezentováno cosi nového ve vztahu k tématu článku, co ještě nebylo uvedeno. Jinak řečeno každá první věta odstavce by měla nabídnout novou informaci k již uvedenému, a tedy přispět k rozvoji tématu. Zopakujme ještě na závěr této kapitoly, co již bylo řečeno. Neexistuje jedna metoda, které by vedla k tvorbě textu, co lze označit za nejvíce srozumitelný. Z toho důvodu se i výše uvedená doporučení uplatní při vytváření různých textů v různé míře a jak třeba píše Čmejrková et al. (1999), mělo by docházet k přibližování a sjednocování zásad akademického psaní, kdy odborné psaní výše uvedené zásady může využívat, avšak zatím například ke sjednocení anglického a německého stylu psaní nedošlo. Stejná publikace píše, že v rámci německého stylu se uplatní zejména intelektuálnost a tvůrce textu se primárně nesnaží vytvořit text srozumitelný, na což se zaměřuje na druhou stranu text

4


anglický. Přitom se v téže knize píše, že nelze jeden ze stylů jednoduše označit za překonaný druhým stylem. Každý totiž souvisí s jinou kulturní tradicí. V této kapitole výše prezentovaná doporučení na srozumitelné psaní se týkají zejména anglického stylu vyjadřování, avšak některá doporučení lze nejspíše uplatnit také ve stylu vyjadřování českého pisatele, který má zpravidla blíže k německému stylu. Domnívám se, že ne nutně každý píšící neměcky se musí vyjadřovat nesrozumitelně v porovnání s anglickým stylem vyjadřování, protože kupříkladu Karl Marx, což vím z vlastní zkušenosti, psal německy a je některými současnými vědci dáván za vzor, co se týče srozumitelnosti vyjadřování. Totéž platí podle mého o dalším německém filosofovi, Arthuru Schopenhauerovi, který sice psal německy, ale opět je jeho styl psaní dáván za vzor vhodný následování.

3 METODA A PŘEDMĚT STUDIE Na webové prezentaci českého časopisu IT SYSTEM (http://www.systemonline.cz/) byl vybrán článek publikovaný přímo v IT SYSTEM 6/2004, a to nesoucí název „Řízení kvality dat v Českém Telecomu“. Následně jsem z tohoto článku převzal nadpis článku a podnadpis, a to s prvními dvěmi odstavci článku. Tyto části textu se zde uvádí, přičemž autor článku Ing. Jaroslav Rada, působí jako account manager ve společnosti TietoEnator. ÚRYVEK

Řízení kvality dat v Českém Telecomu V popředí zájmu jsou především data o zákaznících Kvalita dat je nezbytnou podmínkou pro získání kvalifikovaných informací. Bez zajištění kvalitních dat na výkonné úrovni nelze očekávat správné plánování na strategické úrovni. Je v životním zájmu každé společnosti zabývat se kvalitou dat na systematické bázi. Český Telecom řeší tuto otázku za přispění metodiky a technologie dodané společností TietoEnator. Význam řízení kvality dat Český Telecom je poskytovatelem hlasových, datových a integrovaných služeb. Zajištění stávajících služeb a produktů stejně jako rychlý rozvoj nových s sebou nese i rychlý rozvoj informačních systémů podporujících byznys společnosti a trvale se zvyšující nároky na kvalitu a čistotu dat. V praxi běžně docházelo k tomu, že vstupní informace v rámci jednoho systému byly věcně správné, došlo-li však ke vzájemnému porovnání odpovídajících datových položek mezi několika systémy, obsahy vykazovaly rozdíly. Další zpracování takovýchto dat běžnými metodami bylo velmi komplikované. Český Telecom se proto rozhodl v rámci projektu Data Quality implementovat metodiku TIQM (Total Information Quality Management) s cílem vybudovat prostředí pro růst kvality dat a její trvalé udržení. V popředí zájmu jsou především data vztažená k zákazníkovi, například název firmy, adresa sídla firmy, poštovní adresa apod. Nárůst kvality zákaznických dat v primárních databázích odstraněním nepřesností nebo neúplností má za následek například vzestup doručitelnosti zásilek (faktur, marketingových materiálů atd.). Dále se odrazí především v kvalitě reportů, které slouží k manažerskému rozhodování. Proces zajištění kvality dat zahrnuje mimo jiné proces přípravy a zpracování dat, vyhodnocení výsledků a následná nápravná opatření. Zdroj: http://www.systemonline.cz/clanky/rizeni-kvality-dat-v-ceskem-telecomu.htm (Zpravodajský portál časopisu IT System, úryvek převzat 9. listopadu 2007)

Následně byl vytvořen dotazník, jehož cílem bylo zjistit, jak lidé různého věku a různého vztahu k informačním technologiím rozumí stejné písemné informaci. Cílem bylo identifikovat pomocí tohoto dotazníku části informace, kterým respondenti nejméně rozumí. Tak měly být identifikovány nejobtížnější části písemné informace, načež měla být vytvořena doporučení, pomocí který lze srozumitelnost textu vylepšit a tak zvýšit kvalitu unformace. Vybral jsem pro účel studie text od jiného autora a nikoliv text vlastní, protože se problémem tvorby srozumitelné informace zabývám již přes dva roky a považuji své vyjadřování ne za standardní, jelikož mi je občas vytýkáno, že se snažím vlastní text vytvářet příliš srozumitelný, a tedy se jedná o text ne příliš vhodný pro odborníky. Úryvek byl pro potřeby studie převzán z webového portálu časopisu IT SYSTEM bez žádosti tento úryvek ve studii použít směřované na editora časopisu či autora úryvku. Studie se zúčastnilo celkem 16 respondentů různého věku a nejedná se pouze o osoby, jejichž povolání má blízko k informačním technologiím. Ani nebyli ve studii zastoupeni pouze respondenti, kteří se o informační technologie zabývají soustavně v rámci studia či výkonu povolání. Byli užiti ve studii respondenti různého věku a různého vztahu k informačním technologiím a k tématu kvalita dat, protože bylo cílem této studie ohodnotit primárně, ne jak experti zabývající se kvalitou dat či informačními technologiemi čtou odborný text, ale na druhou stranu bylo cílem studie určit, jak lidé s různým vztahem k informačním technologiím či přímo k oblasti informačních technologií, která se zabývá kvalitou dat či informace, rozumí textům, kteří píšou odborníci zabývající se kvalitou informace soustavně.

5


Jinak řečeno byla snaha ohodnotit, zda odborníci vytvářející texty o kvalitě dat či informace vytváří texty srozumitelné pro každého či minimálně pro osoby označující se za profesionály v oblasti informačních technologií. Počet osob oslovených se žádostí o vyplnění dotazníku se pohyboval mezi 40 až 50. Toto číslo nejsem schopen uvést přesně, protože některé osoby, které vyplnily dotazník, mou žádost o účast ve studii rozeslaly dále, avšak jsem již nezjišťoval, kolik osob každá z nich přesně oslovila. Dotazníků bylo vráceno vyplněných 16. Respondenti nemuseli číst v rámci studie znění celého analyzovaného článku, ale naopak měli k dispozici v dotazníku pouze nadpis, podnadpis a dva první odstavce článku. Přitom však byl v dotazníku uveden hypertextový odkaz na znění celého článku, takže v případě zájmu mohl každý respondent při vyplňování dotazníku přečíst článek celý. Ke konci dotazníku pak byla vznesena otázka, zda respondent přečetl článek celý či nikoliv, a jak je zřejmé z výsledků studie, celý článek přečetl 1 respondent ze 16. Ostatní zpracovali dotazník po přečtení části článku uvedeného v dotazníku. Pro analýzu srozumitelnosti byl zvolen počátek článku a nikoliv úryvek z jeho dalších částí, protože bylo předpokládáno, že nadpis článku či podnadpis mají předat čtenáři úvodní informace o obsahu článku a také by to měl činit úvodní odstavec či odstavce textu v úvodu článku. Přitom lze očekávat, že další odstavce textu uvádějí kupříkladu podrobnější či složitější informace, které se již dříve v článku třeba zmínily obecněji či jednodušeji. Z toho důvodu respondenti analyzovali počátek článku a nikoliv pasáž kupříkladu z jeho středu či konce, protože tyto pasáže by mohly obsahovat informace, k jejichž porozumění by museli respondenti číst předchozí části článku. Pouze část článku byla zvolena do studie, protože žádat respondenty, aby přečetli celý článek, by vyžadovalo více času na zpracování dotazníku z jejich strany a domnívám se, že by studie nebyla dokončena pro nezájem většiny respondentů strávit nad dotazníkem více času. Dotazník v současné podobě vyžadoval na zpracování více než 20 minut a již tato doba se zdála některým respondentům dlouhá. Patnáct respondentů ze 16 četlo pouze část článku, přesto bude obsah celého článku v první subkapitole následující kapitoly Výsledky popsán. Totiž nelze vyloučit, že informace, které respondenti nerozuměli v analyzovaném úryvku, může být vysvětlena v části článku, kterou nečetli. Tím, že obsah celého článku popíšeme, jsme schopni určit, které informaci respondenti nerozuměli, protože není v analyzovaném úryvku článku a současně ani ve zbytku článku, který neměli k dispozici. Dále lze určit, které informaci respondenti nerozuměli, protože analyzovali pouze úryvek článku a nepřečetli si zbytek článku, kdy informace, které nerozuměli, může být vysvětlena ve zbytku článku. Vybral jsem pro studii text jiné osoby, protože sám přes dva roky věnuji kvalitě informace a srozumitelnosti vyjadřování a pokud bych použil ve studii svůj text, nejspíše by na něm některé problémy srozumitelnosti nebyly identifikovány. Z toho důvodu by studie měla menší vypovídací hodnotu, protože by nebylo ohodnoceno vyjadřování osoby, která se měsíce nezabývá metodami pro vytvoření srozumitelné písemné informace v podobě odborného článku. Cíle článku je naopak ohodnotit vyjadřování osoby, která se zabývá kvalitou informace ve výzkumu či v povolání a současně ale nemusí mít ponění o mnoha doporučeních pro srozumitelné psaní. Toto tvrzení však nejsem schopen v této kapitole potvrdit, tedy je pouze spekulativní, protože lze předpokládat, že autor analyzovaného úryvku uplatnil návody pro srozumitelné psaní shrnuté v předchozí kapitole zabývající se literaturou. Pak ale je smyslem studie ohodnotit, jak moc se mu podařilo stále srozumitelnou informaci vytvořit. Více k domněnce uvede sekce Diskuze. V první subkapitole kapitoly Výsledky, se popisuje, jak již bylo uvedeno, celý obsah článku, jehož část byla převzata do dotazníku. Tento popis je zejména subjektivní, protože jsem se snažil s pomocí své znalosti identifikovat vedle uvedení samotného popisu textu v textu vše, co mi přijde nesrozumitelné. Nesrozumitelné (například nejednoznačné, vágní, obecné výrazy) jsem se snažil identifikovat, protože bylo třeba vybrat pro studii slova, na jejichž význam budou respondenti tázáni. Tato slova byla zvolena a poté jsem sestavil dotazník, ve kterém jsou respondenti tázáni na vysvětlení významů slov, kterým jsem sám nerozuměl. Tímto způsobem mělo být zjištěno, zda slovům nerozumím sám, či zda s významy slov mají problémy také jiné osoby. Aby byla ohodnocena plně srozumitelnost textu, pak by bylo nejspíše potřeba se ptát na význam každého slova z analyzovaného úryvku, na návaznost vět, nadpisu či také třeba na hlavní zprávy odstavců a propojení těchto hlavních zpráv odstavců. Tento způsob zvolen nebyl, protože by dotazník obsahoval desítky dalších otázek a byl by náročný na vyplnění. Lze říci, že ohodnocení srozumitelnosti textu je vždy z části závislé na tom, jaká slova tvůrce studie zvolí na rozbor, přitom však se současně domnívám, že lze pomocí dostatečného počtu zvolených slov do dotazníku nabídnout doporučení pro vytvoření informace srozumitelnější, protože i tak mohou být některé nesrozumitelné části článku identifikovány. Znění celého dotazníku je uvedeno ke konci článku, a to v příloze, přičemž nebude v této kapitole detailně dotazník popsán. To proto, že znění jeho otázek je uvedeno v následující kapitole prezentující výsledky studie. Poslední otázka dotazníku má číslo 44, v rámci které byli respondenti tázáni, zda chtějí po vyhodnocení studie a napsání článku o ní jeho znění obdržet emailem. Odpověď na tuto 44. otázku dotazníku analyzovat v tomto článku nebudu a ani prezentovat volby respondentů. Předposlední otázka dotazníku má číslo 43, přesto je otázek v dotazníku o několik více. Nejprve totiž dotazník obsahuje 6 otázek předběžných, ve kterých uvedli respondenti jméno, věk, studijní obor či název povolání a kontaktní email. Dále uvedli nejvyšší dosažené vzdělání a také vztah k informačním technologiím. Na výběr měli při volbě nejvyššího dosaženého vzdělání čtyři následující možnosti: 1. vystudovaná základní škola, či studuji základní školu; 2. vystudovaná střední škola s maturitou, či studuji střední školu s maturitou; 3. vystudovaná střední škola bez maturity či vyučení, či studuji střední školu bez maturity i výučního listu; 4. vystudovaná vysoká škola, či studuji vysokou školu. Pod otázkou „Jaký je váš vztah k informačním technologiím?“ následovalo šest následujících možností: 1. Jedná se o můj obor studia či náplň práce.; 2. Zajímám se o toto téma ve volném čase soustavně.; 3. Zajímám se o toto téma ve volném čase příležitostně.; 4. O tomto tématu vím velice málo.; 5. O tématu nic nevím.; 6. Jiná možnost. Veškeré předběžné otázky nebyly číslovány.

6


Jména respondentů ve výsledcích studie nejsou uvedena, aby byla zachována anonymita, je však uveden věk každého respondenta a jeho pohlaví, nejvyšší dosažené vzdělání, jeho vztah k informačním technologiím a také studijní obor či název jeho povolání. Tyto údaje považuji za vhodné uvést, aby čtenář článku získal představu o složení skupiny respondentů, kteří analyzovali úryvek odborného textu zabývající se kvalitou dat, kdy se nejspíše jednalo o text napsaný odborníkem v této oblasti, protože autor analyzovaného článku pracoval jako account manager ve společnosti, která pomohla Českému Telecomu zkvalitnit řízení dat. První číslovaná otázka dotazníku má číslo 1 a poslední číslo 44. Přitom otázek číslovaných v otazníku je více, protože vedle 44 otázek s čísly 1 až 44 se nachází v dotazníku také 3 podotázky. Přímo se jedná o podotázky 8.1,28.1 a 29.1. Tedy dotazník obsahuje celkem 47 číslovaných otázek. Většina otázek dotazníku nabízela nejprve uzavřené odpovědi, kdy se volila odpověď kupříkladu mezi „nevím“ a „vím a vysvětlím“ (otázky č. 1, 3 až 7, 9 až 11, 13 až 18, 20 až 28, 29 a 29.1, 31 až 35, 37 až 39); mezi „ne“ a „nevím“ a „ano a vysvětlím“ (otázka č. 2); mezi „ano“ a „ne“ a „nevím“ (otázky č. 8 a 8.1, 12); mezi „ne“ a „ano a uvedu příklad(y)“ (otázka 28.1); mezi „nejsem schopen tak učinit“ a „uvedu“ (otázka 30); mezi „ano“ a „nevím“ a „ne a vysvětlím“ (otázka č. 36). Otázka č. 19 nabízela čtyři možnosti: ne, nevím, ano a nejsem schopen vysvětlit, ano a vysvětlím. Pokud byla v dotazníku kdekoliv zaškrtnuta možnost, jejíž částí bylo slovo „vysvětlím“, pak museli respondenti slovně objasnit, proč zvolili onu možnost. Posledních 5 otázek dotazníku (otázky č. 40 až 44) respondenti vyplňovali po vyplnění všech předchozích otázek uvedených v dotazníku. Otázka s pořadovým číslem 40 se ptala na hlavní zprávu úryvku a v tomto případě měli respondenti popsat onu zprávu jednou větou. Ve 41. otázce byli tázáni na ohodnocení srozumitelnosti analyzovaného úryvku, případně celého článku, kdy měli na výběr jednu z těchto 5 možností: 1. Rozumím hlavní zprávě textu a rozumím také významu všech slov v něm.; 2. Rozumím hlavní zprávě textu, ale nerozumím významu některých slov v něm.; 3. Nerozumím hlavní zprávě textu, ale rozumím významu všech slov v něm.; 4. Nerozumám hlavní zprávě textu a nerozumím významu všech slov v něm.; 5. Jiná možnost. Otázka s pořadovým číslem 42 se ptala, zda autor úryvku či celého článku vytvořil srozumitenou informaci, kdy respondenti mohli zvolit 1 ze 2 možností, a to „ano“ a „ne“. Další otázka s číslem 43 se ptala, zda si respondent přečetl znění celého článku, když vyplňoval dotazník. Na výběr byly tři odpovědi: 1. ano, 2. ne, 3. Pokusil jsem se, ale vzdal jsem to před koncem, protože textu nerozumím. Pomocí této otázky bylo možné rozpoznat, kteří respondenti analyzovali pouze úryvek uvedený v dotazníku a kteří si přečetli článek celý, který nebyl součástí dokumentu vytvářejícího dotazník. V sekci Výsledky se nejprve popisuje obsah celého článku, jehož část byla převzata do dotazníku. Dále se uvádí výsledky ze 16 dotazníků.

4 VÝSLEDKY Nejprve bude popsán obsah celého článku, jehož úryvek respondenti analyzovali, kdy prezentuji vlastní interpretaci článku, tj. vyjmenovávám části úryvku užitého v dotazníku a části článku, které nebyly součástí dotazníku, které považuji za nesrozumitelné. Úryvek článku převzatý pro dotazník zde nebude ocitován, byl uveden v předchozí kapitole a také je uveden v příloze příspěvku. Článek, jehož úryvek byl převzdat do dotazníku, vyšel v časopise IT SYSTEM 6/2004, jeho autor pracoval v době uveřejnění jako „account manager ve společnosti TietoEnator“, jak se píše pod článkem na webovém portálu stejného časopisu. Vedle nadpisu „Řízení kvality dat v Českém Telecomu“ (Český Telecom zkráceně Č.T.) má článek podnadpis „V popředí zájmu jsou především data o zákaznících“ a pod nadpisem se nachází v tučném fontu psaný odstavec, který byl převzat také do studie. Dále následuje v článku další odstavec a opět převzatý do studie, který se nachází pod nadpisem odstavce „Význam řízení kvality dat“. Poté se v článku uvádí nadpis dalšího odstavce „Proces zpracování dat“ a následuje znění samotného odstavce. Dále se článek sestává z dalšího nadpisu odstavce „Nápravná opatření“, přičemž se pod tímto nadpisem uvádí odstavec textu a pod ním se píše „Nápravná opatření zahrnovala následující oblasti:“. Oblasti se poté v sedmi jednovětných bodech vyjmenovávají. Následně se uvádí další nadpis odstavce „Přínosy pro business“ a pod ním se píše „Mezi přínosy projektu Data Quality pro Český Telecom patří například:“. V devíti bodech se ony přínosy opět poté vyjmenovávají. Poslední odstavec článku má nadpis „Trvalý proces řízení kvality dat“ a poté se prezentuje samotný text odstavce. Pak se na webové stránce s článkem nachází údaje o autorovi článku. Pod údaji o autorovi článku se ještě prezentuje text mimo článek podávající doplňující informace, kdy text je uveden na modrém pozadí. Hlavním nadpisem textu na modrém pozadí je „Nezbytné komponenty managementu informační kvality“. Pod tímto nadpisem následuje odstavec a pod ním pak věta „K základním aspektům managementu informační kvality, tak aby se stal významným nástrojem společnosti, patří:“. Tyto aspekty se v článku číslují čísly 1 až 4 a jedná se o následující 4 aspekty: „1. Informační kvalita je obchodní problém, nikoliv IT problém, 2. Zaměřte se na uživatele a dodavatelé informací, ne jenom na data, 3. Zaměřte se na všechny komponenty informační kvality - definice, obsah, prezentace, 4. Vyhodnocujte přesnost, nikoliv správnost“. Jak název analyzovaného úryvku převzatého v IT SYSTEM 6/2004 sděluje, má pojednávat o řízení kvality dat v české společnosti. Přitom chce autor článku zdůraznit, že v rámci řízení kvality dat je třeba se zaměřit na data o zákaznících. Tento důraz je uskutečněn pomocí obsahu podtitulku článku. Považuje následně autor článku kvalitu dat za

7


nutnou podmínku pro obdržení informací kvalifikovaných. Totiž v druhé větě prvního odstavce se píše, že nelze bez kvalitních dat provádět správné plánování na strategické úrovni, přičemž data by měla být zajištěna na úrovni výkonné. V článku však není uvedeno, proč data zajištěna kupříkladu na výkonné úrovni nemohou být použita pro získávání kvalifikovaných informací na výkonné úrovni. Nevysvětluje se, proč jen kvalita dat je nutná pro získání kvalifikovaných informací a proč ne třeba také pro získání nekvalifikovaných informací. Není ani objasněn rozdíl mezi daty a informacemi. Vedle toho není objasněno, v čem se liší úroveň výkonná od úrovně strategické. Podíváme-li se opět na první větu prvního odstavce, lze říci, že není dále objasněno, proč jsou kvalitní data nutná pro získávání kvalifikovaných informací. Vedle toho není v odstavci objasněno, v čem se liší kvalifikovaná informace od nekvalifikované, či proč firma nemůže pomocí kvality dat získávat nekvalifikované informace. Ve druhé větě prvního odstavce analyzovaného článku se píše o „životním“ zájmu, aby se firmy zabývaly kvalitou dat, leč není uvedeno, proč je to v „životním zájmu“ a nikoliv jen v „zájmu“. Stejná věta pak uvádí termín „systematická báze“, který není výslovně objasněn. Vedle toho se píše v prvním odstavci článku o metodice a technologii a opět není objasněn rozdíl ve významu těchto dvou pojmů. Porovná-li se obsah dílčího nadpisu článku s obsahem prvního odstavce článku, lze říci, že odstavec článku neobjasňuje, proč je třeba zejména věnovat pozornost datům o zákaznících. Totiž první odstavec textu píše o kvalitě dat a informací obecně a není v něm uvedeno nikde slovo zákazníci. Autor článku podnadpisem „V popředí zájmu jsou především data o zákaznících“ specifikuje zaměření článku, když se uvažuje výše uvedený hlavní nadpis článku. Přitom se však první odstavec článku nezabývá specifikovaným tématem (řízením kvality dat o zákaznících), leč podává první odstavec článku informace obecné týkající se kvality dat a informací, tedy podává jinak řečeno informace týkající se hlavního nadpisu článku. Podívejme se dále na odstavec uvedený pod nadpisem „Význam řízení kvality dat“. V tomto odstavci chtěl nejspíše autor článku vysvětlit, proč je třeba řídit kvalitu dat. Jak se píše ve stejném odstavci, nabízí Č.T. služby hlasové, datové a integrované, leč se nelze dočíst v článku o příkladech těchto služeb. Také není objasněno, v čem se liší služba hlasová od datové, služba datová od integrované, či služba hlasová od integrované. Je třeba podle autora článku dbát na „zajištění stávajících služeb a produktů“, kdy není uveden příklad stávající služby či produktu. Ani se neuvádí, jak Č.T. tyto stávající služby zajišťuje. Když se následně píše o tom, že se rychle rozvíjí nové služby a produkty, opět se neuvádí příklad nově se rozvíjejících služeb a produktů. Vedle toho se píše o „rychlém rozvoji“, kdy však není specifikováno slovo „rychlý“. Tedy lze spekulovat, v čem se liší rychlý rozvoj od třeba extrémního, pomalého, významného, zrychlujícího se. Dále v textu není uvedeno i, co přesně znamená „rychlý rozvoj informačních sytémů“. Totiž se lze ptát, kdy může být rozvoj informačního systému nazván rychlým na rozdíl od rozvoje informačního systému, který nebude považován za rychlý ani třeba pomalý a jen se bude rozvíjet. Výraz „informační systémy“ není specifikován a není uveden příklad informačního systému pomocí detailního vysvětlení. Tedy se lze následně ptát, když se v článku píše o informačních systémech, co mají podporovat byznys společnosti, zda existují informační systémy, které byznys společnosti nepodporují. Dále se lze i tázat, jaké typy či druhy informačních systémů existují, když autor nepíše o jednom informačním systému, ale píše o informačních systémech. Když začíná druhá věta druhého odstavce článku výrazem „V praxi“, pak se nelze v článku dočíst, zda má autor článku na mysli praxi v rámci řízení kvality dat v Č.T., či zda v tomto případě píše o řízení dat v rámci více firem. Nejspíše má na mysli Č.T., protože první věta druhého odstavce článku začíná výrazem „Český Telecom“. Pak se ale můžeme ptát, co znamená, že „běžně“ docházelo v rámci porovnání datových položek více systémů k rozdílům. Píše se také v druhém odstavci článku o několika systémech, které nejspíše používá Č.T., nejsou však uvedeny příklady minimálně dvou systémů. Následně si nedovedu představit, v čem se liší vstupní informace týkající se různých systémů a také těch systémů, které se porovnávají. Autor článku také píše o „věcné správnosti“ dat, kdy se opět nevysvětluje v témže odstavci, v čem se liší věcná správnost od věcné „nesprávnosti“. Datové položky mezi více systémy byly porovnány, kdy se nelze dočíst, jaké datové položky přesně a mezi jakými systémy a jak byly porovnány. Píše se následně o vykazování rozdílů v obsazích systémů, přičemž tyto rozdíly nejsou popsány. Tedy čtenář může spekulovat, jaké rozdíly byly nalezeny. Protože se v článku také píše „Další zpracování takovýchto dat běžnými metodami bylo velmi komplikované.“, lze předpokládat, že po porovnání dat mezi více systémy byla snaha je dále zpracovávat k jakémusi účelu. Přitom se již nedočteme, proč bylo zpracování dat komplikované, či lépe řečeno „velmi komplikované“. Dále se nelze dočíst, jaké běžné metody při onom zpracování dat selhaly a proč. Pokud se v článku píše o metodách zpracování dat běžných, lze se ptát, zda existují také metody jiné než běžné. Pokud existují, může být vznesen dotaz, proč nebyly aplikovány na zpracování dat místo metod běžných. Píše se také v článku o „projektu Data Quality“ a jelikož lze na projekt nahlížet na aktivity omezené časem a náklady, pak se lze ptát, co bylo smyslem tohoto projektu, který nejspíše realizoval Č.T. a k jeho dosažení využíval služeb společnosti TietoEnator. „Metodika Total Quality Information Management“ byla implementována v rámci DataQuality projektu, kdy se název této metodiky neuvádí v češtině. Tedy se lze kupříkladu ptát, v čem se liší metodika „totální“ od „metodiky Quality Information Management“. Vedle toho nadpis článku píše o „řízení kvality dat“ a projekt nese název „Data Quality“. Totiž může být namítnuto, že by mohla být snad také uplatněna metodika „Quality Data Management“ přímo na řízení dat, pokud existuje, a nikoliv metodika na řízení informací, kdy je snaha zlepšit v rámci projektu zejména řízení dat. Není v článku ani výslovně objasněno, co to je prostředí, které zajistí růst kvality dat a současně tento růst bude udržovat. Lze se také ptát, co znamená „růst kvality dat“ v porovnání se „stagnací kvality dat“.

8


Píše se v druhém odstavci článku „V popředí zájmu jsou především data vztažená k zákazníkovi...“, kdy se uvádí následně příklady dat ke konci věty. Ocitovaná část věty je shodná s podtitulkem článku a celé znění věty je: „V popředí zájmu jsou především data vztažená k zákazníkovi, například název firmy, adresa sídla firmy, poštovní adresa apod.“ Předchozí citace uvádí 3 příklady dat, a to po slově „například“, kdy po těchto 3 případech následuje ještě slovo „apod.“, které by nejspíše nemuselo být uvedeno, protože již je ve větě slovo „například“. Lze také spekulovat, zda všichni či alespoň někteří čtenáři textu jsou schopni vyjmenovat další příklady. Píše následně autor článku o primárních databázích, kdy tento pojem není opět objasněn a nelze říci, zda existují kupříkladu také sekundární databáze a v čem se liší od primárních databází. Píše se i v článku o odstranění nepřesností a neúplností v databázích, kdy se nelze v druhém odstavci článku dočíst, jak byla nepřesnost či neúplnost záznamů eliminována, když se uvažují kupříkladu 3 výše uvedené příklady dat. Jinak řečeno nebyl uveden příklad nepřesného či neúplného záznamu v primární databázi. Autor článku zdůrazňuje zaměření na data o zákaznících, leč se nelze dočíst, proč by měl Č.T. věnovat pozornost primárně datům o zákaznících. Nejspíše vyšší kvalita dat (menší nepřesnost a neúplnost) o zákaznících v databázi vede kupříkladu k nárůstu počtu doručitelnosti zásilek. To však ale stále neříká, proč právě kvalita dat o zákaznících by měla být v popředí zájmu, když lze předpokládat, že pracuje Č.T. i s jinými daty než o zákaznících. Zvýší-li se kvalita dat v primárních databázích, kterých má Č.T. nejspíše několik, protože autor článku nepíše o jedné databázi, pak se vytváří reporty, které v článku nespecifikuje jinak než, že se jedná o reporty pojednávající o záznamech v databázích nutných pro manažerské rozhodování. Naskýtá se otázka, k čemu potřebují manažeři Č.T. reporty týkající se záznamů o zákaznících, lépe řečeno se lze ptát, k čemu potřebují manažeři pro rozhodnutí reporty, které budou vypovídat o databázových záznamech o klientech. Lépe řečeno se lze ptát, jaký vliv má jaký nárůst kvality záznamů v databázích na kvalitu reportů pro rozhodování manažerů. Pod pojmem „kvalita dat v databázi“ se rozumí kupříkladu data bez nepřesností a data úplná. Pokud však reporty nejsou databázová data, ale jedná se o větné informace vedle třeba tabulek či grafů, pak se lze ptát, v čem se liší report kvalitní od nekvalitního. Totiž lze spekulovat, zda nárůst kvality dat v databázi vede vždy nutně k nárůstu kvality reportů. Totiž reporty mohou tvořit různí lidé, kteří budou využívat stejná data z databází, a tedy by mohla být kvalita reportů vytvořená různými tvůrci reportů odlišná. V rámci procesu zajištění dat se data připravují, následuje zpracování. Poté se vyhodnocují výsledky nejspíše ze zpracování a realizují se nápravná opatření. Vedle těchto uvedených dílčích procesů má proces zajištění kvality dat obsahovat i jiné dílčí procesy, protože se v článku píše „mimo jiné“, přitom však nejsou jiné procesy vyjmenovány. Jelikož se píše v článku o přípravě dat a také o zpracování dat, může být vznesena otázka, zda v rámci přípravy nemusí být také data někdy zpracovávána. Vedle toho není v poslední větě druhého odstavce podrobně vysvětleno, co se rozumí pod pojmem „nápravná opatření“, či jaké výsledky a jak byly vyhodnocovány. Můžeme se také ptát, kdo v rámci řízení kvality dat provádí přípravu, zpracování dat, kdo vyhodnocuje výsledky a kdo přijímá nápravná opatření a realizuje. Výše byla rozebrána informace, kterou účastnici studie měli k dispozici jako základ, pokud se nerozhodli přečíst celý článek na Webu. Pokusme se na celý úryvek včetně nadpisu a podnadpisu podívat znovu a na základě výše uvedeného získat informace doposud ne příliš zřejmě v úryvku uvedené. Bude se jednat o informace, které mohou být pravdivé a také ale být pravdivé nemusí. Jelikož se zaměřuje autor článku na zpracování dat, jak se píše v nadpisu článku, a ty se týkají databází, pak lze snad tvrdit, že by se kvalifikovaná informace mohla týkat výstupu získaného ze zpracování dat. Tento výstup by mohl mít kupříkladu podobu reportu určeného pro manažery. Nelze však stále určit, kdo kvalifikovanou informaci vytváří, či kým je použita. Domnívám se, že by se mohlo jednat o informaci používanou manažery – kvalifikovanými osobami. Protože autor článku také píše o dvou úrovních plánování, a to strategické a výkonné, pak nejspíše se výkonná týká činností majících co dočinění s každodenním řízením kvality dat v databázích a strategická úroveň by se mohla týkat rozhodování manažerů o obsazích databází či třeba o jejich zřizování, změnách obsahů, kdy se uvažují dlouhodobé záměry firmy. Jelikož se v článku píše o více než jedné primární databázi, pak se lze domnívat, že by mohl mít Č.T. záznamy o zákaznících ve více (primárních) databázích. Pokud se však nerozumí pod pojmem „primární databáze“ „záložní databáze“, která by mohla být sekundární, lze se ptát, proč musí být obsahy primárních databází porovnány, či jak mohou být porovnány, když se v nich nachází údaje o různých klientech. Jelikož se také mají porovnávat datové položky mezi více systémy, lze se tázat, zda systémy jsou totéž jako primární databáze, či zda autor článku nezahrnuje do systémů vedle databází primárních také databáze jiné. Píše se i v prvním odstavci článku o kvalifikovaných informacích, kdy se neobjasňuje, proč jsou třeba kvalifikované informace a nelze pracovat s nekvalifikovanými získanými také pomocí kvality dat. Jelikož jsou kvalitní data o zákaznících, kdy lze nejspíše přiřadit úroveň výkonnou těmto datům, nutná pro správné strategické plánování, pak může být vznesen další dotaz, čeho by se mělo strategické plánování zejména týkat. Zda kupříkladu zejména obsahu, počtu, druhu databází, či zda by se nemělo týkat udržitelnosti firmy na trhu či dosažení vyššího zisku, tržního podílu. Podívejme se dále na „Proces zpracování dat“, který se vysvětluje ve třetím odstavci článku. Tento odstavec má následující znění a již nebyl uveden jakou součást úryvku v dotazníku. Příprava a zpracování dat, měření kvality dat a zpracování výstupů ve společnosti Český Telecom jsou založeny na principech Trillium Data Quality Methodology a využívají metriky kvality dat, jako jsou správnost, přesnost, úplnost, konzistence, aktuálnost, jedinečnost či platnost. Použitý systém Trillium Software System, dodaný společností TietoEnator, je vybaven inteligentním mechanismem čištění dat založeným na fuzzy logice. Proces zpracování probíhal dle navržené metodologie v logicky na sebe navazujících krocích: analýza dat, standardizace, doplnění a sdružování dat.

9


Analýza dat spočívá v provedení statistiky formátů datových položek, frekvenční analýzy, normalizace a transformace dat a případně validace dat proti stanoveným celopodnikovým číselníkům. Během kroku standardizace se provádí rozpoznání a roztřídění datových položek na základě znalostní báze, identifikace chyb v datech, aplikace podnikových datových standardů a příprava dat na sémantickou analýzu. Doplnění dat zahrnuje obohacení dat hodnotami ze znalostní báze a provedení komplexní sémantické analýzy. Sdružování dat spočívá v porovnání záznamů a odstranění duplicitních osob, adres nebo firem. Výsledkem procesu je vygenerování finálního doporučeného záznamu. Proces zpracování využívá znalostní bázi, ve které dodavatel řešení vytvořil aktualizovatelnou sadu pravidel pro zpracovávaná data. Základní rozsah vytvořený pro české národní prostředí, včetně celostátního registru adres v České republice, byl v průběhu zpracování dat postupně rozšířen o další pravidla, jak obecná, tak i specifická pro Český Telecom.

V první větě předchozího odstavce není uveden rozdíl mezi přípravou a zpracováním dat. Vedle toho se píše o měření kvality dat, kdy lze spekulovat, zda zpracování dat nemusí být také měřením kvality dat, či zda měření kvality dat nemusí být součástí zpracování dat. Vedle toho se v první větě píše o zpracování dat a také ale o zpracování výstupů, tedy se lze ptát, v čem se liší zpracování dat od zpracování výstupů zpracování dat. V téže větě se píše o výstupech, takže může být také vznesena otázka, o jaké výstupy se jedná a o jaký počet výstupů. V první větě se píše o metodologii „Trillium Data Quality Methodology“, kdy se nevysvětluje význam slova „Trillium“. Vyjmenovávají se dále metriky, aniž by se objasnilo, jak se metriky měří a co znamená slovo „metrika“, kdy se jmenuje třeba konzistence či úplnost. Významy těchto metrik nejsou objasněny, tedy lze spekulovat, v čem se liší třeba metrika konzistence od metriky úplnost. Také není nadefinována přesnost či správnost týkající se záznamu v primární databázi. Takže si čtenář nemusí udělat jednoznačnou představu, který záznam v databázi je přesný a správný na rozdíl od nepřesného a nesprávného. Vedle toho vstupní informace týkající se různých systémů (databází) mohou být v různých databázích různě zachyceny, tj. každá databáze může mít různý počet řádkových a sloupcových záznamů. Takže se naskýtá otázka, jak se záznamy, kdy struktury databází jsou odlišné, navzájem porovnají, přičemž se posuzují třeba správnost či přesnost. Dále první věta prvního odstavce článku píše o kvalitě dat zasluhující si pozornost pro obdržení kvalifikovaných informací. Přitom se však v druhém odstavci článku píše o vstupních informacích, a to vstupujících do různých systémů. Nicméně v samotných primárních databázích jsou nejspíše data a nikoliv informace, pokud autor článku rozlišuje mezi obojím, takže se lze ptát, proč do systémů (databází) vstupují informace a nikoliv data. Dále se třeba uvádí jako příklady metrik aktuálnost či platnost. Ve vztahu k dvěma předchozím metrikám lze vznést dotaz, zda informace platná není vždy aktuální, pokud se slovo „platná“ nerozumí jako „pravdivá“. Společnost TietoEnator poskytla Č.T. software, který pomocí inteligentního mechanismu provádí čistění dat v databázích. Přitom čištění má být založena na fuzzy logice. Lze se tedy ptát, proč je mechanismus čištění označen jako „inteligentní“, či se můžeme také ptát, jak jsou čištěny záznamy v rámci jedné konkrétní databáze. Není v článku uvedeno, co znamená vyčistit data, aby záznamy v databázi byly čisté. „Fuzzy logika“ je široký pojem a lze opět spekulovat, zda si každý expert v informačních technologiích dovede představit, jak se čistily pomocí fuzzy logiky databázové záznamy týkající se kupříkladu názvů firem, poštovních adres firem, aby byla zvýšena doručitelnost zásilek. Totiž fuzzy logika pracuje s číselnými hodnotami a záznamy v databázích týkající se kupříkladu názvů firem, poštovních adres firem nejsou číselné hodnoty 0 či 1, pokud budeme předpokládat, že fuzzy logika pracuje (snad) s hodnotami 0 a 1. Píše se dále v třetím odstavci článku o logickém procesu zpracování dat, kdy se uplatnila analýza dat či standardizace. Databází bylo nejspíše více a nelze z článku určit, jak se analyzovala data v rámci alespoň jediné databáze konkrétně. Také není objasněn význam slova „standardizace“ ve vztahu k datům, ani se nevysvětluje, čím byla data doplňována (z jakých zdrojů) a proč a jak byla sdružována. Hovoří se však v článku o analýze dat jako o „provedení statistiky formátů datových položek, frekvenční analýzy, normalizace a transformace dat a případně validace dat proti stanoveným celopodnikovým číselníkům“. Znovu nejsou specifikovány datové položky v minimálně jedné databázi, či není uveden příklad datové položky. Není ani objasněn význam slova „statistiky“, které se týká datových formátů, pokud se nejedná kupříkladu o frekvenční analýzy, o kterých se píše ve stejné větě. Jestliže byla provedena normalizace dat, pak by bylo nejspíše vhodné objasnit tento postup podrobněji. Také se píše o transformaci dat, kdy není uvedeno, jak byla data přetransformována, odkud a kam. Ani stanovené celopodnikové číselníky nejsou podrobněji objasněny, tedy lze zase spekulovat, jak probíhala validace dat a jakých v porovnání s číselníky. Píše se ve třetím odstavci článku také, že se datové položky rozpoznávají, kdy není uvedeno jak a čím, a také se provádí třídění, kdy není uvedeno na základě jakých parametrů. Pouze ony kroky náleží do fáze standardizace a pracuje se se znalostní bází. Tato báze se však v článku nevysvětluje, stejně jako nebyly vysvětleny významy slov informace a data. Pokud předpokládáme, že jsou znalostními bázemi rozuměny záznamy v databázích, což nemusí být pravdivý předpoklad, pak se lze tázat, proč se nepíše v článku o datové bázi místo znalostí báze, protože pokud nejsou data totéž jako informace, lze namítnout, že ani znalost není daty či informacemi. Protože se také píše ve třetím odstavci o podnikových datových standardech, lze se ptát, zda jsou tyto standardy totéž co stanovené celopodnikové číselníky. Pokud se jedno od druhého liší v článku, není to vysvětleno. Na data byla dle informací ve stejném odstavci aplikována sémantická (obsahová) analýza, kdy se nevysvětluje, proč tak bylo provedeno. Data měla být v procesu doplnění obohacena hodnotami, které se převzaly ze znalostní báze. Lze tedy říci, že má výše uvedená domněnka není pravdivá, protože znalostní báze není totéž jako databáze (obsahující data), která byla analyzována. Pak ale není zřejmé, co je „znalostní báze“, či jaká data (možná znalosti) se v ní nachází a jak je lze převzít do databáze v procesu doplnění dat

10


v databázi. Přímo byla provedena sémantická analýza po obohacení dat v databázi ze znalostní báze. Nelze se však dočíst v článku, za jakým účelem byla sémantická analýza provedena, či co bylo a jak sémanticky analyzováno. Totiž sémantická analýza je široký pojem a lze v rámci ní uplatnit více metod. Autor článku rozumí pod výrazem „sdružování dat“ to, že byly záznamy porovnány. Není mi však jasné, zda se vždy porovnávaly záznamy v databázích, čí záznamy databáze se znalostní bází. Jestliže se při tomto procesu odstraňují duplicitní záznamy, lze se tázat, co je obsahem druhé jednotky (databáze či báze), která se porovnává s první databází. Jelikož má být dále generován jako výsledek „finální doporučený záznam“, může být vznesena další otázka, a to o jakou formu záznamu se bude jednat – zda půjde o databázi. Vedle toho není uvedeno v článku, když se získá finální doporučený záznam, co se stane s původní databází a znalostní bází. Také se píše ve třetím odstavci článku, že Č.T. nabízí ve znalostní bázi „aktualizovanou sadu pravidel pro zpracovávaná data“. Přitom však není v článku uveden příklad těchto pravidel, takže si čtenář nemůže udělat představu, s pomocí jakých pravidel byla data zpracovávána. Jinak řečeno je informace obecná. Poslední věta třetího odstavce začíná: „Základní rozsah vytvořený pro české národní prostředí...“ Lze se ve vztahu k počátku předchozí věty tázat, základní rozsah čeho má autor článku na mysli. Totiž můžeme spekulovat, zda se jedná o obsah databáze či o obsah znalostní báze. Jelikož se však ve větě píše o celostátním registru adres, pak se nejspíše jedná o základní rozsah databáze, který specifikuje znalostní báze. Tento základní rozsah byl podle autora článku rozšířen, kdy se jmenují pravidla obecná i specifická pro Č.T. Lze však vznést zase námitku, zda čtenář článku ví rozdíl mezi specifickými a obecnými pravidly, zda je schopen správně zatřídit pravidlo, které se v článku žádné nejmenuje, do jedné ze dvou kategorií (obecná a specifická). Podívejme se dále na podkapitolu článku nesoucí název „Nápravná opatření“, přičemž je její obsah ocitován včetně 6 nápravných opatření. Výstupy jednotlivých kroků zpracování, vypovídající o úrovni kvality dat z určitého hlediska, a jejich vyhodnocení byly podkladem pro návrhy nápravných opatření. Řešení informační kvality totiž nespočívá jen v analýze a čištění dat. Je nutné rovněž identifikovat příčiny vzniku nekvalitních informací, a ty řešit. Skutečnosti zjištěné v procesu zpracování dat proto byly konzultovány s uživateli jednotlivých systémů. Na základě těchto konzultací byly formulovány návrhy nápravných opatření, a to jak v oblasti procesní a organizační, tak v oblasti technické. Nápravná opatření zahrnovala následující oblasti: · jednoznačnou definici obsahu sporných položek, · návrhy na softwarové (automatizované) řešení nápravy, · návrhy na úpravy aplikačního software, · návrhy na změny metodik a procesů, · ruční opravu nekonzistentních dat na základě poskytnutých sestav, · doplnění neúplných dat ( např. chybějící IČO), · deduplikaci dat (odstranění shodných záznamů sloučením informací do jednoho záznamu, případně odstranění duplicitního záznamu).

V první předchozí ocitované větě se píše o výstupech z kroků zpracování. Může být tedy vznesen dotaz, zda je krokem zpracování také samotné zpracování dat, či zpracování výstupů, když nad třetím odstavcem článku je uveden nadpis „Proces zpracování dat“ a pod tímto nadpisem se píše o: „Příprava a zpracování dat, měření kvality dat a zpracování výstupů...“ Výstupy z kroků zpracování mají mluvit o „úrovni kvality dat z určitého hlediska“, kdy se nespecifikuje, jaké hledisko se týká třeba výstupu „zpracování“ či výstupu „zpracování výstupů“. Dále se nevysvětluje, jak bylo provedeno vyhodnocení, či proč byla přijata ta či ona nápravná opatření. Jelikož klade autor článku důraz na eliminaci identifikovaných příčin vzniku informací, které nejsou kvalitní, bylo dle něho potřeba provádět konzultace „s uživateli jednotlivých systémů“. Nelze se však dočíst, o jaké různé uživatele se jedná a o jaké různé systémy se jedná. Totiž se lze ptát, pokud existuje jedna databáze o zákaznících, proč se v článku píše o více systémech. Také se píše o „skutečnostech“ zjištěných při zpracování dat, kdy tyto skutečnosti odhalily příčiny nekvalitních dat. Bylo by nejspíše vhodné uvést příklady příčin nekvalitních dat, které se v článku neuvádí. Totiž byla vytvořena nápravná opatření, „a to jak v oblasti procesní a organizační, tak v oblasti technické“. Ve vztahu k předchozí citaci lze vznést dotaz, v čem se liší oblast procesní, organizační a technická od úrovně výkonné a strategické týkající se plánování. Vyjmenovává se v článku sedm oblastí nápravných opatření, kdy v první oblasti byly jednoznačně definovány sporné položky. Přitom již není objasněno, co znamená „jednoznačně definovat“ sporné položky. Totiž položky mohou být různé a nejspíše minimálně některé z nich mohou vyžadovat různé jednoznačné definice. Následující oblasti nápravných opatření převzaté z článku jsou obecné: „návrhy na softwarové (automatizované) řešení nápravy, návrhy na úpravy aplikačního software, návrhy na změny metodik a procesů“, kdy není uveden jediný příklad, co bylo provedeno ve vztahu ke konkrétní nekvalitní položce. Pátá oblast opatření se týká ručních oprav, kdy nejspíše tyto opravy byly přes ruční vkládání provedeny s pomocí software. Píše se ve stejném bodě o poskytnutých sestavách, kdy se zase alespoň nenastiňuje jejich obsah. Podívejme se dále stručně na část článku nesoucí název „Přinosy pro business“. Vrátíme-li se k druhé větě druhého odstavce článku, pak se v ní používá slovo „byznys“ a v nadpisu předposledního odstavce článku se nepoužívá stejné, ale uplatňuje se anglický výraz. Znění předposledního odstavce článku je následující.

11


Mezi přínosy projektu Data Quality pro Český Telecom patří například: · identifikace a oprava nesprávně zadaných telefonních čísel, · zpřesnění zařazení zákazníků do segmentů a prodejních kanálů, · zavedení datových standardů pro další optimalizaci řízení datové kvality, · standardizace datových položek - Číslo účtu, Číslo banky, IČO apod., · oprava vazby zákazník-smlouva napříč systémy, · identifikace zákazníků s nesprávným rodným číslem a IČO a následná oprava v systému, · indikace a oprava chyb v datových položkách navázaných na číselníky, · deduplikace zákazníků, · standardizace adresních datových položek.

V přechozí citaci se vyjmenovává několik přínosů projektu Data Quality. Přitom již můžeme říci na základě výše uvedených komentářů, že lze jen spekulovat, jak byla nesprávně zadaná telefonní čísla odhalena a opravena. Dále dle druhého přínosu se zpřesnilo členění klientů do segmentů, kdy se však neuvádí, pomocí jakých pravidel bylo členění provedeno a proč bylo dosaženo zpřesnění. Vedle toho se nevysvětluje význam pojmu „prodejní kanály“. Třetím přínosem mají být implementované datové standardy, kdy se lze ptát, čeho konkrétně se mají kupříkladu týkat, či se lze ptát, co se rozumí další optimalizací v rámci „řízení datové kvality“. Lze však porozumět, co se rozumí pod pojmem „standardizace datových položek“, kdy autor článku uvádí tři příklady. Není však srozumitelné, co rozumí pod bodem „oprava vazby zákazník-smlouva napříč systémy“. Totiž o smlouvě čteme nyní poprvé a již bylo výše uvedeno, že se nedaří z obsahu článku určit, jaké různé informační systémy se vyskytují v Č.T. Tedy nelze specifikovat vazby, když se neznají systémy, mezi kterými se vazby realizují. Podařilo se určit klienty, kteří mají chybné rodné číslo či IČO (identifikační číslo), leč není zřejmé z článku, pomocí čeho se podařilo chybná rodná čísla či identifikační čísla odhalit. I když mne napadá, že by mohl existovat jakýsi celostátní registr adres a také rodných čísel, který byl pro zlepšení dat v databázi Č.T. použit, kdy se obsahy databází porovnaly s obsahem této znalostní báze. To však je spekulace, protože autor článku o onom výslovně nepíše. Jestliže byla provedena také deduplikace či eliminace duplikací, pak zejména v případě eliminace duplikací mohly být vždy dva stejné záznamy ze stejné databáze odstraněny, či stejný záznam v databázi a ve znalostní bázi. Nelze však určit z obsahu článku, k jakým eliminacím duplikací došlo, aniž bych nespekuloval. Podívejme se na poslední odstavec článku, který se nejprve cituje a uvádí se pod nadpisem „Trvalý proces řízení kvality dat“. Řízeni kvality dat se v Českém Telecomu neomezilo jen na vlastní provedení jednorázového auditu kvality dat, ale představuje komplexní proces zajištění a udržení určité úrovně kvality dat po celou dobu jejich životního cyklu v IT prostředí společnosti. Řízení kvality dat zasahuje i do tvorby metodologie, procesů a vnitřních předpisů a standardů ve společnosti. Zajištění datové kvality a trvalá systematická péče o datovou kvalitu přináší společnosti nejen snižování nákladů, ale používání správných a validních dat, zejména ve styku se zákazníky, přispívá také k dobrému jménu celé společnosti.

První věta předchozí citace píše o jednorázovém auditu, o kterém však nebyla dříve v článku zmínka. Píše se v téže větě o „životním cyklu“ dat, a to přímo v „IT prostředí společnosti“. Pomine-li se skutečnost, že zkratka IT není vysvětlena slovy, pak není stále vysvětlen význam „životního cyklu dat“. Dále není specifikována určitá úroveň kvality dat jinak než pomocí slova „určité“. Druhá věta odstavce píše o řízení kvality dat zasahujícím do několika jiných oblastí, přitom se však nelze dočíst, „jak“ řízení kvality dat zasahuje do různých oblastí. Poslední věta článku píše o „správných“ a „validních“ datech, kdy tyto metriky nejsou stále vysvětleny. Nicméně je již z poslední věty zřejmé (alespoň trochu), proč je vhodné věnovat řízení kvality dat o zákaznících pozornost. Totiž řízení kvality těchto dat firmě snižuje náklady a také kupříkladu buduje dobré jméno firmy u zákazníků. Podívejme se dále stručně na obsah textu, který je uveden na modrém pozadí pod článkem, kdy tento text nese název „Nezbytné komponenty managementu informační kvality“. V první větě pod nadpisem se píše o kvalitě dat a informací jako o „termínech“, které „se stávají i u nás novými a významnými“. Přestože autor článku uplatnil slovo „termíny“ a současně píše o „nových termínech“, nelze kdekoliv v článku najít vysvětlení významů těchto dvou termínů. V druhé větě se píše kupříkladu o: projekty informační kvality, projekty datového skladu, projekty analytického CRM. Tyto termíny se nevysvětlují a zejména zkratka CRM není vysvětlena slovně a není přeložena do češtiny. Varuje autor článku v témže odstavci, že konzultační společnosti se čím dál více zabývají řízením kvality informace, kdy však mohou i zaměňovat slova „správnost“ a „přesnost“. Přímo se píše v článku: „A to nehovoříme o zaměňování pojmů správnost a přesnost!“ Vysvětlení významu těchto termínů sám autor článku nabízí až v posledním odstavci dodatku k článku. Tento poslední odstavec dodatku nese název „4. Vyhodnocujeme přesnost, nikoliv správnost“ a je ocitován, přičemž jsem do hranatých závorek v textu vložil možné komentáře, které mohou dle mého informaci zpřesnět. Mnohé [kolik?] konzultační i dodavatelské společnosti zabývající se problematikou informační kvality nesprávně [jak nesprávně?] interpretují rozdíl mezi správnými a přesnými daty. V čem je rozdíl? Data uložená v databázi určitého [jakého přímo systému? chybí příklad] systému vznikla jako "obraz" reálného subjektu

12


(zákazník, produkt). Měření a vyhodnocování validity (správnosti) dat je založeno na jejich porovnání [co se konkrétně porovnává a jak?] s doménovými hodnotami [co jsou doménové hodnoty?], případně je kontrolován [jak?] jejich soulad s příslušnými obchodními pravidly [jakými kupříkladu?]. Přesnost (vzhledem k realitě) reprezentuje stupeň, s jakým data uložená v databázi organizace představují reálný subjekt [jak se měří přesnost? Jak se měří jinak řečeno přesnost záznamu vzhledem k realitě? Co je realita?]. V předchozí citaci se píše o validitě jako o správnosti, „vyhodnocování validity (správnosti)“, přitom poslední odstavec článku před informacemi o autorovi článku obsahuje větu: „Zajištění datové kvality a trvalá systematická péče o datovou kvalitu přináší společnosti nejen snižování nákladů, ale používání správných a validních dat...“ V předchozí citaci se píše o datech správných a o datech validních. Pokud však jednou autor považuje validitu za správnost a jindy rozlišuje ve významech pojmů, aniž to výslovně uvedl, či rozdíl ve významech objasnil, činí informaci nesrozumitelnou. Přitom píše pod třetím bodem dodatku, který má název „3. Zaměřte se na všechny komponenty informační kvality - definice, obsah, prezentace“ následující: „Informační kvalita skutečně není jenom o tom, co je uloženo v databázích systémů, ale také o kvalitě ostatních forem informací (elektronická, papírová, slovní, grafická forma).“ Článek v odborném časopise lze označit za formu informace elektronickou a slovní a protože není konzistentní autor článku při užívání výrazů „validita“ a „správnost“ nabízí informaci nesrozumitelnou. Podíváme-li se dále na druhý bod dodatku článku, kdy tento bod má název „2. Zaměřte se na uživatele a dodavatele informací, ne jenom na data“, můžeme říci, že v první větě pod nadpisem autor článku nerozlišuje mezi informací a daty, protože píše: „...nejjednodušší zaměření informační (datové) kvality je...“ Tedy zde zaměňuje data za informace, přestože píše v první větě prvního odstavce článku, že „kvalita dat“ a nikoliv „kvalita informací“ se potřebuje pro obdržení informací kvalifikovaných. Zbytek druhého bodu dodatku (uvedený po první větě pod nadpisem) se následně opět cituje, kdy opět vpisuji možné dotazy na text. Avšak toto není zcela [proč „není zcela“ místo jen „není“?] správný přístup (byť je schopen přinést určité výsledky skoro okamžitě [proč „skoro okamžitě“ místo „okamžitě?“]). Metody informační kvality [jaké existují metody informační kvality?] musí být zaměřeny na uživatele informací [jak se klasifikují uživatelé informací? Proč musí být zaměření metod na uživatele?]. Je třeba porozumět jejich požadavkům na kvalitu informace [proč?]. Také producenti [o koho se kupříkladu jedná?] informací musí cítit odpovědnost [proč musí cítit odpovědnost?] za kvalitu svých "produktů" [co jsou produkty?] vůči ostatním uživatelům informací. Toto je zároveň jedna z velmi důležitých [proč „velmi“ důležitých?] vlastností souvisejících s data stewardshipem [co je „stewardship“?]. První bod dodatku nese název „1. Informační kvalita je obchodní problém, nikoliv IT problém“, přičemž znění tohoto bodu je následující. Cílem procesu informační kvality není zlepšování dat uložených v datovém skladu či jiných databázích společnosti. Cílem informační kvality je zlepšení efektivnosti obchodních a rozhodovacích procesů společnosti eliminací nákladů souvisejících s nekvalitními informacemi. Vždy se jedná o řešení zahrnující obchodní procesy, aplikace, databáze a v neposlední řadě i lidi. Řešení informační kvality bývá v některých případech uváděno jako "analýza" a/nebo "čištění" dat. To je zcela chybné. Je nutné identifikovat příčiny vzniku nekvalitních informací, a ty řešit. Existuje celá řada příčin vzniku nekvalitních dat, například nesprávně definovaný proces, neškolení producenti dat, špatný databázový design apod. Společnosti se dále domnívají, že aplikací kontrolních pravidel před vstupem dat do systému je problém nekvalitních dat vyřešen, jedná se o tzv. zero-defect prevenci. Aplikace kontrolních pravidel v rámci systému však neřeší problematiku informační kvality kompletně.

Podíváme-li se na první větu předchozí citace, máme-li na paměti, že bylo dříve psáno o „projektu DataQuality“, lze se ptát, v čem se liší „proces informační kvality“ či „proces datové kvality“ od „projektu “ týkajícího se téhož (kvality dat či informace). Dále není objasněno, v čem se liší „datový sklad“ v porovnání s ostatními databázemi firmy. Vedle toho není zřejmé, zda databáze obsahující záznamy o zákaznících, o které se psalo v článku, je datovým skladem či nikoliv. Mají se pomocí kvality informací zefektivnit procesy v rámci firmy, a to obchodní a rozhodovací. Samotný článek však byl zaměřen zejména na data a nikoliv na informace. Tedy se lze ptát, proč nyní je kladen důraz na kvalitu informací a nikoliv na kvalitu dat. Není dále specifikován výraz „zefektivnit“ rozhodovací procesy. Autor článku nepovažuje za hlavní cíl kvality dat, lépe by asi bylo napsat za hlavní cíl „řízení“ kvality dat, zvyšování kvality záznamů v databázích, na druhou stranu má být hlavním cílem zvyšování efektivnosti rozhodovacích procesů. Přitom mají být pocesy zefektivňovány pomocí snižování nákladů týkajících se nekvalitních informací. Pokud však uvažuji správně, nelze pomocí řízení kvality informací zefektivnit procesy, když se při rozhodovacích procesech uplatní záznamy z databází, pokud kvalita záznamů v databázích neexistuje. V jedné větě se píše: „To je zcela chybné“, kdy by nejspíše mohlo být vypustěno slovo „zcela“, pokud autor věty nehodlá vysvětlit, proč toto slovo zvolil. Dále se v jiné větě píše o „zero-defect prevenci“, kdy není tento anglický výraz

13


přeložen do češtiny a vysvětlen. Poslední věta citace píše o aplikaci pravidel, když se pracuje se systémem, kdy nemá být plně problematika kvality informace vyřešena. Pokud se nejedná o „kompletní“ řešení, pak bylo možná vhodné uvést, proč se nejedná o kompletní řešení. V předchozím textu kapitoly Výsledky byl popsán celý obsah článku, jehož část byla převzata do dotazníku. Dále se prezentují větné odpovědi (= odpovědi jiné než volba možnosti pomocí pouhého zaškrtnutí jedné z více nabízených možností) a provádí se jejich porovnání, kdy se také obsah těchto odpovědí porovnává s výše objasněným obsahem článku, jehož úryvek byl použit do studie. Znění číslované otázky je uvedeno vždy tučně, kdy se uvádí všech 1 až 40 otázek včetně 3 podotázek 8.1, 28.1 a 29.1. Vždy po znění otázky je uveden přehled všech odpovědí, které byly pomocí dotazníku získány na danou otázku od maximálně 16 respondentů. Ne každý respondent byl schopen kupříkladu určit „Proč jsou v popředí zájmu především data o zákaznících?“ Tedy v rámci této otázky číslo 1 není uvedeno 16 odpovědí, ale je uvedeno pouze 13 odpovědí (od 13 respondentů), kteří zvolili možnost u první otázky „vím a vysvětlím“. Vždy před vysvětlením od určitého respondenta je uvedeno jeho pořadové číslo 1 až 16, aby mohl čtenář článku přiřadit zpětně k respondentům odpovědi na jednotlivé otázky. Podívejme se již na znění první otázky, které se uvádí tučně kurzívou, poté se prezentují odpovědi respondentů a po nich následuje komentář. Při popisu odpovědí na otázky dotazníku používám výraz „respondent“ i pro ženy, aby text nenabyl na rozsahu tím, že budu dbát na odlišení výrazů „respondent“ a „respondentka“ v každém případě. Pokud by totiž na některou otázku z 16 respondentů odpověděli 2 muži kladně a 4 ženy kladně, bylo by třeba při odlišování pohlaví psát „2 respondenti a 4 respondentky“ či „2 muži a 4 ženy“. Pokud pohlaví není rozlišeno, lze jen psát „6 respondentů“, což je nejkratší vyjádření, a tedy eliminující délku článku, což považuji za žádoucí, protože nepotřebuji pro potřeby článku rozlišovat mezi pohlavími respondentů. 1 Proč jsou v popředí zájmu především data o zákaznících? 1 – Telecom má databázi svých zákazníků a je v jeho zájmu, aby data byla správná a aktualizovaná, aby mohl bezproblémově komunikovat prostřednictvím pošty s klienty, dělat různé statistiky, vyhodnocovat je a na základě toho dělat rozhodnutí atd. 2 – ke kvalitnímu plánování strategií 3 – nevysvěleno, článek je o jejich zpracování, ne proč si autor vybral právě tuto oblast 4 – kvalita poskytovaných služeb 5 – znalost zákazníků pro upřesnění nabídky zboží 6 – zákazník je obchodní partner 7 – lepší komunikace se zákazníkem, představa o klientovi 9 – Především kvůli marketingu 10 – Zvýšení kvality dat o zákaznících vede ke zlepšení komunikace se zákazníky (doručitelnost zásilek) a ke zlepšení reportů, které slouží jako podklad pro rozhodování managementu. 13 – Zkvalitnění řízení 14 – Pro většinu firem jsou zákaznicí důležití, proto jsou v popředí. 15 – dostupnost zákazníků a možnost nabízet služby, někdy i vnucovat služby 16 – dulezita pro komunikaci se zakaznikem, prubeh obchodu, rozbor trhu

Třinácti respondentům z 16 nedělalo obtíže odpovědět kladně na první otázku. Tedy se zdá, že pouze 3 z 16 nejsou schopni uvést, proč jsou data o zákáznících v popředí zájmu. Nicméně přestože kupříkladu respondent č. 3 zvolil možnost „vysvětlím“, píše, že není v úryvku objasněno, proč datům o zákaznících příspěvek věnuje pozornost. Dále první respondent nevysvětluje dostatečně, proč jsou data o zákaznících důležitá. Totiž kvalitní databáze o zákaznících nejspíše vede ke komunikaci méně problémové s klienty, avšak tento respondent současně neobjasňuje, proč jsou data o zákaznících v databázích důležitá pro rozhodnutí (nejspíše managementu firmy na strategické úrovni). Tato informace v celém analyzovaném článku vysvětlena není, jak je zřejmé z textu výše v této kapitole, kde se popisoval obsah článku. Respondenti č. 2 a 13 také píší o významu dat o zákaznících pro plánování, leč opět neobjasňují, jaká data a jak by měla být uplatněna jako vstupy pro plánování nejspíše na strategické úrovni podniku. Již bylo uvedeno výše, že úryvek sám nevysvětluje, proč kupříkladu úplné a přesné zápisy adres či názvů firem jsou nutné pro strategické plánování budoucího směřování Českého Telecomu. Pochyb není příliš o tom, že jsou vhodné přesné záznamy o kupříkladu názvech klientů a jejich adresách, protože stoupne doručitelnost zásilek, a tedy komunikace se zákazníkem bude méně problémová. Leč není zřejmé, jak tvrdí respondent č. 5, proč by zájem o data o zákaznících měl vést ke zpřesnění nabídky zboží. V samotném článku toto není objasněno. Lze namítnout, že otázka se ptá na data o zákaznících, aniž by bylo specifikováno, že má respondent uvažovat kupříkladu adresu či název klienta. Tedy se může jednat o jakákoliv data o zákaznících, která však analyzovaný úryvek neprezentuje. Je-li tomu tak a respondenti v některých případech uvažovali jiná data o zákaznících než třeba názvy klientů či jejich adresy, lze se stále ptát, jak se jiná data promítnou do obsahu různých reportů, kdy se rozhodování na strategické úrovni organizace realizuje po zhodnocení dat prezentovaných v reportech. Šestnáctý respondent píše o důležitosti dat o zákaznících pro průběhy obchodu, kdy může být opět vznesen dotaz, jak kvalita dat v databázích ovlivňuje kupříkladu kvalitu nákupu nové služby od Českého Telecomu. Dále není u stejného respondenta ani z analyzovaného úryvku zřejmé, jak lze pomocí informací v databázi provést rozbor trhu, případně klasifikaci klientů do segmentů.

14


Jelikož se v článku, ze kterého byl převzat úryvek pro dotazník, neuvádí příliš položky datábáze o zákaznících, lze se ptát, jak píše první respondent, jaké statistiky lze vytvářet pomocí dat v databázích, či jaká vyhodnocení jsou k dispozici. Pátý respondent se domnívá, že vyšší znalost zákazníků (tedy i nejspíše záznamů v databázích) vede k upřesnění nabídky zboží. Vyjdeme-li však z obsahu samotného článku, kde se mezi přínosy pro business uvádí i „zpřesnění zařazení zákazníků do segmentů a prodejních kanálů“, nemůžeme stále říci, jak k upřesnění nabídky zboží dochází, protože nevíme, jak Č.T. provádí segmentaci a zařazení do prodejních kanálů (na základě jakých kritérií). 2 Máte dojem, že uvažuje v popředí zájmu autor článku také cosi jiného než data o zákaznících, když píše, že v popředí zájmu jsou „PŘEDEVŠÍM data o zákaznících”? 1 – ano, může mít např. i databáze přístrojů, ceníky a různé další věci, ale nyní se zaměřuje na databázi zákazníků 3 – že se dřívější metody zpracování lišily ve výsledcích 4 – skrytá reklama 10 – Data o zákaznících jsou pro Telecom patrně nejdůležitější, ale jedná se i o zlepšení všech dalších základních dat. 14 – Určitě uvažuje i o jiných věcech, které jsou také důležité. 15 – movitější zákazník – větší objem služeb 16 – je samozrejmosti, ze pro samotnou komunikaci a obchod jsou data o zakaznikovi ty primarni, co se tyce adres a nazvu firmy, klicove, ale i tak si myslim ze i dalsi data se porad toci okolo zakaznika, tot muj nazor. nutno si ovsem uvedomit, co konkretne je mysleno data o zakaznicich... pod tim si nepredstavuju pouze jednotliva data, co se tyce adres a firem, telefonu, bank accountu, ale i treba chovani zakaznika a jeho potreby a zadosti... dle meho:)

V rámci druhé otázky 7 respondentů ze 16 zvolilo možnost, že je autorem článku uvažováno také cosi jiného než data o zákaznících. První respondent píše o databázi přístrojů, o cenících či o různých dalších věcech, kdy již tyto další věci nevyjmenovává. V samotném článku převzatém z IT SYSTEMS není o databázích přístrojů a cenících zmínka. Tím však nelze vyloučit, že v rámci projektu DataQuality nebyla věnována pozornost těmto databázím. Z obsahu článku to nelze stanovit. Ona informace totiž v článku není uvedena. Pokud rozumím správně tvrzení od třetího respondenta, pak chtěl pisatel článku zdůraznit, že dřívější metody pro zpracování dat se lišily od současných ve výsledcích, přitom však toto zdůraznění jiní respondenti nejmenují. Čtvrtý respondent považuje slovo „především“ za formu skryté reklamy, kdy není uvedeno, zda se jedná o skrytou reklamu Č.T. či firmy, která pomáhala kvalitu dat Č.T. vylepšit. Předpokládám, že respondent má na mysli skrytou reklamu směřovanou každopádně ke čtenářům článku. Desátý respondent považuje data o zákaznících za „patrně“ nejdůležitější, kdy lze spekulovat, zda se jedná o jisté tvrzení, když je užito slovo „patrně“. V analyzovaném úryvku, jak již bylo uvedeno také ve vztahu k předchozí otázce, není vysvětleno, proč jsou důležitá „především“ data o zákaznících a jaká data Č.T. chce v rámci řízení kvality dat řídit vedle dat o zákaznících. Domnívá se také 14. respondent, že jsou uvažovány jiné věci, kdy je nevyjmenovává. Respondent 15. vidí v rostoucí movitosti klienta možnost většího objemu služeb, a tedy i tržeb, kdy lze vznést otázku, na základě jakých dat o zákaznících je Č.T. schopen posuzovat movitost klienta. Zda to není právě na základě toho, kolik za služby klient Č.T. platí. Respondent s pořadovým č. 16 uvažuje mezi daty o zákazníkovi třeba data o jeho chování, potřebách či žádostech. K tomu může být namítnuto, že se o těchto datech v článku nepíše a nelze určit, jak by kupříkladu databáze o chování klientů byla organizována. 3 V čem se liší informace kvalifikovaná od informace nekvalifikované, když se v prvním odstavci píše o kvalifikovaných informacích? 2 – kvalifikovana informace - informace prislusna a primerena, tedy jasna, stucna a logicka; nekvalifikovana - je zavadejici, duplikovana, nepodstatna 5 – informace založené na objektivních datech 6 – kvalifikovaná informace je podložena odbornou znalostí 7 – podle mého informace kvalifikovaná je informace ověřená 8 – myslím si, že kvalifikovaná je nabízena experty v daném oboru či profesionály, těmi, co se o daný problém dlouhodobě a systamaticky zajímají. Nekvalifikovaná je ta, kterou nabídne člověk, co o tématu vesměs nic neví. 10 – Kvalifikovaná informace vzniká na základě správných dat 11 – kvalifikovaná - dobrá informace, pravdivá; nakvalifikovaná - vymyšlená 12 – kvalifikovaná - je to kvalitní a pravdivá informace, nekval. - méně pravdivá 14 – Na pochopení informace kvalifikované potřebujeme trochu znalost oboru, kterého se to týká, ale nekvalifikovaná je určená všem lidem. 15 – že by to nebylo, jedna paní povídala… 16 – jak vysvetluji pozdeji, asi bych to videl, ze nekvalifikovana inf. je zalozena na nekvalitni informaci, jez neodpovida/z casti neodpovida realite

Třetí otázka dotazníku měla určit, zda jsou schopni respondenti odlišit informaci kvalifikovanou od nekvalifikované, když dle věty v prvním odstavci úryvku jsou kvalitní data nutná pro získávání kvalifikovaných informací. První odpovídající považuje informaci kvalifikovanou za informaci příslušnou či přiměřenou, kdy již ale není objasněno, jak lze příslušnost či přiměřenost informace posuzovat. Dále stejný odpovídající píše o jasné, stručné či logické informaci, kdy se opět nevysvětluje, jak se jasnost, stručnost či logičnost informace určí. Vedle toho je dle téhož respondenta informace nekvalifikovaná vždy informací nepodstatnou. Může být tedy vznesen dotaz, zda může existovat

15


informace kvalifikovaná a současně nepodstatná. Pokud by tomu tak bylo, nelze jeho rozlišení kvalifikované informace od nekvalifikované považovat za srozumitelné. Respondenti č. 5 až 7 považují informaci kvalifikovanou za objektivní či ověřenou, tedy v rámci těchto respondentů byla identifikována podobnost pohledů na význam pojmu „kvalifikovaná informace“. Také tvrzení osmého respondenta je podobné tvrzením 5. až 7. respondenta, kdy 8. respondent píše o expertech v oboru. Tvrzení 15. respondenta je opět obdobné tvrzení 5. až 8. respondenta. Nicméně desátý respondent píše o kvalifikované informaci vznikající díky správným datům a lze se ptát, zda správná data musí být nutně data objektivní či nabízená odborníky. Respondent jedenáctý považuje informaci kvalifikovanou za „dobrou“, kdy není uvedeno, jak by se „dobrost“ informace měla posuzovat. Podle 12. respondenta je kvalifikovaná informace vždy kvalitní, a současně pravdivá, kdy naopak tento respondent považuje informaci nekvalifikovanou za méně pravdivou. Není však uvedeno, o kolik méně je informace nekvalifikovaná pravdivá než informace kvalifikovaná. Vedle toho 12. respondent považuje informaci nekvalifikovanou za méně pravdivou než informaci kvalifikovanou, kdy ale respondent 11. považuje nejspíše za pravdivou informaci pouze informaci kvalifikovanou, protože již nepíše o pravdivosti u nekvalifikované informace a považuje ji pouze za vymyšlenou. Ve vztahu k vymyšlené informaci lze dále namítnout, zda musí být každá vymyšlená informace nepravdivou. Protože 14. respondent tvrdí, že je třeba pro pochopení kvalifikované informace „trochu“ znalosti oboru, lze se ptát, jak moc je znalosti potřeba, a také lze vznést kupříkladu dotaz, zda je informace v námi analyzovaném úryvku informací kvalifikovanou dle této definice. Pokud by o kvalifikovanou informaci šlo, pak by osoby soustavně se zajímající o informační technologie měly lépe rozumět analyzovanému úryvku než jiné osoby. K tomu bude podáno vyjádření níže v článku. Patnáctý respondent tvrdí, co již bylo řečeno ve vztahu k odpovědím od 5. až 8. respondenta. Respondent 16. rozumí informaci nekvalifikované jako té, která není založena na kvalitní informaci, tedy informace kvalifikovaná by měla být nejspíše založena na kvalitní informaci. V tomto případě se však nevysvětluje, jak lze určit třeba v případě podnadpisu článku „V popředí zájmu jsou především data o zákaznících“, že informace odpovídá zcela či z části realitě. Třináctý respondent považuje za zajištění kvalitních dat ta data, které odpovídají potřebám firmy. Potřeby firmy se nevysvětlují dále, kdy v tomto případě lze spekulovat, zda zajištění kvalitních dat je totéž co data samotná. Totiž kdesi se vyskytující kvalitní data nutně neznamenají, že jsou firmou také zajištěna, využita. Dle 14. respondenta je potřeba odborníků a přímo takové jejich práce, aby byla informace srozumitelná i pro nekvalifikované klienty. U tohoto respondenta lze vznést námitku již výše uvedenou, zda informace (data) nutně srozumitelná či také pravdivá bude každým klientem považována za informaci kvalitní, lépe řečeno za přínosnou. Vedle toho píše 14. respondent o zajištění kvalitních dat pro zákazníky. Tedy se lze ptát, zda toto omezení na nekvalifikované zákazníky není příliš omezující, zda není třeba v rámci Č.T. zajistit kvalitní data pro manažery firmy. Stejný respondent vysvětluje slovo „zajistit“ pomocí slova „napsat“, což může být jeden ze způsobů zajištění čehosi. Respondent předposlední měl na mysli nejspíše informaci tvořenou odborníky a poslední respondent se nejspíše domnívá, že není nekvalifikované informace bez informace kvalitní, na které se kvalifikovaná informace zakládá. Podívejme se dále na 4. otázku dotazníku. 4 Co si představujete pod pojmem „zajistit kvalitní data”? 1 – porovnáváním s jinými systémy (např. UIR-ADR-adresní části, CRO, OR-identifikační údaje OFO a OPO) zajistit správná a hlavně aktuální data 2 – získat kvalitni informacni kanal, zdroje a overeni spravnosti informaci 3 – přesná "statistika" 5 – zvýšení spolehlivosti údajů 6 – zajistit spolehlivá dobrá data 7 – mít ověřené informace o klientech, správně uložené v databázi a umět se všemi dobře pracovat 9 – věnovat nejvyšší péči zjišťování a ověřování dat 10 – Zajištěním kvalitních dat se rozumí zachycení informace v systému tak, aby byla věcně správná a včasná. 11 – zajistit pravdivé informace 12 – pravdivá data 13 – Data odpovídající potřebám firmy 14 – Musejí se sejít odborníci a napsat to tak, aby to pochopili i nekvalifikovaní zákazníci. 15 – viz bod 3 16 – sesbirat data zalozena na skutecnosti, pokud mozno bez chyb

První respondent píše o porovnání s jinými systémy a nejspíše má na mysli datábáze o zákaznících či databázi s jinými systémy, jako jsou kupříkladu systémy, které vyjmenovává pomocí zkratek v závorce. Lze vznést dotaz, zda informace jím vytvořená je srozumitelná, pokud budou účastníci naší studie tázáni, aby vysvětlili zkratky UIR-ADR, CRO, OR, OFO a OPO. Dále se lze ptát kupříkladu, zda porovnání několika systémů vede nutně k zajištění kvalitních dat, když data v systémech budou nekvalitní. Nakonec může být vznesena námitka, že aktuálnost dat není blíže specifikována a není objasněno, v čem se liší správnost dat od nesprávnosti dat. Správnosti informace se však věnují také 21. a 22. otázky dotazníku, tedy o správnosti bude ještě pojednáno níže v článku. Druhý respondent rozumí pod pojmem „zajistit“ kvalitní data „získat“ kvalitní informace. Přitom odpověď není příliš konkrétní, protože „zajistit kvalitní data“ a „získat kvalitní informace“ je téměř totéž, pokud se data považují za totéž co informace. Data lze také

16


nejspíše považovat za „zdroj“. Opět druhý respondent píše o správnosti, kdy ji zde nevysvětluje, avšak je tak činěno ve 21. a 22. odpovědi dotazníku. Třetí respondent píše o „přesné statistice“, kdy přesná statistika má nejspíše zajistit kvalitní data, pokud je přesná. Lze se ptát, zda jakákoliv statistika sama o sobě vždy zajistí kvalitní informaci či data. Totiž třeba veškeré číselné údaje v databázi mohou být dostupné a pomocí složitých statických metod vyhodnoceny a přitom se může jednat o záznamy v databázi, které byly dodány smyšleně a zpracovatel statistické analýzy si toho nemusí být vědom. Pátý a šestý respondent píší o zajištění spolehlivosti, kdy se lze ptát, jak se kupříkladu určí spolehlivost tvrzení „V popředí zájmu jsou především data o zákaznících“. Vedle toho respondent šestý píše přímo o zajištění dat spolehlivých a dobrých, tedy opět může být vznesen dotaz, jak se měří „dobrost“ dat. Kvalitní data lze nejspíše zajistit tak, že se pomocí jiného zdroje ověří informace o klientech uvedené v databázi. Přitom ale sedmý respondent již nevysvětluje, co znamemá správné uložení dat v databázi na rozdíl od nesprávného, přitom správné uložení není nejspíše totéž jako správná informace či správná data. Dále stejný respondent píše o schopnosti umět s informacemi „dobře“ pracovat, kdy se lze ptát, v čem se liší dobrá práce s informacemi od nedobré, výborné čí excelentní. Devátý respondent píše o „nejvyšší péči“, kdy není uvedeno, čemu by kupříkladu měla být věnována péče nižší než nejvyšší. Jelikož opět desátý respondent píše o správnosti informací, bude jeho porozumění správnosti okomentováno u 21. a 22. otázky dotazníku. Přitom ale současně píše stejný respondent o „včasnosti“ informace a pojem nevysvětluje, tedy se lze ptát, jak se určí včasnost kupříkladu následujícího tvrzení: „V popředí zájmu jsou především data o zákaznících“. Respondent jedenáctý považuje „zajištění pravdivých dat“ za totéž jako „zajištění pravdivých informací“, tedy nečiní rozdílu mezi informací a daty, kdy není objasněn význam slova „zajistit“. U respondenta 12. se píše o pravdivých datech. Předpokládejme, že následující věta je pravdivá: „V popředí zájmu jsou především data o zákaznících.“ Pokud její informaci čtenář uplatní (využije), pak půjde nejspíše o informaci pravdivou a současně kvalitní. Pokud mu však bude informace k ničemu a bude tuto informaci znát řekněme z dalších 10 odborných článků, lze říci, že nutně označí onu pravdivou informaci za kvalitní? Domnívám se, že pravdivá informace není za všech okolností informací kvalitní, pokud dokonce neuvažujeme to, že každá minimálně objektivní informace je hypotetické povahy, a tedy její pravdivost může být jednou zamítnuta. Nicméně vyjádření respondenta je subjektivní a nelze říci, že jako subjektivní musí být nepravdivé, nesprávné. 5 V čem se liší „výkonná úroveň” od „strategické úrovně”? 1 – výkonná úrověň je provozní (např. současné provádění kontrol) a strategická je zaměřená na budoucnost, na stanovení cílů (určení, kterým směrem se bude vývoj kontrol ubírat), strategická je rozhodovací 2 – strategicka uroven - urcuje smer a vize; vykonna - tuto strategii rozdeli do jednotlivych kroku k dosazeni stanovene strategie 4 – výkonná = operační, strategická = formulace strategie firmy 6 – strategická úroveň rozhodne např. o směru další orientace firmy, výkonová úroveň rozhoduje o konkrétních zakázkách 8 – Strategická se týká dlouhodobých cílů (třeba roky), kdežto výkonná kratších období. Tedy vedení se asi zajímá hlavně o strategické plánování – je na strategické úrovni. To pod vedením se zabývá zejména kratšími termíny, tedy se umísťuje na výkonnou úroveň. 10 – Výkonná úroveň je například plánování výroby na nejbližší časové období (např. týden). Je to tedy výhled na kratší časové období. Zatímco strategická úroveň se řídí sumarizovanými informacemi, které poskytuje systém na výkonné úrovni a širší okolí firmy, a zaměřuje se na delší budoucnost. 11 – strategické promyšlení postupu a výkonná pracovitá 14 – výkonná má výsledky (nejen dobré) hned, zato strategická se snaží dosáhnout nejlepšího výsledku na úkor času. 15 – zootechnik = výkon, říďa = strategie 16 – strategicka uroven primo souvisi se zasahy managementu spolecnosti smerem k trhu, vykonna uroven nejspis souvisi s efektivitou ziskavani kvalitnich dat

Pátá otázka se ptala respondentů na rozdíl mezi strategickou a výkonnou úrovní. I tato otázka má význam, protože autor analyzovaného úryvku rozdíl mezi pojmy nevysvětlil, tedy lze pomocí 5. otázky dotazníku zjistit, zda respondenti těmto slovním spojením rozumí. Deset respondentů z 16 bylo schopno popsat rozdíl mezi strategickou a výkonnou úrovní, tedy zhruba třetina dotazovaných významy pojmů nebyla schopna objasnit. Respondent první považuje výkonnou úroveň za provozní a za současnou. Stejný respondent pak strategickou úroveň považuje za zaměřenou do budoucnosti, kdy ji označuje za rozhodovací, a v rámci této strategie se stanovují cíle. Podíváme-li se na vysvětlení druhého respondenta, směr a cíl (či cíle) jsou u strategické úrovně plánování také uvažovány. Avšak stejný respondent považuje výkonnou úroveň za rozdělení strategie do jednotlivých kroků, tedy lze možná říci, že se jedná také o plánování, i když ne plánování dosažení strategie jako celku, ale plánování dílčích cílů strategie. Odpověď čtvrtého respondenta by nemusela být všem účastníkům studie srozumitelná, protože píše o úrovni „operační“ a současně strategická úroveň má formulovat strategii. Předpokládejme, že čtenář neví význam slova „strategie“, pak lze spekulovat, zda je schopen určit význam slova „strategická“ a vysvětlit význam tohoto slova v porovnání s významem slova „operační“. Šestý respondent píše o orientaci firmy při uvažování strategické firmy, kdy není uvedeno, na co by se měla firma orientovat, avšak je zřejmé, že se nejedná o orientaci na zakázky, protože to má být realizováno v rámci výkonné úrovně. Z odpovědi 6. respondenta není zřejmé, zda se výkonná úroveň týká pouze zakázek, pokud by tomu tak bylo a neexistuje jiná úroveň než strategická a výkonná, pak by strategická úroveň musela

17


rozhodovat o všem, co se netýká zakázek. Tedy by mohla rozhodovat kupříkladu o plánovaném náboru dvou zaměstnanců v Č.T. v prosinci roku 2004. Osmý respondend píše o dlouhodobých cílech, avšak je nevyjmenovává. Respondent č. 10 podává zřejmé odlišení úrovně výkonné od strategické, přitom není objasněno, co se rozumí výrazem „sumarizované informace“. Uvažujme například databáze záznamů o zákaznících, kde se nachází jména zákazníků a jejich poštovní adresy. Dále uvažujme, že na základě těchto záznamů mají být vytvářeny reporty pro management firmy, který má rozhodovat na strategické úrovni. Lze se pak ptát, co jsou v tomto případě sumarizované informace nabízené v reportech managementu firmy. Respondent jedenáctý vysvětluje „strategickou úroveň“ pomocí „strategického promyšlení postupu“, což lze považovat za cyklickou definici, protože se opakuje ve vysvětlení slovo stejného kořenu jako jedno ze slov, které má být vysvětleno. Dále lze namítnout, zda strategické promyšlení postupu nemusí být pracovité stejně jako výkonná pracovitá úroveň. Ve vztahu k odpovědi 14. respondenta se lze ptát, zda se v rámci výkonné úrovně také nedosahuje nejlepšího výsledku na úkor času, jako se má dosahovat v rámci strategické úrovně. Podíváme-li se na odpověď 15. respondenta, lze se tázat, zda strategická úroveň je nutně a vždy spojená s nulovým výkonem, když 15. respondent přiřazuje výkon výkonné úrovni, ale již není výkon přířazen osobám, které strateticky rozhodují. Respondent 16. píše o zásazích managementu firmy, kdy tyto zásahy mají směřovat k trhu, leč není trh specifikován, není objasněno, o jaké zásahy a do čeho se může jednat. Výkonná úroveň nejspíše souvisí s efektivitou získávání kvalitních dat, což lze předpokládat po zhodnocení obsahu analyzované článku, jen se lze ptát, zda musí vždy souviset jen s „efektivitou získávání kvalitních dat“. 6 V čem se liší „správné plánování” od “nesprávného plánování”? 1 – na základě chybných dat může být učiněno nesprávné rozhodnutí, nesprávně cosi naplánováno 2 – spravne planovani - neznamena planovani cinnosti a pak se cile, stanoveneho pruhebu, vysledku a postupu drzet, je dulezita prubezna kontrola a srovnani s aktualnimi zmenami nejen na trhu, upraveni cilu a cesty k temto cilum, je nutna vize a dar predvidat, tedy byt krok napred 3 – asi pouze v lidském pohledu, co člověk, to názor 5 – nesprávné plánování je založeno na neobjektivních údajích 7 – správné plánování vede k dobrému cíli, nesprávné plánovaní tam také může vést, ale složitou, náročnou cestou. 8 – Správné vede k cíli. I když k cíli může vést asi i nesprávné. Správné je asi to, které tak autor označí. 10 – Správné plánování může fungovat pouze na základě správných dat. Plánování, i když se správným algoritmem, selže vždy, pokud nejsou v systému správná data včas. 11 – správné plánování by mělo vyjít, nesprávné málo kdy vyjde 12 – správné by většinou mělo vyjít a mělo by být předem promyšleno 14 – Správné plánování má nějaký úspěch v dané věci, na kterou je zaměřeno. 15 - budu mít hezky pohromadě data od všech o všem, nebo nebudu a bude hokej 16 – spravne planovani = kroky provedene spolecnosti (v tomto pripade vzhledem k trhu), jejichz vysledkem by mel byt vyssi zisk, nalakani novych zakazniku, nacasovani jednotlivych produktu a programu vzhledem k situaci na trhu, konkurenci, rocnich obdobich. Nespravne = vsechno opacne, jen se to porad vztahuje k zakaznikum a trhu

Šestá otázka vyžadovala od respondentů objasnit rozdíl mezi plánováním správným a nesprávným, přičemž 4 respondenti nebyli schopni rozdíl objasnit. První respondent se věnuje zejména plánování nesprávnému, kdy lze tedy předpokládat, že správné plánování se dle něho provádí opačně než plánování správné. Pokud se podle něho využijí chybná data, může být realizováno nesprávné plánování, avšak uvádí slovo „může”, tedy nelze říci, že chybná data vedou vždy k nesprávnému plánování. To by jinak mělo znamenat, že také data chybná mohou vest ke správnému plánování či data neoznačovaná jako chybná mohou vést k nesprávnému plánování. Z toho důvodu není zřejmý rozdíl mezi plánováním správným a nesprávným, protože obojí může být realizováno pomocí dat chybných či dat nepovažovaných za chybné. Druhý respondent odlišuje správné plánování od nesprávného tím, že v rámci správného se vykonávají další činnosti, co nepatří do plánování nesprávného, kdy se tyto činnosti vyjmenovávají. Přitom stejný respondent také píše, co správné plánování není, tedy tím objasňuje nesprávné plánování. Druhý respondent uplatnil také výrazy „cíle“ a „výsledky“, aniž by objasnil rozdíl ve významu těchto slov. Nakonec druhý respondent píše o vizích a darech, které blíže nevysvětluje. Podle třetího respondenta je plánováním správným a nesprávným vždy plánování to, které člověk za jedno nebo druhé označí. V případě respondenta pátého se lze ptát, zda existuje plánování správné, které pracuje s neobjektivními údaji. Podle tohoto respondenta nikoliv, kdy se lze ale tázat, zda plánování založené na neobjektivních údajích může vést někdy k cíli. Respondent sedmý píše o dobrém cíli, který se dosahuje správným plánováním, kdy není vysvětlen význam slova „dobrý“. Dále stejný respondent píše o složité a náročné cestě u plánování nenáročného, kdy se již neobjasňuje, v čem se liší cesta složitá a náročná od cesty, co taková není. Dále lze namítnout, zda každé správné plánování nutně vede k cíli pomocí cesty, co není složitá a náročná. Tvrzení osmého respondenta je podobné s tvrzením respondenta třetího, kdy se v obou píše o pohledu člověka. Respondent 10. píše o „správných datech“, kdy se tento termín neobjasňuje v odpovědi. Dále není stejným respondentem podán příklad správného algoritmu, kdy plánování má selhat „vždy“ bez správných dat k dispozici. Nicméně opět není objasněno blíže, co je dostupnost správných dat v systému, která je časově vyhovující. Respondent jedenáctý se domnívá, že správné plánování zpravidla vyjde, i když ne vždy, a u nesprávného plánování je výsledek zpravidla opačný. Nicméně není ve vysvětlení stále objasněno, co se rozumí pod pojmem „málo“ vyjde v porovnání s pojmem „zpravidla“ či „většinou“. V případě 12. respondenta je odpověď podobná

18


jako v případě 11. respondenta, kdy se zpravidla správné plánování promýšlí, leč nemusí být vždy promyšleno a ani se nepíše, co znamená „promyslet plánování“. U 14. respondenta se píše o nějakém úspěchu, kdy ale úspěch může být dosažen také pomocí plánování nesprávného. Vedle toho není specifikováno, jaký úspěch má správné plánování na rozdíl od úspěchu nesprávného plánování, protože nesprávné plánování může mít také „nějaký úspěch v dané věci“. Podívejme se dále na 15. respondenta, který píše o datech, co budou pohromadě. Můžeme se ptát, zda mít pohromadě data nutně znamená, že plánování založené na nich bude správné. Vedle toho lze vznést otázku, od koho všeho je nutné mít pohromadě data a jaká data má respondent na mysli, když píše o datech „o všem“. V případě 16. respondenta je opět řečeno, že správné plánování nemusí nutně vést třeba k vyššímu zisku. Tento respondent považuje plánování za provádění kroků, které mají vést k dosažení výsledku. Lze se ptát, zda každé plánování lze považovat za jakési „kroky“, případně se lze ptát, zda každé kroky provedené společností vedou k výsledku. Jelikož dle téhož respondenta je nesprávné plánování opakem správného, pak nejspíše kroky nevedou k žádanému cíli u nesprávného plánování. Tedy jejich výsledkem by neměl být kupříkladu vyšší zisk. 7 Co to je „systematická báze”? 1 – systematický základ; 10 – Uspořádaný soubor informací.; 14 – Zajistit, aby se pracovalo pod určitým systémem.; 15 – spíš tuším, že je to součást podkladů pro vytváření seznamů dat, 16 – zapracovani dat/informaci do informacniho systemu pouzivaneho spolecnosti, jez shromazduje a vyhodnocuje zadane informace

Sedmá otázka dotazníku chtěla vysvětlit význam pojmu „systematická báze“. Pouze 5 respondentů se bylo schopno vyjádřit k významu tohoto pojmu, kdy v rámci prvního se píše o „systematickém základu“, kdy není objasněno, v čem se liší základ systematický od nesystematického. Vedle toho není uveden příklad základu. Druhý respondent píše o uspořádání informací, přičemž není uvedeno, jaké informace se uspořádávají a jak. V případě respondenta 14. není specifikován systém, pod kterým by se mělo pracovat, dále není vysvětleno, co znamená pracovat „pod“ systémem. Ani není objasněno, jak má být zajištění provedeno. V případě 15. odpovědi se píše o seznamech dat, leč se neuvádí, jaká data se uplatní při tvorbě seznamů. Také se nevysvětlují blíže podklady, které by měly být uplatněny. Vedle toho si není respondent významem „systematické báze“ jist, protože píše „spíš tuším“. U poslední odpovědi se lze ptát, co znamená zapracovat data či informace do informačního systému. Také se lze ptát na vysvětlení informačního systému. Tento systém by měl shromažďovat a vyhodnocovat informace, které se nespecifikují, kdy se také nevysvětluje blíže, jak se informace shromažďují, či vyhodnocují. Informace mají být do systému zadány, přičemž není uvedeno, kým se data zadávají či jak. Podívejme se dále na vysvětlení integrovaných služeb, kterých se týkala 9. otázka dotazníku. 9 Co to jsou „integrované služby”? 1 – služby, které zahrnují vše v logickém celku - věci spolu logicky související 4 – vzájemné propojení služeb 5 – poskytnutí "balíku" služeb, který pokrývá možný nebo skutečný prostor činnosti zákazníka 6 – integrované - česky slučované, jsou spojené služby - na př. integrovaný záchranný systém (policie, lékaři, hasiči) 10 – Více služeb v jednom balíku poskytovaném zákazníkovi. 13 – Vložené 14 – Jsou služby zapojené do trochu jiné složky pro nejlepší výsledky. 15 – myslím, že spojené služby, např: telefon + internet a další kombinace 16 – predstavuju si to jako zacleneni treba datoveho programu do hlasoveho, tzn. ze jako zakaznik pri objednani tarifu pripojeni pevne linky automaticky ziskas pristup na internet v cene tarifu toho telefonniho pripojeni pri objednani sluzeb poskytovanych spolecnosti ti v pripade o2 telefoniky treba automaticky poskytnou telefoni pristroj, v pripade datovych sluzeb dostanes modem, klidne v tom muze byt i treba nonstop free online podpora

Podíváme-li se na první vysvětlení, pak integrovamé služby maji zahrnovat vše spolu související, kdy se má jednat o logickou souvislost. Nejprve není objasněn význam slova „služby“, dále není objasněn „logický celek“ a nakonec není vysvětleno, jak které služby souvisí na rozdíl od těch, co nesouvisí, kdy má být uvažováno vše související. Čtvrtý respondent píše o „vzájemném“ propojení, kdy se lze ptát, zda existuje propojení, které není vzájemné. Vedle toho nejsou vyjmenovány služby stejně jako v předchozím případě. V případě dalšího respondenta se píše o „balíku“ služeb, kdy se balík nespecifikuje, a také se píše o možném či skutečném prostoru ve vztahu k činnosti klienta, kdy není vysvětlen význam mezi možným a skutečným prostorem. Píše se i o činnosti klienta, přičemž není uveden příklad činnosti. Problém u vysvětlení integrovaných služeb, které v definovaném textu uvádí výraz „služby“, aniž by ho blíže objasnily, je, že je uplatněno v definici stejné slovo, které má být definováno. Pokud bychom předpokládali, že některá osoba nezná význam slova „služba“, pak nemůže porozumět významu výrazu „integrované služby“, když se vysvětluje kupříkladu jako „vzájemné propojení služeb“. V případě 13. odpovědi je uvedeno pouze slovo „vložené“, kdy se již nevysvětluje, co je vloženo do čeho či jak. V případě 14. není objasněno, jak se realizuje zapojení, dále se nevysvětluje, co je „trochu jinou složkou“ na rozdíl od kupříkladu „trochu více jiné složky“. Vedle toho se nevysvětlují „nejlepší výsledky“. Patnácté vysvětlení hovoří o integrovaných službách jako o službách, které jsou spojené. Tedy služby

19


integrované se definují jako služby spojené. Obecně řečeno „služby o vlastnosti X“ mají být totéž jako „služby o vlastnosti Y“, jelikož by X mělo být totéž co Y, či by mělo jít o podobné vlastnosti. Nejprve se lze ptát, zda „spojené“ je totéž co „integrované“ a dále se lze ptát, zda je vhodné služby o vlastnosti X definovat zase jako služby o jiné vlastnosti, či zda není na druhou stranu lépe definovat služby o vlastnosti X jako cosi jiného než služby o vlastnosti X, kdy se může jednat třeba o činnost o vlastnosti X. V rámci 15. odpovědi se píše také o dalších kombinacích, kdy se tyto kombinace nevyjmenovávají. U 16. respondenta se píše o začlenění dvou programů, a to datového do hlasového. Dále se uvádí příklad, ve kterém se píše o tarifu připojení pevné linky a o přístupu na internet, což by mělo být součástí připojení na internet. Jedná se nejspíše o příklad začlenění, avšak se lze ptát, který prvek ze dvou je datovým programem a který je hlasovým programem. Nejspíše pisatel uvažuje datový program připojení na internet a hlasový program telefonování pomocí pevné linky. Pak se lze stále ptát, zda obecně může být datový program programem hlasovým, či jaké další vztahy mezi těmito programy mohou existovat. 10 Proč je v životním zájmu každé společnosti zabývat se kvalitou dat? 1 – protože nekvalitní data vedou k omylům, chybné strategii, zvyšují náklady atd. 3 – marketing to potřebuje 4 – zisk 5 – bez kvalitních dat může společnost kolabovat – mimochodem: co se rozumí "společností"? 6 – protože kvalita dat je základem dalšího zpracování problematiky 7 – v oblasti IT bez dobré databáze by těžko mohla společnost fungovat 8 – Informace jsou základem úspěchu, ty se týkají komunikace a bez komunikace firma nefunguje. Komunikaci je třeba řídit, tedy ji zkoumat, jinak řečeno řídit její kvalitu. 9 – kvůli marketingu a snižování nákladů 10 – Základní (kmenová) data v systému vstupují do všech procesů podniku. Pokud jsou chybná, bude chybný i výsledek procesu. 11 – pro rychlý rozvoj 12 – aby zákazník měl pravdivé informace a byl spokojen 13 – Bez kvalitních dat nelze kvalitně plánovat a kontrolovat výsledky 14 – Aby úplně každý (i nekvalifikovaný) tomu rozuměl. 15 – nedělat chyby v základní nabídce - zhoršování služeb 16 – protoze na tom stoji cely jeji fungovani a ucinkovani na trhu, v pripade nekvalitnich dat se taky muze rozloucit se svym pusobenim, ztracet zisky a nekdy i krachnout (extremni pripad)

Poněvadž se v analyzovaném úryvku píše o životním zájmu společnosti zabývat se kvalitou dat, zjišťovalo se pomocí 10. otázky dotazníku, proč se firma musí na kvalitu dat zaměřit. Jak se píše v první odpovědi, je třeba kvalitních dat, protože jinak budou vznikat omyly. Přitom se již nepíše o tom, že by kvalitní data mohla vést k omylům či k jiným nežádoucím jevům. V případě 3. odpovědi se píše o potřebách marketingu, kdy se nevysvětluje, proč marketing vyžaduje, aby se firma zabývala kvalitou dat. Čtvrtý respondent uvádí slovo „zisk“, kdy není objasněno, jaký vliv má zabývání se kvalitou dat na jeho tvorbu. U páté odpovědi se píše o „možném“ kolabování společnosti, kdy „možné“ není totéž jako „nutné“. Sám se respondent táže, jaký je význam slova „společnost“, přičemž na význam tohoto slova nebyla v dotazníku otázka a není toto slovo stejným respondentem vysvětleno. Respondent šestý píše o základu dalšího zpracování, kdy není vysvětleno, proč se jedná o základ. Dále není vysvětleno, co se rozumí „problematikou“. Podíváme-li se na sedmou odpověď, pak se zdůrazňuje význam „dobré databáze“ pro informační firmu, kdy není vysvětleno, co je „dobrá“ databáze, a není vysvětleno, proč společnost potřebuje dobrou databázi. Devátá odpověď ve své první polovině tvrdí obdobné co odpověď 2. Dále se v 9. odpovědi píše a přímo v její druhé polovině totéž, co lze najít v odpovědi prvního respondenta. Desátý respondent píše o datech kmenových či základních, kdy se neuvádí příklad. Dále se má jednat o „vstupování“ dat do procesů, kdy se nespecifikuje, jak data do procesů „vstupují“. Dále se píše o všech procesech, kdy se lze ptát, zda čtenář tohoto vysvětlení je schopen říci, jaké všechny procesy se uskutečňují v rámci Českého Telecomu. Píše se dále o chybných datech, přičemž není objasněn rozdíl mezi daty, která chybná nejsou. Vedle toho mají chybná data vést k chybnému výsledku, kdy se tento výsledek nespecifikuje, a není uvedeno, proč mají chybná data vést k chybnému výsledku. Odpověď jedenáctá píše o „rychlém“ rozvoji, kdy není objasněno, v čem se liší rozvoj rychlý od třeba pomalého či maximálně rychlého, a také se nevysvětluje, o rozvoj čeho se má jednat, kdy jde nejspíše o rychlý rozvoj společnosti. Pokud se vrátíme k obsahu článku, který se zabýval zejména databázovými záznamy o zákaznících, lze se tázat, jak v důsledku čehosi ve vztahu k 12. odpovědi by měl být zákazník spokojen. Totiž by měl nejspíše obdržet pravdivé informace navozující u něho spokojenost, kdy není vysvětleno, jaké pravdivé informace by měl obdržet. Lze však spekulovat, že spokojenost u něho nastane, pokud obdrží fakturu v obálce, kde bude správně a plně uvedena jeho adresa, kdy současně mu dorazí faktura, kterou musí uhradit za poskytnuté služby. Odpověď 13. respondenta se zdá být uspokojivá, protože je potřeba dat pro plánování a kontrolu, přitom se ale nevysvětluje, proč jsou kvalitní data potřeba třeba pro plánování místo nekvalitních dat, či místo kvalitních informací. Odpověď čtrnáctá píše o nutnosti, „aby úplně každý... tomu rozuměl“, kdy v tomto vysvětlení není uvedeno, čemu by měl úplně každý rozumět kromě toho, že by měl rozumět „tomu“. Vedle toho není zřejmý vztah mezi zájmem firmy o kvalitní data a tím, že „tomu“ každý

20


porozumí. V případě 15. respondenta není objasněn význam slova „chyby“ a nespecifikuje se základní nabídka, kdy není zřejmé, zda existuje třeba nabídka rozšířená, či v čem se obě nabídky liší. Dále není vysvětleno, proč chyby v základní nabídce vedou ke zhoršování služeb. Podíváme-li se dále na 16. vysvětlení, lze se tázat, zda zabývání se kvalitou dat na straně firmy nutně znamená, že se firma zabývá daty kvalitními. Totiž zabývat se kvalitou dat dle mého nutně neznamená, že data, kterým se věnuje pozornost, musí být kvalitní. Stejný respondent píše o tom, že bez zabývání se kvalitou dat nemusí firma fungovat či účinkovat na trhu, to však neznamená, jak již bylo řečeno v předchozí větě, že toto fungování a účinkování je nutně závislé na kvalitních datech. Totiž by mohla snad firma fungovat a účinkovat proto, že se zabývá kvalitou dat, kdy data jsou nekvalitní. Alespoň tak se mi jeví tvrzení 16. respondenta. 11 Proč je „V ŽIVOTNÍM ZÁJMU každé společnosti zabývat se kvalitou dat” a nikoliv pouze „V ZÁJMU každé společnosti zabývat se kvalitou dat”? 1 – protože je to pro firmu velmi důležité – viz bod 10 2 – dulezitost kvality 3 – autor tomu dává větší důraz než běžný čtenář článku, pouze subjektivní pohled 4 – dlouhodobý zisk 5 – nevidím rozdíl 7 – podle mého chtěl autor zdůraznit, že kvalita dat je alfa-omega úspěšnosti 10 – Navážu na předchozí odpověď - pokud je chybný výsledek procesu, nemůžu přežít. 11 – získání kvalifikovaných informací 12 – kdyby udělali chybu, dotkne se to hlavně chodu firmy, je to jejich život 13 – Bez kvalitních dat nelze obstát proti konkurenci 14 – To je život ve společnosti. Až lidé to chápat nebudou, tak to přestanou používat. 15 – tržní systém 16 – viz bod 10

Jelikož se v analyzovaném úryvku píše o životním zájmu zabývat se kvalitou dat a nikoliv jen o zájmu, pak se 11. otázka dotazníku ptala, jaký je význam slova „životní”. V první odpovědi na 11. otázku se píše o velké důležitosti, která se dále nespecifikuje, kdy se odkazuje na odpověď téhož respondenta na 10. otázku, kde se píše o významu dat třeba pro zvyšování nákladů. Životní zájem od pouhého zájmu je vyjádřen nejspíše výrazem „velmi důležité”. O důležitosti take píše druhý respondent, kdy třetí píše o větším důrazu, přičemž je podotknuto, že se jedná o subjektivní pohled autora analyzovaného úryvku na význam zabývání se kvalitou dat. Jelikož respondent 4. píše u 10. odpovědi pouze o zisku a u 11. odpovědi o dlouhodobém zisku, pak nejspíše životní zájem o kvalitu dat je schopen přinést spíše dlouhodobý zisk než pouhý zájem o kvalitu dat. Pátý respondent však nevidí rozdíl mezi „zájmem” a „životním zájmem“. Dle 7. respondenta bylo použito slovo „životní“, jelikož tak bylo vytvořeno zdůraznění, kdy se píše o „alfěomeze úspěšnosti“, přičemž tato dvě písmena řecké abecedy nejsou vysvětlena, lépe řečeno jejich význam. Jinak řečeno není objasněno, co se rozumí pod výrazem „alfa-omega“, kdy se uvažuje úspěšnost. Ve vztahu k 10. odpovědi se lze ptát, proč nelze přežít s chybným výsledkem procesu. Jinak řečeno se lze ptát, zda může být výsledek procesu chybný, kdy bude současně realizováno přežití. Také se lze ptát, zda lze ve světě nejistot uvažovat bezchybné výsledky procesů, či zda není na druhou stranu každý výsledek procesu v čemkoliv minimálně nepatrně chybný. Není mi zřejmé po přečtění odpovědí 10. respondenta na 10. a 11. otázku, proč nelze vypustit slovo „životním“, jelikož se domnívám, že lze stále říci „pokud je výsledek procesu chybný, nemůže přežít“, i když současně bude jen psáno, že je v „zájmu každé společnosti...“ a nikoliv „v životním zájmu každé společnosti...“. Jelikož se dále v 11. odpovědi píše o získávání kvalifikovaných informací, když se firma zabývá životně o kvalitu dat, může být vznesen dotaz, jaké informace budou získávány, pokud se firma jen zabývá o kvalitu dat. Nejspíše dle 12. odpovědi nesmí být ve firmě učiněna chyba, jelikož by to mělo vliv na chod či dokonce na život firmy. Tedy se lze ptát, zda je vhodné či dokonce možné, aby firma fungovala bez dělaní chyb. Pro 13. i 16. odpověď platí již uvedené ve vztahu k 10. odpovědi, totiž není zřejmé, zda nelze totéž vysvětlení spojit pouze se „zájmem o kvalitu dat“ místo s „životním zájmem o kvalitu dat“. Podle 14. respondenta společnost žije kvalitou dat, takže proto se píše o „životním zájmu“, kdy se současné píše v druhé větě stejného respondenta, že může být kvalita dat méně časem uplatňována či nepoužívána vůbec, pokud její význam nebudou organizace chápat. Lze se pak ptát, zda lze hovořit o životním zájmu, protože pokud by kvalitě dat nebyla ve firmě věnována pozornost, kdy se jedná o životní zájem, pak by opomenutí tohoto tématu mělo vést k životním problémům firmy. Tvrzení 15. není jednoznačně interpretovatelné, protože lze spekulovat, jak souvisí „tržní systém“ s „životním zájmem každé společnosti zabývat se kvalitou dat“. 13 Jaký je rozdíl mezi významy slov „data” a „informace”? 1 – informace je nadřazený pojem 3 – synonyma 5 – data jsou numerické nebo numericky vyjádřitelné údaje; informace mají převážně verbální povahu; informace ovšem mohou obsahovat data – takže otázka je poněkud nejasná 6 – data jsou i číslice (na př.), informace je obvykle spojena s textem 7 – data = zpracovaná informace v databázi

21


8 – Informace jsou data uspořádaná třeba do tabulek, grafů. Jedná se tedy o uspořádaná data, kdy data jsou bezesmyslná. 9 – prakticky žádný 10 – Informace jsou data uspořádaná určitým způsobem tak, že mají hodnotu jako podklad pro rozhodování. 11 – Data jsou trvalého rázu a informace se rychle mění 12 – informace se ze dne na den mění, a data jsou velmi spolehlivá a zadána na delší dobu 13 – data jsou nositelem informace 14 – Daty rozumím informace souhrnné všeobecné, ale informace by měly být konkrétnější. 15 – myslím, že vcelku žádný 16 – pokad to budu brat z hlediska IT, tak bych to videl tak, ze jednotliva data UTVAREJI/VYTVAREJI informaci, takze by v podstate mely byt podmnozinou informace

V analyzovaném úryvku ani v celém znění článku není výslovně objasněn význam mezi daty a informacemi, kdy se však píše v první větě prvního odstavce analyzovaného úryvku, že kvalitní data se potřebují pro kvalifikované informace. Vedle toho se nepíše, že data jsou potřebná pro kvalifikovaná data, či že informace jsou potřebné pro kvalifikované informace. Tedy autor článku v pojmech nejspíše rozlišuje. Zjišťovala 13. otázka rozhovoru rozdíl mezi daty a informacemi. Tři respondenti nevidí (téměř žádný) rozdíl mezi daty a informacemi, a to přímo 3., 9. a 15. Přitom 3. respondent píše o synonymech a pokud se nejedná o slova stejného významu, ale jedná se o slova podobného významu, pak chybí objasnění rozdílu významů synonym. Respondenti 1 a 16 hovoří o vztahu nadřazeného k podřazenému, kdy ale v 11. odpovědi se píše o trvalosti dat a o rychlém měnění se informací. Přitom není vysvětleno, co znamená rychlá změna, zda se jedná o změnu během třeba minut či týdnů. V případě 5. odpovědi lze vznést otázku, zda „numericky vyjádřitelné údaje“ mohou být také údaje verbální podoby, protože pokud by to platilo, není příliš zřejmý rozdíl mezi daty a informacemi. Přitom se tamtéž píše, že byla v dotazníku nabídnuta nejasná otázka, kdy se lze na druhou stranu ptát, zda byla nabídnuta nejasná otázka, či zda byla nabídnuta nejasná odpověď. Nejspíše 5. respondent nevidí příliš rozdíl mezi daty a informacemi, což může být považováno někým za odpověď nedostatečnou, jiným za odpověď žádanou. Totiž někteří respondenti považují obě slova za slova znamenající jedno a totéž, podle jiných respondentů existuje rozdíl ve významu obou slov. Přitom nelze říci, že někteří respondenti mají pravdu a jiní nikoliv, protože slova obecně mají různé významy a záleží na interpretacích, pokud není význam slov v analyzovaném úryvku objasněn. Je však vhodné tyto různé interpretace nezaměňovat s požadavkem, že písemný text bude konstruován tak, aby tyto různé interpretace podporoval. Na druhou stranu je žádoucí zejména technické texty tvořit tak, aby jejich části byly čtenáři maximálně podobně interpretovány, protože je eliminováno nedorozumění, které pramení z toho, že čtenáři porozumí informaci různě jinak, než ji mínil tvůrce zprávy. 14 Co si představujete pod pojmem „RYCHLÝ rozvoj nových služeb a produktů” na rozdíl od pojmu „POMALÝ rozvoj nových služeb a produktů”? 2 – rychly posun v technologiich a vyuziti 3 – v dnešní době se všechno urychluje, v zájmu společností je rychlý ne pomalý růst 4 – ovlivňuje časové hledisko 5 – nedovedu usuzovat – co je jednomu rychlé, je jinému pomalé 7 – rychlý v oblasti hlasových atd. služeb, si představuju v řádech měsíců, max roku. pomalý 1 rok a déle. 9 – pomalý rozvoj nejspíš žádná společnost nebude inzerovat... 10 – Zákazník požaduje víc, musíme mu poskytnout víc, musíme se rozvíjet rychle. 11 – Rychlý se dostává velmi rychle k lidem, pomalý jen pomalu 12 – rychlý se dostane velmi rychle k mnoha zákazníkům 14 – Rychlý rozvoj znamená rozšířit nabídku v závislosti na poptávce a co nejdříve nabídnout požadovaný produkt nebo službu. 15 – rychlý = expanze, snaha udržet se na čele, pomalý = opatrný, neprůrazný 16 – tak zrejme je zde rychlost myslena jako zavislost novych zmen na case

Otázka 14. je podobná otázce 11., protože v tomto případě byli respondenti tázáni na rozdíl mezi rychlým rozvojem služeb a produktů na rozdíl od pomalého, kdy v případě 11. otázky měli objasnit rozdíl mezi zájmem a životním zájmem. V případě 2. respondenta, když se uvažuje odpověď na 14. otázku, se píše o využití, kdy má nejspíše na mysli využití technologií. Není však vysvětlen význam slova „rychlý“, protože se slovo „rychlý“ definuje pomocí tvrzení ve kterém je opět užito slovo „rychlý“. Čtvrtý respondent píše o časovém hledisku, kdy není vysvětleno, jaký vliv časové hledisko má, aby bylo možné jednou hovořit o rychlém vývoji a podruhé o pomalém. Respondent 5. rozdíl nevidí, protože zdůrazňuje relativitu uplatnění výrazů. Podíváme-li se na tvrzení 3. respondenta, je preferována rychlost před pomalostí, kdy se uvažuje přímo růst, protože se jedná o zájem společnosti. Tento respondent však stále pracuje s relativitou uplatnění pojmů „rychlý“ a „pomalý“. Vedle toho se ve 3. odpovědi píše o urychlování, což může být hledisko, se kterým se odliší rychlé i pomalé, pokud se uvažuje vývoj ve dvou časových obdobích a pokud lze vývoj v obou obdobích měřit, co se týče rychlosti vývoje, a také porovnat. Podle 9. respondenta nemá společnost zájem na pomalém rozvoji, kdy lze namítnout, že nemusí mít sice firma zájem na pomalém rozvoji a také na rychlém a přitom se bude stále rozvíjet, pokud bude mít zájem jen na „rozvoji“. Ve vztahu k rychlému a pomalému rozvoji lze také uvést, že nejspíše působí na čtenáře psychologicky působivěji „rychlý

22


rozvoj“ než jen „rozvoj“, o čemž píše 10. respondent zdůrazňující význam „rychlého rozvoje“, aby byly uspokojovány požadavky klientů. Jelikož se má dle 11. respondenta rychlý rozvoj dostávat „velmi rychle“ ke klientům, lze se ptát, zda „rychlý“ a „velmi rychlý“ jsou totéž či nikoliv. Píše se u 11. vysvětlení o „rychlém“, „velmi rychlém“ a „pomalém“, kdy není vysvětlen rozdíl mezi těmito pojmy, aby byl jednoznačně srozumitelný. Totéž platí pro 12. tvrzení. Ve 14. odpovědi se píše o rychlém rozvoji jako o rozšiřování nabídky, kdy se lze ptát, zda není jen „rozvoj“ také rozšířením nabídky minimálně v některých případech. Dále se má jednat o rozšíření nabídky podle poptávky, kdy není objasněno, co znamená slovní spojení „v závislosti na“. Podíváme-li se dále na 15. tvrzení, může být vznesena otázka, zda nemůže existovat rychlý rozvoj, který bude současně opatrný, přičemž opatrnost se v témže tvrzení přiřazuje výlučně pomalosti. Lze se také ptát, zda může existovat rychlý rozvoj, který bude současně neprůrazný. 15 Co jsou „ stávající služby a produkty” nabízené v rámci Českého Telecomu? 3 – to, co momentálně ČT nabízí 5 – Hm… Český Telecom – ten už dávno neexistuje 6 – myslím že, pevné telefonní sítě, mobilní telefony, internetové služby 7 – hlasové, datové a integrované služby, ale jaké to jsou konktrétně, se mě neptej 9 – Služby, které Č. Telecom již poskytuje 10 – To, co Český Telecom nabízí v tuto chvíli - v době psaní článku. 11 – Jsou běžně dostupné 12 – služby, které se nemění 13 – pevné a mobilní telefonování, internet, digitální televize 14 – Jsou to služby, které Český Telecom nabízí zrovna teď. 15 – telefon, internet, fax a další související služby 16 – tak sluzby a produkty, ktere spolecnost poskytovala v dobe psani clanku... nebo jestli to chces konkretneji, jednotlivy programy pro volani a internet, tzn. produktova nabidka a potom sluzby, jez s programama primo nesouvisi, napr. zakaznicky servis a podpora

Objasnit stávající služby Českého Telecomu chtěla 15. otázka dotazníku, protože se v analyzovaném úryvku nejmenují. Sám jsem si neuvědomil, do rozboru odpovědí na 15. otázku, že Český Telecom se jako název firmy již nepoužívá, na což je upozorněno v 5. odpovědi, a nejspíše si toho je vědom také 16. respondent. Leč v žádné z odpovědí kromě 5. (= odpověď č. 5) není upozorněno, že název společnosti Český Telecom nebyl v době vyplňování dotazníku již platným. Zatímco v případě 6. odpovědi (= odpověď s číslem 6) se vyjmenovávají 3 příklady služeb, v případě 3., 9., 10. či 13. respondenta není příklad služeb uveden, kdy lze o 3. odpovědi také říci, že nepíše o skutečnosti uvedené pod bodem 5. Ani 7. respondent není schopen konkrétní služby vyjmenovat. Respondent s pořadovým číslem 11 píše o běžně dostupných službách, které se opět nevyjmenovávají, a jelikož se píše o běžných službách, lze se ptát, zda jsou k dispozici služby, které nejsou běžnými. U 12. odpovědi se píše o neměnících se službách, pak lze ale vznést otázku, zda stávající služby a produkty jsou vždy nutně neměnící se služby a produkty. Respondenti s čísly 13 a 15 uvádí opět příklady služeb, také v případě poslední odpovědi se jedná o vyjmenování příkladů. Přitom se lze stále ptát, zda Český Telecom různými respondenty vyjmenované příklady služeb v době psaní článku nabízel, což ověřováno již nebude pro potřebu tohoto článku. 16 Co to je „informační systém”? 1 – systém, který poskytuje na základě shromážděných dat odpovědi na vznesené dotazy, poskytuje různé přehledy, statistiky 4 – intranet firmy + možnost vstupu zákazníků pro objednání služeb, změnu, atd. 5 – system shromažďování, předávání a analýzy informací 6 – dle mého soudu je to soubor informací určité problematiky 7 – něco, čím společnost poskytuje zákazníkům informace o produktech. Případně by ještě mohl být systém podávání informací uvnitř společnosti. 9 – Systém pro ukládání, zpracování a poskytování informací 10 – Systém podniku, který jednak zahrnuje základní (kmenová) data a jednak slouží pro podporu všech výkonných procesů podniku (plánování výroby, expedice) a jednak má nástroje pro reporting na různých úrovních sumarizace reporty slouží pro rozhodování na různých úrovních managementu. 12 – informuje zákazníky o službách a produktech 14 – Systém poskytující zákazníkům informace. 15 – snad zákaznická databáze 16 – komplexni programy podporujici chod/obchod spolecnosti

V 5 případech (respondenti č. 1, 5, 9, 10 a 14) se vysvětluje „informační systém“ jako „systém“, přičemž není slovo „systém“ samo o sobě vysvětleno. Jelikož má systém poskytovat odpovědi na vznesené odpovědi, jak se píše v první odpovědi, lze se ptát, zda je člověk systémem, protože je schopen vytvořit přehled či zpracovat statistiku. V případě 4. respondenta se píše o intranetu firmy, kdy není objasněno, co je intranetem v rámci Českého Telecomu. Nelze vyloučit, že 4. respondent má na mysli jakýkoliv intranet a nikoliv nutně intranet Českého Telecomu. Pak se lze ale ptát, co se

23


rozumí pod pojmem „intranet“. Respondent 6. píše o „souboru informací určité problematiky“, kdy není objasněno, kdy lze hovořit o „souboru“ informací. Dále se nevysvětluje význam slova „problematika“. Ve vztahu k tvrzení s číslem 6 se lze ptát, zda článek, ze kterého byl převzat úryvek do dotazníku, lze považovat za informační systém. Pokud by totiž prezentoval soubor informací určité problematiky, mělo by se jednat o informační systém. Sedmý respondent píše o informačním systému jako o „něčem“, pomocí čeho jsou zákazníci informováni. Dle mého mohou být informováni o produktu třeba poštovní zásilkou, emailovou zprávou či telefonním hovorem. Tedy se lze ptát, zda tyto příklady způsobů informování zákazníků jsou informačními systémy. Totéž se týká předávání informací uvnitř společnosti. Dále kupříkladu 5. vysvětlení píše o „shromažďování, předávání a analýze informací“, kdy 9. vysvětlení píše o „ukládání, zpracování a poskytování informací“. Řekněme, že předávání a poskytování informací je totéž a že také zpracování a analýza informací jsou totéž. Pak se lze ptát, zda shromažďování a ukládání informací jsou totéž. Pokud nikoliv a systém provádí oboje, každý z respondentů opomenul uvést jednu jeho činnost. Přitom se lze také ptát, zda systém neprovádí činnosti, které neuvedl ani jeden z respondentů, které je třeba uvažovat, aby bylo možné hovořit o systému, či přímo informačním systému. V případě odpovědi č. 10 se píše o základních či kmenových datech, která se nespecifikují. Tyto data se mají uplatnit v podpoře výkonných procesů podniku, kdy se jmenují dva příklady. Lze se ptát, zda plánování výroby nemusí být plánování, které se týká třeba strategických procesů výroby. Dále nejsou uvedeny příklady nástrojů, které systém používá pro reporting, kdy se lze tázat, zda „reporting“ je totéž co „reporty“. Vedle toho nejsou objasněny příklady „různých úrovní sumarizace“. U vysvětlení č. 12 se lze ptát, co již bylo uvedeno ve vztahu k vysvětlení č. 6, zda může být informačním systémem třeba poštovní psaní, když informuje zákazníky o nutnosti zaplatit fakturu. Předposlední respondent píše o informačním systému jako o zákaznické databázi, avšak si není jist, protože se uvádí slovo „snad“. Poslední respondent píše o komplexních programech, kdy se nevysvětluje význam slova „komplexní“ a lze spekulovat, jaké různé programy jsou uplatněny, zda se jedná třeba o software. Podívejme se dále na význam slovního spojení „zvyšující se nároky na kvalitu“, kdy se na toto spojení ptala 17. otázka dotazníku. 17 Co si představujete pod pojmem „zvyšující se nároky na kvalitu”? 1 – netolerování chyb, odstraňování nedostatků 2 – potreba presnych informaci 3 – kvalita se dostává do popředí před kvantitou, zákazníci chtějí víc, lepší zboží a služby a díky rostoucí ekonomice má stále více lidí i peníze na kvalitu 5 – "po staru se žít nedá" 6 – zvyšující se nároky na jakost 7 – s chutí roste hlad, získat max. počet zákazníků a stávající si udržet, být lepší než konkurence 8 – V tržním prostředí uspějí (snad) jen ti časem, kteří budou nejlépe řídit kvalitu informací. Jinak řečeno ti, kteří se budou snažit stále lépe ji řídit – proto zvyšující se nároky na kvalitu, lépe řečeno na její řízení. 10 – Více dat, složitější a rychlejší procesy vyžadují kvalitnější data, protože není v lidských silách napravovat chybné výstupy ze systému způsobené chybnými daty. 11 – co nejlepší služby 12 – výrobek nebo služba chce být co nejdokonalejší 13 – rostoucí potřeby podrobnosti a přesnosti 14 – Narůstající nabídka a možnosti zákazníků si vybrat požadovanou službu od více firem, narůstají také požadavky na vyšší kvalitu. 15 – vědet vše o každém řádku v seznamu 16 – sbirani vetsiho mnozstvi dat/informaci s durazem na presnost dat, resp. informaci; a jak se pise v textu, zamezeni se rozchazeni informaci k jednomu subjektu ze dvou ruznych zdroju

Pouze 2 respondenti ze 16 nebyli schopni podat vysvětlení na 17. otázku dotazníku. Termín „kvalita informace“ se obtížně definuje a nelze také říci, že pouze jedna definice je správná a nejlepší. Tedy lze o zvyšujících se nárocích na kvalitu hovořit jako o rostoucích požadavcích na netolerování chyb, na dokonalost informace, na podrobnost informace či její přesnost. Přitom vyvstává problém, jak tyto aspekty informace měřit třeba v případě analyzovaného úryvku informace. Dále existuje kupříkladu problém, že není stanoveno, kolik podrobností by měl článek, jehož úryvek byl uplatněn v dotazníku, obsahovat, aby se dalo hovořit o informaci maximálně kvalitní, co se týče optimální podrobnosti textu. Podle 3. respondenta začíná být kladen důraz na kvalitu před kvantitou, kdy se v téže odpovědi píše, že „zákazníci chtějí víc“, což jinak řečeno znamená, že mohou chtít více, co se týče množství (kvantity). Výraz „lepší“ však nemá s kvantitou moc společného a týká se kvality. Podle 5. respondenta se „nedá žít postaru“, kdy není uveden důvod tohoto tvrzení. V případě odpovědi č. 6 se píše o rostoucích požadavcích na „jakost“, kdy se lze ptát, zda „jakost“ a „kvalita“ jsou totéž. Respondent č. 14 píše o rostoucí nabídce ze strany firem a také o rostoucí poptávce ze strany klientů, přičemž „narůstají požadavky na vyšší kvalitu“. Výraz „narůstají také požadavky na vyšší kvalitu“ lze nejspíše přepsat „zvyšují se nároky na kvalitu“, aniž by se význam tvrzení změnil. Přitom není objasněno, proč k tomuto narůstání požadavků dochází, či jak k tomuto narůstání dochází. Respondent 15. píše o nutnosti mít znalost „o každém řádku v seznamu“, pak se lze tázat, kdo by měl mít onu znalost a co by na řádkách seznamu mělo být uvedeno, čeho by se měl seznam

24


týkat. U poslední odpovědi v pořadí se uvádí fráze „zamezeni se rozchazeni informaci k jednomu subjektu ze dvou ruznych zdroju“, ke které není uveden příklad. 18 Vysvětlete význam výrazu „čistota dat”? 1 – udržování dat ve správném tvaru - up to date 3 – rozumím tomu jako v přirovnání "maso, bez zbytečné omáčky", jen důležité a pravdivé podklady dat k dalšímu zpracování 4 – správné informace o zákazníkovi 5 – data nezatížená střety zájmů, uspořádaná, non-biased 7 – znát jen, co potřebuji a co se mi hodí 9 – správnost dat z hlediska sémantiky a syntaxe 10 – Data jsou konzistentní, bez duplicit a formálně správná. 11 – žádná lež dat 12 – neměly by zde být žádné špatné údaje 13 – data by neměla obsahovat nepotřebné informace 14 – Data konkrétní na určité téma bez zbytečných slov týkající se něčeho trochu jiného. 16 – data zustavaji stejna i pri zpracovavani/porovnavani v jednotlivych systemech

Poněvadž se v analyzovaném úryvku píše o „čistotě dat“, ptala se 18. otázka rozhovoru na význam tohoto pojmu a 19. otázka se následně ptala, zda existuje také „nečistota dat“. Nejprve budou popsány odpovědi na 18. otázku dotazníku. První odpověď píše o „správném tvaru up-to-date“, kdy tento výraz není dále objasněn a data by měla být v tomto tvaru udržována, kdy je současně nutné, aby tvar up-to-date byl správný, tedy nejspíše může nastat i situace, kdy onen tvar nebude správným. Jestliže 3. respondent preferuje maso a minimum omáčky či žádnou, pak čistá data mohou být v přirovnání masem bez zbytečné omáčky. Přitom vzniká problém, kolik omáčky je k masu třeba, aby se nejednalo o zbytečnou omáčku. Jinak řečeno se lze ptát, kolik nečistoty lze připustit, aby se dalo hovořit o čistotě dat. Dále lze vznést otázku, zda lze čistotu dat měřit a ohodnotit kupříkladu pomocí stupnice, či zda data čistá mohou být pouze data, které budou současně obsahovat nulovou nečistotu. Píše se dále ve 3. vysvětlení o důležitých a pravdivých podkladech, přičemž je možné dodat, že v různých situacích mohou být různá data považována za různě důležitá. Také pravdivost dat je problém, pokud se začne posuzovat pravdivost jakéhokoliv tvrzení a uvažuje se filosofie vědy a problém pravdy, kdy filosofové a také přírodní vědci nebyli schopni za více než 2 tisíce let nalézt příliš ospravedlnění pro pravdivost tvrzení. Podle odpovědi č. 4 jsou čistá data totéž jako správné informace. Takže data jsou totéž co informace a „čisté“ znamená totéž co „správné“, kdy se přímo uvažuje zákazník. Pak lze namítnout, co se rozumí slovem „správné“ a o jaké informace o zákazníkovi se kupříkladu jedná. Lze v případě 5. odpovědi označit data o zákaznících (třeba adresy či jména) za uspořádaná či neuspořádaná, kdy může záležet na rozhodnutí hodnotitele, jaká kritéria pro posouzení zvolí, na základě kterých provede označení dat. Nicméně se lze také ptát, zda lze měřit uspořádanost kupříkladu informace a nikoliv dat v analyzovaném úryvku. Také se lze ptát, jak lze posuzovat (měřit) nezaujatost informací předkládaných v analyzovaném příspěvku, případně jak určit, že informace a nikoliv data v úryvku nabízené nejsou zatížené střety zájmů. Vysvětlení s číslem 7 píše o vhodnosti znát to, co se respondentovi hodí. Nicméně může být vznesen dotaz, jak respondent pozná, že ví jen to, co se mu hodí, či na druhou stranu se lze ptát, jak pozná, že neví dostatek toho, co se mu hodí. Domnívám se, že zpravidla (možná vždy) nastane příklad, že člověk ví méně, než by považoval za vhodné vědět ve vztahu k řešení určitého problému. Respondent č. 9 píše o „správnosti“ dat, kdy se tento výraz nespecifikuje jinak než, že data musí být správná, co se týče syntaxe a sémantiky. To je dost obecné tvrzení, protože syntax se týká gramatiky a sémantika významů, mínění. Přitom se lze ptát následně, kdy je tvrzení „správné“ nejen, co se týče syntaxu, ale také, když se posuzuje sémantika tvrzení. Odpověď desátá píše o konzistenci, která se blíže nevysvětluje, kdy se lze ptát, zda není potřeba konzistence dat s něčím jiným, třeba s jinými daty, aby bylo možno hovořit o konzistenci. Formální správnost v téže odpovědi také není blíže objasněna. Poněvadž data dle 11. odpovědi musí být pravdivá, pak 11. respondent považuje čistotu dat nejspíše za pravdivost dat. Přitom ale 12. respondent píše o „špatnosti údajů“, kdy se nevysvětluje, co se rozumí „špatností“ dat. V případě 13. tvrzení by měla být data bez nepotřebných informací, kdy chybí vysvětlení, jak se chybné informace a nikoliv data identifikují. V případě odpovědi č. 14 se píše o určitém tématu, které se nespecifikuje. Dále se píše o datech konkrétních, kdy se nepíše, jak lze měřit či posuzovat korektnost dat. Vedle toho nelze příliš určit, jak se identifikují zbytečná slova v rámci konkrétních dat, když se třeba uvažuje databáze se záznamy o zákaznících obsahujících jména a adresy klientů. Lze dále spekulovat co znamená tvrzení „týkající se něčeho trochu jiného“, kdy se lze třeba ptát čeho či jak moc když trochu. Respondent poslední píše o stejnosti dat, kdy zmiňuje systémy, avšak nepíše, data jakých systémů lze porovnávat, jinak řečeno chybí třeba příklad dvou systémů a dat v nich, která se porovnají.

25


19 Existuje také „nečistota dat”? 1 – nesprávné identifikační údaje (jméno, příjmení, název firmy) nebo adresní části - překlepy, chybný pravopis, zaniklé firmy, zemřelí klienti, neexistující adresy, chybné adresy, neaktuální adresy 3 – opak těch čistých a vysvětlení viz otázka 18 4 – chybějící, neúplná nebo zavádějící informace o zákazníkovi 5 – zmatená data, překrývající se množiny dat, podvodná data atd. 10 – Data jsou zadávána duplicitně, jsou neúplná nebo s chybami. 12 – objevují se zde i nepravdivé informace 14 – Když autor odbočí trochu od tématu, pak to moc čistá data nejsou. 16 – opak predchoziho bodu

Osm respondentů ze 16 bylo schopno vysvětlit význam „nečistoty dat“. Tvar up-to-date nebyl objasněn v odpovědi na 18. otázku v případě 1. respondenta, avšak mu lze porozumět z odpovědi na 19. otázku, kdy se uvádí kupříkladu jméno, příjmení či název firmy jako údaje a pokud třeba obsahují překlepy, jedná se o nesprávné údaje. V případě odpovědi č. 3 se však píše o opaku k vysvětlení u předchozí otázky, kdy bylo ukázáno, že může být problémem stanovit přiměřené množství omáčky, aby se nehovořilo o omáčce zbytečné. Respondent č. 4 píše o nečistých datech jako o chybějících, neúplných či zavádějících, kdy data čistá jsou nejspíše data úplná, nezavádějící a současně nechybějící. Pak lze dodat, že není úplnost dat specifikována třeba ve vztahu k záznamu databáze o zákazníkovi, případně není objasněn význam „zavádějící“ informace. Pátý respondent nejprve píše o zmatenosti dat, kdy nevysvětluje, jak se „zmatenost“ dat posuzuje. Dále se lze tázat, jak se posuzuje překrytí množin dat. Vedle toho se lze ptát, jak lze vždy správně ověřit, zda data jsou podvodná, pokud se uvažuje opět stejná databáze se záznamy o zákaznících Českého Telecomu. V případě 10. či 12. vysvětlení se lze také ptát, jak lze ověřit chyby dat v databázi, či jak se ověřuje pravdivost informace. Nepovažuje 14. respondent data za čistá, pokud se autor nedrží tématu a „trochu odbočí od tématu“, kdy však není objasněno, jak moc lze odbočit od tématu, aby data byla stále čistá. Poslední vysvětlení č. 16 je opět negací odpovědi na 18. otázku, jako tomu bylo v případě respondenta č. 3. 20 Jedna z vět článku říká: „V praxi běžně docházelo k tomu, že vstupní informace v rámci…” Jaký je dle vás význam slova „běžně” v této citaci (JAK ČASTO, KDYŽ BĚŽNĚ?)? 1 – velmi často 2 – bezne - neni to situace neobvykla, je to vyjadreni, zda se tato situace ma ci nema ocekavat, z meho pohledu bych ji ocekavala 50-70% pripadu 3 – s příchodem nového člověka - vedení do společnosti se přehodnotil systém práce, novému vedení se nelíbila práce předešlého týmu 4 – každý den 5 – "běžně" nabývá nějakého významu teprve v kontextu 6 – přesně matematicky se to nevyjadřuje, dle mého soudu to má význam jako "převážně", tedy přibližně více než v 80% případů určité problematiky 7 – běžně se dá chápat, že tomu tak je pokaždé a cokoliv je jinak, je mimořádné. Běžně = furt, neustále 9 – autor si není jistý jak často, ale ví, že se to určitě stávalo... 10 – V rámci procesů ve firmě docházelo KAŽDODENNĚ... 11 – stávalo se to pravidlem, tudíž asi pořad 12 – mnohokrát 13 – téměř vždy 14 – Dochází k tomu často. Někdy to jde nazvat i, že je to "na denním pořádku". 15 – máme v tom často hokej… 16 – zabit... nerekl bych ze to je spojeno s tim, jak casto, ale spis s tim, ze tahle situace byla normalni, kdy pri porovnani dat ve vice systemech byly vysledky ruzne

V jedné větě analyzovaného úryvku se uplatňuje slovo „běžně“, tedy 20. otázka se ptala na vysvětlení významu tohoto slova, protože v analyzovaném úryvku nebyl uveden číselný údaj, který by slovo specifiloval. První respondent píše „velmi často“, kdy není uveden počet případů za konkrétní časový okamžik a není uvedeno, ve kterých případech k popsanému jevu nedošlo. Druhý respondent píše o situaci obvyklé, kdy píše přímo o 50 až 70 procentech případů, což je subjektivní pohled a ve skutečnosti se nemuselo jednat o počet případů v této výši, ale kupříkladu ve výši 1 až 5 procent, což však z analyzovaného článku není zřejmé. Specifikace není také uvedena u vysvětlení č. 3, kdy ale za jev měl odpovídat příchod nového člověka, o kterém není v analyzovaném článku zmínka. Časový interval je specifikován u 4. respondenta pomocí „každý den“, ale chybí kupříkladu odhad počtu jevů. Podle 5. respondenta se nelze vyjádřit blíže o slovu „běžně“, protože je třeba kontextu. Ten byl ale nabídnut v podobě analyzovaného úryvku, pouze v něm jako v kontextu význam slova „běžně“ nebyl blíže objasněn. U 6. respondenta se uvádí opět procenta, která se liší s tvrzením 2. respondenta, přičemž lze u 6. tvrzení uvést totéž, co bylo uvedeno v případě 3. tvrzení. Má-li pravdu 7. respondent, kdy „běžně“ je totéž jako „pokaždé“, pak při porovnání jakýchkoliv datových položek dvou systémů nebyla identifikována shoda. Nejsem si jist, avšak nejspíše autor úryvku nepoužil slovo „běžně“ ve významu „pokaždé“. Případně mohlo při každém porovnání dvou systémů dojít k neshodám, kdy se lze ptát, jaké neshody nastaly a jaký byl jejich počet v rámci porovnání vždy dvou systémů. Platí-li tvrzení 9. respondenta, že „autor si není jistý jak často, ale ví, že se to určitě stávalo...“, pak se lze ptát, zda je vhodné použít výraz „běžně“, když si není

26


jist, jak často. Tvrzení číslo 10 říká totéž, co tvrzení č. 4. V případě 11. tvrzení mělo docházet pořád k jevu, leč z tohoto vysvětlení nelze zase určit, kolik kupříkladu záznamů při porovnání dvou databází nebylo shodných. Vedle toho si 11. respondent není jist, protože uplatnil slovo „asi“. Tvrzení pod čísly 12 až 14 jsou nepřesná, kdy v případě 14 se píše „často“, avšak v případě 1. tvrzení se píše „velmi často“. Lze tedy vznést dotaz, zda respondenti č. 1 a 14 rozumí slovu „běžně“ stejně. Poslední respondent se nedomnívá, „že je to spojeno s tím, jak často...“, kdy píše o „normální situaci“. Pak se můžeme ptát, jak se charakterizuje situace normální na rozdíl od nenormální. 21 Co JE „věcně správná informace”? 1 – např. existující PSČ, ulice, město 2 – prislusna informace k dane problematice 3 – holá, strohá, pravdivá, objektivní 5 – např. informace o produkci obilí, v níž není zahrnuta produkce luštěnin 7 – nezkreslující informace 9 – informace správná z hlediska faktů 10 – Informace, která je úplná, na správných místech (v rámci informačního systému). 11 – Vstupní informace jednoho systému 12 – čistá zpráva bez špatných údajů 14 – Informace na určitou jednu konkrétní věc. 15 – třeba přesná adresa a údaje o zákazníkovi 16 – spravne zadana informace, zakladajici se na realite

Otázka dotazníku 21. se ptala na význam „věcně správné informace“, přičemž otázka dotazníku 22 se ptala následně na to, co není „věcně správná informace“.V obou případech podalo odpověď 12 stejných respondentů. Přičemž první uvedl v odpovědi na 21. otázku příklady, kdy nejspíše uvažoval věcně správnou informaci týkající se záznamu v databázi. Respondent druhý píše o „příslušné informaci k daté problematice“, kdy není vysvětleno, jak se příslušnost informace ohodnocuje. Nejprve lze uvažovat příslušnost informace k záznamu v databázi, také se lze ptát, jaká informace musí být uvedena, aby ji bylo možné považovat za příslušící k analyzovanému úryvku použitému ve studii. Totéž se týká odpovědi, kterou nabídl respondent s číslem 3, jak lze ohodnotit holost, strohost či pravdivost, případně objektivitu informace, pokud se uvažuje informace celého v dotazníku analyzovaného úryvku. Respondent s pořadovým číslem 5 opět uvádí příklad, jako se stalo u 1. respondenta, kdy tento příklad nelze opět označit za nevhodný, protože neexistuje jediná definice „věcně správné informace“, kterou je třeba akceptovat. Lze se také ptát ve vztahu k odpovědi č. 7, jak se ohodnocuje nezkreslenost informace, či jak se posuzuje správnost informace z hlediska faktů, což je uvedeno 9. respondentem. Úplnost dat, o které píše 10. respondent, lze určit v případě databázového záznamu, pokud se uvažují kupříkladu záznamy PSČ, ulice či města. Jestliže záznam třeba 1 ze 100 o PSČ není uveden, pak se jedná o neúplnost databáze. Avšak nelze z 10. odpovědi určit, jak se třeba ohodnotí úplnost informace, kterou prezentoval analyzovaný úryvek použitý v dotazníku. Ve vztahu k 11. tvrzení se lze ptát, zda každá informace vstupující do systému musí být věcně správnou informací, kdy podle respondenta č. 11 tomu tak je, avšak se nepopisuje podrobněji systém, do kterého má informace vstupovat. Respondent 12. pak považuje za zprávu věcně správnou tu, která je čistá, přičemž neobsahuje špatné údaje. Nejspíše nelze označit za čistou zprávu tu, která obsahuje špatné údaje, v tom případě ale zbývá vysvětlit význam „čisté“ zprávy a „špatných“ údajů. Čtrnáctý respondent píše o „informaci na jednu konkrétní věc“, kdy příklad věci není uveden a poté se lze i ptát, zda každá informace věcná je současně informací věcně správnou. Totiž se lze ptát, zda „informace na určitou jednu věc“ může být jen „věcnou informací“, aby současně nebyla „věcně správnou informací“. V případě poslední odpovědi není objasněn pojem „správně zadat“ informaci, kdy tato informace by měla být založena na realitě, avšak není již objasněno, jak moc musí být informace na realitě založena, aby byla věcně správná. 22 Co NENÍ „věcně správná informace”? 1 – neexistující PSČ, ulice, město 2 – informace nepresna, neuplna, lziva, z jineho uhlu pohledu, zmanipulovana..... 3 – mlhavá, zavádějící, má více významů... už mě to přestává bavit :-) 5 – negace vysvětlení k ot. 21 7 – zkreslující informace 9 – mylná informace 10 – Informace neúplná nebo doplněná tak, že to neodpovídá struktuře báze. 11 – Rozdíly v datových položkách v porovnání několika systémů 12 – informace obsahující špatné informace 14 – Informace, která vysvětluje více věcí na úkor přesnosti. 15 – nepřesné údaje o zákazníkovi 16 – opak bodu 21

Tři respondenti odpověděli na otázku 22. pomocí tvrzení prezentujícího negaci k odpovědi na 21. otázku, přičemž se jedná o respondenty č. 1, 5 a 16. Respondenti 2, 3, 7 a 9 píší kupříkladu o neúplnosti, lživosti, zmanipulování,

27


nejednoznačnosti, mlhavosti, zkreslení, případně o mylné informaci. Vedle toho, že nejsou třeba lživost či mlhavost či zkreslení objasněna podrobněji, lze se také ptát, jak nahlíží na informaci, která není věcně správná, autor analyzovaného úryvku. Jelikož dále 2. respondent píše o jiném úhlu pohledu, může být vznesena doplňující otázka, o jaký úhled pohledu se může jednat, či jaký vliv má jiný úhled pohledu na to, že informace nebude považována za věcně správnou. Dále 10. respondent píše o doplnění informace, kdy nemá být identifikován soulad se strukturou báze. V tomto případě není vysvětlena „struktura báze“ a není objasněno, jak může být kupříkladu informace doplněna, aby byla považována za tu, co není věcně správná. V případě odpovědi č. 11 se nespecifikují rozdíly, ani se neuvádí příklad datových položek, také se nespecifikují systémy, či jakým způsobem mohou být porovnány. Podíváme-li se dále třeba na 14. odpověd, pak se píše o vysvětlování více věcí na úkor přesnosti. Lze se ptát jednak, jak v rámci písemné informace prezentované mimo databázi, což asi respondent neuvažoval, určit co více a o kolik informace prezentuje, než by bylo záhodno. Dále se lze ptát, jak měřit přesnost informace, a nakonec se lze ptát, jak měřit změnu přesnosti informace vzhledem k tomu, jak se mění počet věcí, které informace vysvětluje. 23 Co JSOU „běžné metody zpracování dat”? 2 – statistické 3 – obecná marketingová periodika, učí se i na školách 5 – to je příliš široký pojem; "běžnost" se mění prakticky denně; to co bylo včera vzácné, je dnes běžné… 6 – obvyklé metody, ověřené praktickým používáním 7 – asi obvyklé metody zpracování dat. 10 – Metody používané v každodenních činnostech firmy - využití pro tisk na formulářích atd. 12 – metody, které jsou dostupné už všude a jsou známé 15 – ruční - to už dnes asi nehrozí, hlavně počítačové 16 – metody zpracovani dat vyuzivane vetsinou spolecnosti na trhu, jelikoz se v tomhle neorientuju, tak nejsem schopen konkretne jmenovat

Píše se také v analyzovaném úryvku o „běžných“ metodách zpracování dat, kdy se nabízí otázka, zda existují také metody zpracování dat, co „nejsou běžné“. Na první typ metod se ptala 23. otázka dotazníku a na jiné metody se ptala 24. otázka dotazníku. Nejprve budou popsány odpovědi vysvětlující běžné metody zpracování dat, kdy 9 osob z 16 bylo schopno vysvětlit běžné metody zpracování dat. Respondent č. 2 píše o metodách statistických, kdy podle 3. se jedná o metody vyučované na školách. Přitom ale respondent č. 5 píše o širokém pojmu slova „běžnost“, jelikož uvažuje časový vývoj, v rámci kterého se uskutečňuje pokrok. Respondenti č. 6 a 7 píší o běžných metodách jako o obvyklých metodách, kdy obvyklost není specifikována jinak, než že u 6. respondenta se jedná o ověření praxí a u 7. respondenta je použito slovo „asi“, takže si obvyklostí není jist. Respondent č. 10 píše o metodách každodenně uplatňovaných, kdy se nejspíše nemusí nutně jednat o metody statistické. Následující respondent píše o metodách dostupných a známých, kdy se neuvádí příklad metod. Vedle toho respondent č. 15 píše o metodách ručních a počítačových, přičemž lze spekulovat, zda autor analyzovaného úryvku měl na mysli také metody zpracování dat ruční. Poslední respondent píše přímo o nemožnosti jmenovat běžné metody zpracování dat, avšak je podle něho uplatní většina společností, kdy se lze ptát, co se rozumí pod pojmem „většina“, či jaký trh má respondent na mysli, zda se jedná o trh telekomunikační. 24 Co JSOU „metody zpracování dat”, které nejsou „běžné”? 2 – propojeni metod, zpracovani v sirsim kontextu, z vice pohledu a cilovych skupin; 3 – opak, viz ot. č. 23; 6 – nové metody, nebo nedostatečně ověřené; 12 – opak metod, které jsou běžné; 15 – tak to už budou dnes ty ruční 16 – jestli chces synonymum, tak sou netradicni:-D malo vyuzivane/vubec nevyuzivane metody, jez mohou byt evoluci/revoluci pri zpracovani dat poskytujici vetsi vypovidajici hodnotu (mely by, pochopitelne pri spatne vymyslene metode nemusi)

Otázka 24. navazuje, jak již bylo řečeno, na 23. otázku dotazníku. V ní 6 respondentů z 16 bylo schopno vysvětlit metody zpracování dat, které nejsou běžné. První respondent píše o propojení více metod, kdy může být uvažován širší kontext, více pohledů či cílových skupin. Přitom se nevysvětluje, co znamená zpracovat data v širším kontextu, či z jakých pohledů lze na informaci nahlížet. Respondent č. 3 definuje metody, co nejsou běžné, pomocí negace k odpovědi na otázku 23. Negace se v tomto případě obtížně větně popisuje, protože se lze ptát, zda je třeba vytvořit negaci pouze k výrazu „učící se na školách“, či zda měl respondent také na mysli, že se nejedná o „obecná marketingová periodika“. Dle 6. respondenta jsou metody, co se nepovažují za běžné, nové či nedostatečně ověřené. Vysvětlení č. 12 je podobné, kdy píše, užije-li se odpověď tohoto respondenta na 23. otázku, o metodách ne příliš známých. Respondent č. 15 píše jen o metodách ručních, kdy neuvažuje metody kupříkladu nové či nedostatečně ověřené. Vysvětlení posledního respondenta je nejdelší, leč neuvádí příklad netradiční metody, pouze uvádí obecné vlastnosti metod. 25 V čem se liší „komplikované zpracování dat” od „VELMI komplikovaného zpracování dat”? 3 – subjektivní názor, ale může být podložený, tak jako ve všem existují jednoduché a složité cesty řešení; 5 – "velmi" je relativní příslovce; 11 – malá dotupnost informací, velmi komlikované skoro bez informací; 12 – jsou těžké na zpracování; 14 – je to o něco komplikovanější ještě; 15 – že by v tom byl TAK velký hokej?; 16 –

28


V analyzovaném příspěvku se píše o „velmi komplikovaném“ zpracování dat a nikoliv pouze o „komplikovaném“ zpracování, kdy není již v článku vysvětleno, proč se jednalo o zpracování dat „velmi komplikované“ a nikoliv jen „komplikované“. Respondenti na rozdíl byli však tázáni v 25. otázce dotazníku, aby bylo popsáno jejich rozdílné vnímání těchto dvou tvrzení. Přitom pouze 7 respondentů z 16 je schopno vysvětlit rozdíl mezi výrazy, jak lze vidět výše. Někteří z nich rozdíl nevidí jiný než, že jde o subjektivní postoj či relativní příslovce. Jiní se domnívají, že slovo „velmi“ má význam třeba ten, že přidává na komplikovanosti. Respondent poslední se domnívá, že otázka se netýká analyzovaného úryvku, co se týče smyslu použití výrazu. 26 Jaký je význam slova „implementovat”, které se uvádí v článku ve větě: „Český Telecom se proto rozhodl v rámci projektu Data Quality implementovat metodiku TIQM”? 1 – nasadit, použít, využít; 2 – zavest, zprovoznit, zapojit...; 3 – začlenit?; 4 – zavést; 5 – zavést; 6 – zapracovat; 7 – zařadit, zavést; 8 – zavést; 9 – použít; 10 – Zavést, začít používat.; 11 – Myslím, že se rozhodl tuto metodu převzít; 12 – zavést; 13 – zavést; 14 – Český telecom začlení do svých stávajících služeb; 15 – použít, vzít za svou; 16 – do sveho stavajiciho systemu zahrnout zminovanou metodiku.

Všech 16 respondentů bylo schopno vysvětlit význam slova „implementovat“, kdy si třetí nemusel být jist, protože uvádí také otazník. Rozdíly ve významech slov jako zavést, zapojit, začlenit či převzít se zde detailně zabývat nebudu. Mohou dle mého znamenat totéž, záleží na úvaze každého člověka, zda je považuje za totéž, či zda každý z uvedených výrazů má přesně vymezený jiný význam ve vztahu k jiným slovům. 27 Proč jsou v popředí zájmu především data vztažená k zákazníkovi? 1 – důležité pro komunikaci se zákazníkem, případně pro nějaká strategická rozhodování, založená např. na statistikách 2 – strategie prodeje 4 – marketing a vazba na zisk 5 – business is business, náš zákazník, náš pán 6 – zákazník je důležitý - je to smluvní strana obchodního vztahu 7 – zákazník je ten, kdo společnost živí, proto 9 – Náš zákazník, náš pán. Zákazník platí, proto je důležité o něm něco vědět. 10 – Zvýšení kvality dat o zákaznících vede ke zlepšení komunikace se zákazníky (doručitelnost zásilek) a ke zlepšení reportů, které slouží jako podklad pro rozhodování managementu. 12 – jde zde hlavne o spokojenost zákazníka 13 – zákazník spotřebovává služby společnosti 14 – Každá firma by měla mít zájem upoutat pozornost zákazníka a proto je to na prvním místě. 15 – to je hlavní , co mě živí - mít to přesné 16 – protoze jsou naprosto klicova pro spravnou komunikaci/obchod se zakaznikem > fungovani cele firmy

Třínáct osob z 16 dotazovaných bylo schopno vysvětlit význam dat o zákaznících, jak se na tento význam ptala 27. otázka dotazníku. Odpovědi 13 respondentů se liší, leč zdůrazňují význam zákazníka pro firmu jakožto osoby, která přináší společnosti odbyt pro služby a přináší zisk. Pouze lze namítnout ve vztahu k 1. odpovědi, kde se píše o statistikách, že v článku, ze kterého byl analyzovaný úryvek převzán do dotazníku, se nepíše o tom, jaké statistiky byly uplatněny při strategických rozhodováních. Pokud totiž je k dispozici databáze se zákazníky, kde je uvedeno třeba jméno a adresa každého, pak si nelze příliš představit, jaké statistiky z těchto záznamů lze získat pro strategické rozhodování. 28 Co to jsou „primární databáze”? 1 – základní databáze, kde jsou detailní data; 6 – prvořadé; 10 – Databáze základního informačního systému používaného ve firmě.; 13 – hlavní; 15 – základní; 16 – muj predpoklad > nejdulezitejsi a nejzakladnejsi informace vzhledem k zakaznikovi (nazev spolecnosti, adresa, tel., cislo bank. uctu, jednotlive bankovni transakce - proste to nejpotrebnejsi pro obchod)

Otázka 28. dotazníku se tázala na význam primárních databází, o kterých se také zmiňuje analyzovaný úryvek. Šest ze 16 respondentů bylo schopno vysvětlit význam „primární databáze“ a zbytek respondentů významu tohoto pojmu nerozumí. Respondent první místo slova „primární“ píše slovo „základní“, kdy již není vysvětleno slovo „databáze“. Přitom v této databázi mají být detailní data, kdy se neuvádí příklad detailních dat, avšak lze předpokládat, že má respondent na mysli třeba PSČ či adresu a název klienta. Respondent č. 6 místo slova „primární“ uplatnil slovo „druhořadé“, kdy opět není vysvětlen význam slova „databáze“. Taktéž respondent č. 10 vysvětluje význam pojmu „primární databáze“ jako „databáze...“, tudíž je pojem, který má být vysvětlen, uveden ve vysvětlení. Dále stejné vysvětlení pracuje se slovem „základního“, které může být obměnou slova „primární“. Píše se tamtéž také o informačním systému, který není vysvětlen, avšak tento pojem stejný respondent objasnil v rámci jiné otázky dotazníku.

29


Respondenti č. 13 a 15 píší o primární databázi jako o „hlavní“ či „základní“, kdy lze třeba v případě slova „hlavní“ spekulovat, zda se jedná o nejlepší překlad slova „primární“. Respondent poslední uvádí příklady informací, které dle něho jsou v primární databázi umístěny. Píše také třeba o bankovních transakcích, o nich však není v analyzovaném úryvku zmínka, tedy lze spekulovat, zda záznamy o bankovních transakcích má Český Telecom uvedené v primární databázi. Otázka 28.1 je doplňující otázkou k 28. otázce dotazníku, kdy se ptala respondentů, zda jsou schopni uvést jiné databáze než primární. 28.1 Znáte jiné databáze než databáze primární? 1 – sumarizační databáze, odvozená od primárních 6 – sekundární, tercierní,… 9 – Sekundární, záložní - databáze, která by měla obsahovat ta stejná data jako databáze primární s tím rozdílem, že se používá jen při výpadcích primární databáze. 10 – Vlastní evidence každého pracovníka. Z důvodu nedostatečnosti informačního systému nebo nevzdělanosti uživatele může docházet k vytváření dalších databází používaných určitým okruhem pracovníků nebo pracovníkem jediným - např. vlastní databáze dodavatelů. 15 – všeobecná? 16 – tak nejspis kdyz uz mame primarni, tak budou i nasledujici (sekundarni atd.), do tech bych zaradil mene potrebne informace, ktere nejsou naprosto klicove pro komunikaci/obchod... napr. fax, sekundarni email)

Respondent první byl schopen uvést jako příklad databáze, která není primární, databázi sumarizační, přičemž vzniká odvozením z primárních databází. Není jen vysvětleno, jak k onomu odvození dochází. V případě respondenta č. 6 se píše o sekundárních a tercierních databázích, kdy se nevysvětluje rozdíl mezi těmito dvěmi databázemi. Dále za slovem „tercierní“ a čárkou následují tři tečky, tedy lze předpokládat, že by mohly podle respondenta existovat databáze další. Respondent č. 9 uvedl příklad jiné databáze než respondent první, kdy přímo v případě 9. respondenta byl objasněn význam databáze sekundární, kterou považuje za záložní. Respondent následující č. 10 píše o databázi vlastní evidence každého pracovníka a o vlastní databázi dodavatelů, kdy nelze určit, zda některá z těchto databází by mohla být současně databází třeba sekundární. Předposlední respondent dále píše o databázi všeobecné, kdy je v odpovědi použit otazník, tedy si není nejspíše jist, kdy současně „všeobecnou databázi“ blíže nevysvětluje. Poslední respondent se domnívá, že existují také databáze třeba sekundární, o kterých psali již respondenti č. 6 a 9. Přitom podle 16. respondenta se do „sekundárních atd.“ umístí méně potřebné informace, kdy však respondent č. 9 píše o sekundární databázi jako o záložní, jejíž obsah by měl být shodný s databází primární. Pravdu mohou mít oba respondenti, pravdu může mít jen jeden z nich, což pro potřebu tohoto textu nebude zkoumáno. 29 Co to je „NEPŘESNOST” dat v primárních databázích? 4 – neúplná, zavádějící nebo nesprávná informace; 6 – dle mého soudu informace umožňující min. dvojí výklad; 9 – chyby; 8 – nepřesnost v databázi znamená kupříkladu, že místo „Petr Novák 28 let“ je uvedeno v databázi „Petr Novák mezi 25 až 30 lety“; 10 – Jakákoliv nedostatečnost dat v základním informačním systému.; 14 – Usuzuji, i když o tomto tématu skoro nic nevím, že je to jako u jiných věcí, a to že nepřesnost je i třeba malá chyba v textu; 15 – chyby; 16 – napr. spatne zadane tel. cislo, spatna adresa > v techto konkretnich prikladech spatna cisla.

Otázka 29. se tázala na nepřesnost dat v primárních databázích a otázka 29.1 se ptala na rozdíl nepřesnosti od neúplnosti, kdy se uvažují v obou případech záznamy v primární databázi. Sedm ze 16 respondentů bylo schopno objasnit význam „nepřesnosti“ dat v primárních databázích. Přičemž dle 4. respondenta je nepřesnost totéž co neúplnost. Dále podle něho může být v databázi informace zavádějící či nesprávná, kdy tyto informace blíže nevysvětluje. Podle respondenta č. 6 se za nepřesná data považuje informace, která není jednoznačně srozumitelná, kdy přímo píše o více možných výkladech, kdy se však neuvádí příklad. Respondent č. 9 píše o chybách, které se dále nespecifikují. Respondent č. 8 píše o záznamu, který obsahuje věk respondenta pomocí jednoho čísla, kdy v případě nepřesného záznamu je užit interval. Respondent č. 10 považuje nepřesnost dat za nedostatečnost dat, kdy není uveden příklad „nedostatečnosti“ dat. Také respondent č. 15 píše o chybách, jako již psal respondent č. 9, přičemž se chyby nespecifikují. Respondent č. 14 píše opět o chybách, přičemž za nepřesnost považuje kupříkladu „malou chybu v textu“. Příklad chyby není uveden, tedy se můžeme ptát, zda má na mysli třeba chybu pravopisnou, či má na mysli nepřesnost popsanou respondentem č. 8, či má na mysli vynechání slova v textu. Respondent poslední uvádí příklad nepřesnosti, kdy může být třeba u telefonního čísla nejspíše chybně uvedená čislice. V tom případě se lze ptát, zda chybně zadaná číslice v rámci telefonního čísla nemůže být příčinou vzniku neúplného záznamu. 29.1 V čem se liší „nepřesnost” dat v primárních databázích od „neúplnosti” dat v primárních databázích? 2 – nepresnost - napr. zaokrouhlovani, prevadeji atd.; 3 – synonyma slov; 4 – chyby, nedorozumění; 6 – neúplnost znamená, že některá data chybí, nepřesnost - viz předchozí bod; 8 – když je něco nepřesné, je to v databázi, jen se to neuvádí přesně. Pokud to však je neúplné, tedy to chybí, nelze snad v tom případě už hovořit o nepřesnosti; 9 – nepřesnost - chybná data, neúplnost - chybějící data; 10 – Myslím, že je to totéž.; 13 – neúplnost = nedostatek potřebných informací, nepřesnost = nekvalitní data; 14 – Nepřesnost je chyba v textu, zato neúplnost je, když v textu

30


něco není vůbec.; 15 – chyby; 16 – nepresnost sem vysvetlil, neuplnost > treba chybejici cast c.p. u adresy, chybejici sekundarni tel. cislo, apod.

Sedm ze 16 respondentů bylo schopno objasnit význam „nepřesnosti“ dat v primárních databázích, jak již bylo uvedeno, a 11 ze 16 respondentů usilovalo o vysvětlení rozdílu „nepřesnosti“ od „neúplnosti“, kdy se uvažují data v primární databázi. První respondent č. 2 vysvětlil nepřesnost jako následek zaokrouhlování či převádění, leč není uvedeno, co by mohlo být převáděno či zaokrouhlováno. Dále se nevysvětluje význam slova „neúplnost“ stejným respondentem. Tedy jeho odpověď není dostačující. Respondent následující č. 3 považuje nepřesnost a neúplnost za slova podobného významu, kdy nejspíše může být zaměněno v textu jedno za druhé, aniž by byla ohrožena srozumitelnost textu. Pokud uvažuje synonyma jako slova podobného významu, kdy se současně nejedná o slova stejného významu, rozdíl ve významech již neuvádí. V případě 4. respondenta se píše o chybách a nedorozuměních, kdy si lze všimnout, že nepřesnost dat tentýž respondent v odpovědi na 29. otázku vysvětloval jako neúplnou informaci. Z toho důvodu není zřejmý rozdíl mezi nepřesností a neúplností, protože nepřesnost vysvětloval pomocí neúplnosti. Respondent další píše o chybějících datech a respondent č. 8 píše o nepřesnosti i přesnosti, avšak nevysvětluje, v čem se liší nepřesnost od přesnosti. Domnívá se stejný respondent, že neúplnost není totéž co nepřesnost, avšak si není jist. Totéž lze říci i pro respondenta č. 9, kdy však respondent č. 10 považuje nepřesnost za totéž co neúplnost. Podíváme-li se dále na odpověď respondenta č. 13, lze se ptát, zda nedostatek potřebných informací, což považuje za neúplnost, nemusí být totéž co nekvalitní data, což považuje za nepřesnost. Respondent č. 14 rozlišuje ve významu obou slov, pouze neuvádí příklad chyby v textu a neuvádí příklad čehokoliv, co by v textu bylo vynecháno, aby mohlo být nazváno neúplností dat. Respondent předposlední píše o neúplnosti jako o chybách, kdy stejně psal o nepřesnosti v rámci odpovědi na otázku č. 29. Tedy tento respondent považuje nejspíše nepřesnost za neúplnost. Příklad neúplnosti je u poslední odpovědi č. 16 uveden, kdy se lze opět ptát třeba, zda chybně zadaná číslice v rámci telefonního čísla nemůže být příčinou vzniku neúplného záznamu. Jinak řečeno, zda chybně uvedené číslice v telefonním čísle nevytváří číslo neúplné. 30 Uveďte příklad „reportu” a napište, pro koho je určen? 4 – smlouva; 5 – Report o prodeji baltických delfínů do Turecka. Určen: tomu, kdo si takovou pitomost objednal.; 8 – napadá mne výroční zpráva společnosti určená pro akcionáře, ale nejsem si jist, zda jde o report; 9 – statistický výstup; 10 – Měsíční obrat prodeje - finanční oddělení a nejvyšší vedení závodu.; 12 – je určen pro manažerské rozhodování; 16 – report = zprava adresovana urcite skupine lidi pro niz ma vyznam, obsahuje fakta, nastineni problemu/situace a zpracovana data, zrejme by nemela vyjadrovat autorovi osobni nazory, jedna se predevsim o objektivni popis (ne ve smyslu slohoveho popisu)

Sedm respondentů ze 16 objasnilo význam reportu, kdy se přímo 30. otázka dotazníku ptala na příklad reportu a chtěla také vědět, pro koho je report určen. První respondent č. 4 píše o smlouvě, kdy již neodpovídá na druhou část otázky, pro koho je smlouva určena. Dále je slovo „smlouva“ příliš širokého významu, protože není uveden příklad smlouvy, ze které by bylo možné odhadnout, mezi jakými stranami je uzavřena. Respondent následující č. 5 prezentuje obsah reportu, kdy se píše o delfínech, a také specifikuje osobu, pro kterou je report určen. Nicméně tento respondent začíná vysvětlení slovem „report“, kdy toto slovo samotné neobjasňuje pomocí jiných slov jako kupříkladu zpráva, hlášení či smlouva, jak činil respondent č. 4 přímo uvádějící slovo „smlouva“. Respondent další č. 8 uvádí příklad reportu, kdy si není jist, zda se jedná o report. Leč 30. otázka se ptala na příklad a ne na vysvětlení slova report, takže lze nejspíše ve vysvětlení znovu uvést slovo report. Následující respondent píše o statistickém výstupu, kdy již nepíše, o výstup z čeho se jedná, a také se nepíše, pro koho je report určen. Respondent další č. 10 uvádí jak příklad reportu, tak píše, komu je report určen. Respondent č. 10 píše „pro co“ je report určen, ale nepíše, „pro koho“ je report určen. Přitom lze předpokládat, že manažerské rozhodování provádí lidé. Příkladem reportu je nejspíše „měsíční obrat prodeje“. Poslední respondent popisuje příklad reportu nejpodrobněji a také se vyjadřuje k tomu, pro koho je určen. Pouze však píše o „určité skupině lidí“ a současně o „zprávě“, kdy není příliš zřejmý vztah jeho tvrzení s významem slova „report“, který mohl mít na mysli autor analyzovaného úryvku. To však není chybou posledního vysvětlení, protože otázka 30 se neptala na příklad reportu uplatněného v rámci Českého Telecomu, kdy se současně uvažují databáze dat o zákaznících. Z toho důvodu také nelze určit, tvrzení kterého z respondentů je nejblíže tvrzení v analyzovaném úryvku. 31 Jak se odrazí nárůst kvality zákaznických dat v primárních databázích v kvalitě reportů? 1 – správná data = správné statistiky, správné rozbory 4 – lepší komunikace se zákazníky, rychlost vyřízení objednávek 5 – přesnější reporty umožňující spolehlivější rozhodování 7 – budou mi rychleji chodit složenky:-) 9 – čím vyšší kvalita dat, tím kvalitnější reporty 10 – Záleží na tom, o jaký report se jedná. Pokud se budu dívat například na nezaplacené faktury - je pro mě významné, aby u každého zákazníka byly správně určené platební podmínky.

31


11 – doručitelnost zásilek, faktur 16 – tak reporty budou presnejsi, co se tyce jednotlivych informaci, tzn. maji vetsi vypovidajici charakter

Píše se také v analyzovaném úryvku o vlivu nárůstu kvality dat o zákaznících v primárních databázích na kvalitu reportů, které se uplatní v manažerském rozhodování. Článek, ze kterého úryvek pochází, však nevysvětluje, jak nárůst kupříkladu záznamů o zákazních jako jejich jmen či adres zvýší kvalitu reportů pro rozhodování. První respondent píše o správných statistikách a o správných rozborech, kdy není zřejmé, jak lze třeba adresy či jména klientů analyzovat, aby z této analýzy byl vytvořen report, jehož informace se uplatní pro manažerské rozhodování. Není příliš pochyb, že kupříkladu zvýšením úplnosti či přesnosti záznamů v databázi (jako adres klientů) může být zvýšena rychlost vyřízení objednávek, což se píše v odpovědi č. 4, avšak stále není zřejmé, jakou roli v tomto vyřizování objednávek hrají reporty určené pro manažerské rozhodování. O přesnějších reportech přímo píše respondent č. 5, kdy nevysvětluje, jak se nárůst kvality dat projeví na kvalitě reportů. Pouze podle něho má vliv přesnost reportů na spolehlivější rozhodování, kdy se nepíše, rozhodování o čem může být realizováno. V případě respondenta č. 7 se opět píše (jako v případě odpovědi č. 5) o zlepšení komunikace se zakazníkem, kdy není zřejmé, jaký vliv má rychlejší dodání složenek na kvalitu reportů pro manažerské rozhodování, či jak manažerské rozhodování využívající reportů o zákaznických datech souvisí s rychlostí doručení složenky. Respondent č. 9 vidí přímý vztah mezi kvalitou dat a kvalitou reportů, ale nevysvětluje, proč kvalita dat má vliv na kvalitu reportů. Podle respondenta č. 9 je nutné uvažovat druh reportu, kdy se tvrzení dále vysvětluje a zmiňují se nezaplacené faktury, kdy nejspíše třeba jejich počet může být podkladem pro report zpracovaný pro manažerské rozhodnutí. Pouze tento respondent píše o „správně určených platebních podmínkách“, přičemž se zejména slovo „správně“ dále nevysvětluje. V případě odpovědi č. 11 platí totéž, co bylo uvedeno ve vztahu k odpovědi č. 7. V případě poslední odpovědi č. 16 platí totéž, co bylo uvedeno ve vztahu k odpovědi č. 9. 32 Co je součástí procesu zajištění kvality dat mimo „proces přípravy a zpracování dat, vyhodnocení výsledků a následná nápravná opatření”? 8 – zpětná vazba, 10 – Trvalá snaha o kvalitu dat, jejíž součástí je i školení uživatelů a pravidelná analýza kvality dat.; 12 – ověření správnosti dat; 15 – snad vytvoření seznamu, jeho kontrola a opravy; 16 – jeste bych do toho zaradil prubeznou kontrolu dat/vysledku behem jednotlivych casti procesu

Poslední věta analyzovaného úryvku říká následující: „Proces zajištění kvality dat zahrnuje mimo jiné proces přípravy a zpracování dat, vyhodnocení výsledků a následná nápravná opatření.“ Jelikož předchozí citace užívá výraz „mimo jiné“, tázala se 32. otázka dotazníku, co měl autor analyzovaného úryvku tímto výrazem na mysli. Pět ze 16 respondentů bylo schopno uvést něco dalšího jako součást procesu zajištění kvality dat mimo uvedené v úryvku. Podle respondenta č. 10 náleží do procesu „trvalá snaha o kvalitu dat“, kdy se dále jmenují dvě součásti této snahy. Odpovědi respondentů č. 8 a 12 lze považovat za podobné, protože ověření správnosti dat může být zpětnou vazbou. Také respondent č. 15 píše o kontrole seznamu a provední oprav, přičemž o kontrole píše také poslední respondent. 33 V čem se liší „příprava” dat od „zpracování” dat? 2 – priprava - vyhledavani zdroji, overovani; Zpracovani - propojeni dat a priprava ke konkretnimu vystupu s popisem 3 – chronologický postup 4 – příprava = sběr dat 5 – popis vstupu – zhodnocení výstupu 6 – příprava zahrnuje zejména získání souboru dat, zpracování je jejich vyhodnocení, obvykle pomocí počítačů 9 – Příprava - shromažďování dat, zpracování - třídění dat a ukládání dat do databáze... 10 – Příprava = zajištění reportů dat, která chci zlepšovat. Analýza = metody pro ověření správnosti. 12 – příprava je nějaký průzkům dat a ve zpracování by měla být data už přesná a pravdivá 14 – Příprava určuje, o čem a jak se bude publikovat, ale zpracování už je samotné publikovaní něčeho. 15 – shromáždění dat a vytvoření - uspořádání seznamu nebo sestavy 16 – zasadni rozdil ... priprava > samotne ziskavani dat, rozhodovani, ktera data se budou sbirat ... zpracovani > zpracovani ziskanych dat, jez se ziskala na zaklade pripravy ... tohle je strasnej jazyk :-D

Poslední věta analyzovaného úryvku píše o přípravě a zpracování dat, kdy se 33. otázka dotazníku ptala na rozdíl ve významu těchto slov, protože jsem se domníval, že někteří respondenti nemusí být schopni objasnit rozdíl ve významu pojmů a mohou oba pojmy považovat za totéž. Jedenáct respondentů ze 16 bylo schopno rozdíl uvést. První respondent č. 2 píše o přípravě jako o vyhledávání či ověřování zdrojů, kdy ale při vysvětlování slova „zpracování“ píše o „přípravě ke kontrolnímu výstupu“, tedy tento respondent považuje přípravu za část zpracování dat, kdy současně uvažuje přípravu jako proces vyhledávání zdrojů a jejich ověřování. Podle respondenta dalšího předchází vždy příprava zpracování dat, tedy nemůže zpracování dat předcházet přípravě dat. Respondent č. 4 vysvětluje význam přípravy dat, nicméně se již nevyjadřuje ke zpracování dat. Respondent č. 5 uvádí dvě dvojice slov, kdy se první nejspíše týká přípravy dat a druhá se týká zpracování dat. Pokud se příprava týká „popisu vstupu“, není specifikován vstup. Píše se dále v druhé dvojici o zhodnocení výstupu, kdy není uvedeno, o výstup z čeho se jedná. Jestliže se jedná o výstup ze

32


zpracování dat, lze se ptát, zda zpracování dat je totéž co výstup z něho. Odpověď respondenta č. 6 je obdobná tvrzení pocházejícího od respondenta č. 2 a totéž platí pro vysvětlení č. 9. Respondent č. 10 píše o „zajištění“, kdy se toto zajištění nespecifikuje jinak než, že se píše o reportu dat. Stejný respondent považuje „zpracování“ za totéž co „analýzu“, kdy má na mysli nejspíše analýzu reportů. Píše přímo o metodách ověření správnosti, avšak je nespecifikuje. Respondent č. 12 považuje přípravu dat za průzkum, který také nespecifikuje, a dále dle něho se vyskytují v rámci zpracování dat „data už přesná a pravdivá“. Pak se lze ptát, jaký proces zajistí, že v rámci zpracování dat se budou vyskytovat zejména „data už přesná a pravdivá“. Respondent č. 14 píše, že v rámci přípravy se stanovuje, „o čem a jak se bude publikovat“. Vedle toho respondent č. 2 uvažuje v rámci přípravy samotné vyhledávání a ověřování zdrojů. Pokud se však již provádí ověřování, pak lze nejspíše hovořit o zpracování zdrojů a nikoliv o přípravě ověřování či o přípravě zpracování. Dále 14. respondent píše o přípravě jako o publikování, kdy se lze ptát, zda za každých okolností je zpracování totéž co publikování, či zda minimálně v některých případech není nutné, aby zpracování předcházelo publikování. Poněvadž má podle téhož respondenta příprava stanovit, „o čem a jak se bude publikovat“, lze se ptát, zda může být toto stanovení uskutečněno, aniž by předtím nebylo provedené nějaké zpracování dat. Odpověď 15. respondenta není srozumitelnou, protože nelze určit bez spekulací, zda píše o přípravě i zpracování, či jen o jednom z procesů. I když možná uvažoval „shromáždění dat a vytvoření“ jako proces přípravy a zbytek textu se týká zpracování dat, přičemž vzniká a organizuje se seznam či soustava. Rozdíl mezi seznamem a soustavou není z 15. odpovědi zřejmý. Respondent poslední píše ve vztahu k přípravě o samotném získání dat, kdy neuvažuje možnost, že mohou být data získána až poté, kdy je provedeno nějaké zpracování dat, co jsou již k dispozici, kdy se následně v rámci přípravy rozhoduje, co bude získáno a zpracováno. 34 V čem se liší „TOTÁLNÍ management kvality informace (Total Information Quality Management)” od „managementu kvality informace”, který není totální? 3 – název interní pro ČT? 4 – propojenost databází, jedna komplexní databáze 6 – Totální znamená "všobímající“, "špičkový" a pod., druhý výraz znamená "standardní úroveň" 10 – Jedná se pouze o název metodiky. Management kvality informace by měl být vždy totální. 14 – Myslím si, že totální bude na lepší úrovni. 16 – zrejme se zabyva veskerymi moznymi aspekty a nedovoli si vypustit zadnou informaci

Analyzovaný úryvek uvádí pojem „Total Information Quality Management“, kdy tento anglický výraz není přeložen do češtiny a blíže objasněn. Jelikož se ve výrazu uplatňuje slovo „totální“, byli respondenti tázáni, v čem se liší management kvality považovaný za totální od toho, který totálním není. Odpověď bylo schopno uvést 6 respondentů a první z nich se domnívá, že se jedná o interní název pro Český Telecom, kdy si není jist. Respondent další se domnívá, že totální management kvality informace je totéž co spojení databází, případně jedna komplexní databáze vytvořená tímto propojením. Respondent č. 6 překládá „totální“ jako „všeobjímající“ či „špičkový“, kdy o druhém výrazu, na který se ptala otázka, mluví jako o „standardní úrovni managementu“. Přitom standardní úroveň není specifikována a není dále vysvětleno, v čem se standardní úroveň managementu liší od managementu špičkového či všeobjímajícího. Dále není objasněno, jak je schopen management „vše objímat“. Respondent č. 10 píše o názvu metodiky, kdy dle něho jde „pouze o název metodiky“. Má být management kvality informace podle téhož respondenta vždy totálním, avšak není vysvětleno, proč by tomu tak mělo být. Také metodika není specifikována. Respondent 14. se domnívá, že je na „lepší úrovni“ první z managementů, kdy lze spekulovat, zda si je respondent jist, a dále se lze ptát, v čem by měl být první z managementů lepší. Podíváme-li se ještě na poslední vysvětlení, pak totální management se má zabývat všemi aspekty, přičemž nejsou uvedeny příklady aspektů. Pokud je toto tvrzení pravdivé, může být nejprve vznesena otázka, zda se management (standardní úrovně, jak tento výraz použil respondent č. 6) zabývá jen některými aspekty. Je-li odpověď na otázku ano, můžeme se dále ptát, jaké aspekty standardní management, který není totální, uvažuje a proč. Dále se lze ptát ve vztahu k totálnímu managementu kvality informace, zda se může zabývat „veškerými možnými aspekty“, aniž by nemohl nastat případ, že některé aspekty není schopen uvažovat, protože nejsou identifikovány. 35 V čem se liší „KVALIFIKOVANÁ informace” od „KVALITNÍ informace”? 6 – kvalifikovaná je podložena odbornou znalostí, kvalitní je dobrá, nemusí být odborně podložena 8 – Kvalifikovaná je vytvořená třeba expertem. Nemusí být však nutně kvalitní, protože může nabídnout informaci, které nikdo nerozumí, či informaci netvrdící pravdu. Pak jde o informaci kvalifikovanou, ale současně je nekvalitní, pokud to však člověk pozná. 10 – Kvalifikovaná informace může vzniknout pouze na základě kvalitních dat. Stejně tak kvalitní informace. Takže minimální. Kvalifikovaná informace ale může mít další informační hodnotu, pokud ji zpracovával někdo, kdo je schopný informaci dále analyzovat a vysvětlit. 12 – kvalitní je podložena pravdou, ale může být v ní i malá chyba. Kvalifikovaná by neměla obsahovat žádné chyby, ani drobné

33


14 – Kvalifikovaná je ta spíše určena lidem z daného oboru, ale kvalitní informaci by měli pochopit všichni. 15 – i kvalifikovaná rada může být blbost 16 – kvalitni informace primo souvisi s kvalifikovanou inf., pac jen kolektovanim kvalitnich informaci ziskame realnou vypovidaci hodnotu zalozenou na skutecnosti, tzn. kvalifikovanou informaci, jez potom slouzi ke strategickym ukonum v oblasti trhu

V první větě prvního odstavce analyzovaného úryvku se píše o významu kvality dat pro kvalifikované informace. Přitom se nevysvětluje rozdíl ve významu slov „kvalitní“ a „kvalifikovaný“. Tedy jsem vytvořil v dotazníku otázku č. 35, která se ptala na rozdíl ve významu těchto dvou slov, kdy jsem uvažoval u obou slovo „informace“. Sedm respondentů ze 16 bylo schopno vysvětlit rozdíl mezi „kvalifikovanou“ a „kvalitní“ informací, přičemž u nich lze předpokládat, že jsou následně schopni rozumět také rozdílu ve významech slovních spojení „kvalitní data“ a „kvalifikovaná informace“. Podle prvního vysvětlení je kvalifikovaná informace vždy podložena odbornou znalostí, což nemusí platit u znalosti kvalitní. Obdobné vysvětlení nabízí také respondent č. 8. Respondent č. 10 považuje existenci kvalitních dat za nutnou podmínku pro vznik kvalifikované informace. Přitom dle téhož respondenta je kvalitních dat potřeba pro vznik kvalitní informace. Následně dochází k závěru, že kvalifikovaná informace je vesměs totéž, co informace kvalitní. Jinak řečeno tento respondent neuvažuje možnost, že by mohla být vytvořena kvalifikovaná informace založená na nekvalitních datech či na nekvalitní informaci. Jestliže však dle téhož respondenta kvalifikovanou informaci „zpracovával někdo, kdo je schopný informaci dále analyzovat a vysvětlit“, přičemž se nespecifikuje zpracovatel ani metoda zpracování či účel, lze hovořit o další informační hodnotě informace. Příklad této hodnoty se neuvádí. Zhodnotíme-li dále odpověď 12. respondenta, pak může být kvalitní informace mírně chybná, i když musí být podložena pravdou. „Malá chyba“ není blíže objasněna. Přitom je i řečeno, že informace kvalitní musí být bez chyb, tedy tento respondent nejspíše považuje kvalifikovanou informaci za méně chybnou než informaci kvalitní, což odporuje tvrzení 8. respondenta, který se domnívá, že informace kvalifikovaná nemusí být nutně informací kvalitní, což tvrdí také respondent č. 15. Dle respondenta č. 14 využijí kvalifikovanou informaci zejména lidé z téhož oboru, přičemž se však nepíše, zda každá kvalifikovaná informace musí být současně kvalitní, uvažuje-li se stejný obor. Dále by dle téhož autora měla být kvalitní informace srozumitelná všem. K tvrzení 16. respondenta se nejsem schopen vyjádřit, protože nerozumím výrazu „reálná vypovídací hodnota založená na skutečnosti“, zejména výraz „reálná vypovídací hodnota“ je obtížně interpretovatelný, totiž není vysvětleno, co se rozumí „skutečností“, jak se stanoví úroveň založení vypovídací hodnoty na skutečnosti, či proč lze o vypovídací hodnotě uvažovat jako o „reálné“. 36 Je dle vás každá „KVALIFIKOVANÁ informace” současně „KVALITNÍ informací”? 6 – může být kvalifikovaná a současně kvalitní, ale také může být kvalifikovaná a nekvalitní, nekvalifikovaná a nekvalitní, dále kvalitní a nekvalifikovaná; 8 – viz 35; 10 – Člověk, který informaci poskytuje, se může mýlit při její interpretaci, takže výsledná informace nemusí být kvalitní.; 12 – viz odpověď č. 35; 14 – Pochopíte z odpovědi na předchozí otázku.; 15 – viz 35; 16 – ackoliv skupina kvalitnich informaci utvari kvalifikovanou informaci, tak dle meho nazoru nelze tento proces obratit, tzn. abychom mohli rozebrat kvalif. inf. zpet na kvalitni

Otázka dotazníku 36 se ptala, zda je informace kvalitní vždy také kvalifikovanou. Sedm respondentů, jejichž odpovědi se uvádí výše, se domnívá, že tomu tak není. 37 Co je „metodika Total Information Quality Management”? 3 – vypracovanější metodika než běžně používáná doposud u ČT nebo u jiných firem; 4 – propojenost sběru informací a jejich vyhodnocení; 10 – Metodika zlepšení kvality dat a její trvalé udržitelnosti.; 12 – jak kvalitní může být management; 14 – Totální management kvality informací; 16 – metodika zamerena na zisk, zpracovani a vyuzivani kvalitnich a presnych informaci, sortovani jednotlivych subjetku, optimalizace zpracovani dat (= zpracovavat dle jednoho systemu, standardu), zaroven se snazi minimalizovat/vymytit/opravit nepresne a neuplne informace

Šest respondentů ze 16 bylo schopno okomentovat výraz „metodika Total Information Quality Management“, který se také nachází v analyzovaném úryvku. Dle prvního respondenta se jedná o metodiku vypracovanější, kdy se nevysvětluje, co se rozumí pod pojmem „metodika“, a dále se nevysvětluje, v čem má být tako metodika „vypracovanější“. Respondent další píše o „propojenosti“, přičemž se nepodává kupříkladu příklad, jak se propojení sběru dat realizuje, případně vyhodnocuje. V rámci odpovědi č. 10 se opět píše o metodice, kdy se toto slovo samo nevysvětluje. Píše stejný respondent dále o „zlepšení“ kvality dat a udržování zlepšení, přičemž není objasněno, jak lze zlepšení dosáhnout, či jak ho lze udržovat. Dle 12. respondenta metodika TIQM vypovídá o kvalitě managementu, ale není stejným respondentem popsána kvalita tohoto managementu, kdy není jinak řečeno uvedeno, v čem se kvalita tohoto managementu liší od kvality jiných managementů. Respondent předposlední výraz anglický překládá do češtiny, ale již není výraz „totální management kvality informací“ dále popsán. V případě posledního vysvětlení č. 16 se opět píše o metodice, kdy má nejspíše respondent na mysli třeba „optimalizaci zpracování dat“. Píše se v témže vysvětlení o

34


datech zpracovávaných za užití „jednoho systému, standardu“, kdy se nevysvětluje již, o jaký systém či standard se jedná a v čem se liší uvažovaný standard od jiných. 38 Proč je „kvalita dat” nezbytnou podmínkou pro získání kvalifikovaných informací? 3 – marketing; 6 – odborné (kvalifikované) informace jsou podmínkou výše kvality dat; 10 – Informace vzniká zpracováním dat. Pokud jsou data vstupující do procesu zpracování nekvalitní jsou výsledkem procesu nekvalitní informace.; 11 – bez kvality dat nelze...; 15 – viz 35; 16 – za predpokladu, ze kvalitni informace bude i spravna, je potom naprosto klicovou pro realnou predstavu o subjektu, celem trhu, na jehoz zaklade se potom management rozhoduje o jednotlivych krocich/vylepsenich vzhledem k zakaznikovi

K otázce dotazníku č. 38 se bylo schopno slovy vyjádřit 6 respondentů ze 16, tedy 10 na druhou stranu neví, proč je kvalita dat nezbytnou podmínkou pro získání kvalifikovaných informací, což se píše v první větě prvního odstavce analyzovaného úryvku. První respondent uvedl pouze slovo „marketing“, ze kterého se obtížně stanovuje, proč třeba větší přesnost záznamů v databázi týkající se telefonních čísel klientů vede k obdržení kvalifikované informace. Otázka dotazníku č. 38 se ptala, proč jsou potřeba kvalitní data pro (proč jsou podmínkou pro) obdržení kvalifikovaných informací, přičemž respondent č. 6 nejspíše píše, že na druhou stranu jsou „odborné (kvalifikované) informace“ nutné pro (podmínkou pro) kvalitu dat. Přitom není vysvětleno, proč se tak domnívá. Dle 10. respondenta vede kvalitní zpracování kvalitních dat k obdržení kvalitní informace. Tento respondent ale nepíše v odpovědi o informaci „kvalifikované“, takže se lze ptát, zda tutu kvalifikovanou informaci uvažoval, protože v odpovědi na 36. otázku dotazníku píše, že není nutně každá informace kvalifikovaná informací kvalitní. Odpověď 11. respondenta není dokončena, tedy nebude jinak okomentována, protože je nesrozumitelná. Také se nejsem schopen vyjádřit k odpovědi respondenta č. 15, protože při odpovědi na 35. otázku píše „i kvalifikovaná rada může být blbost“. Ani tvrzení poslední č. 16 nejsem schopen příliš okomentovat, protože nerozumím tomu, co se rozumí výrazem „reálná představa“, či mi není jasné, proč správná kvalitní informace je považována za „naprosto klíčovou“ pro „reálnou představu o subjektu“, kdy subjektem může být trh. Také se lze ptát, jak toto tvrzení č. 16 souvisí se 38. otázkou dotazníku. 39 V čem se liší „kvalita dat” od „čistoty dat”? 3 – synonyma slov; 4 – kvalita = správnost informace, čistota = nejsou zbytečné nebo duplicitní informace; 8 – podle mého je čistota dat jedním z aspektů kvality dat. Jinak řečeno v rámci kvality lze posuzovat čistotu, přesnost, srozumitelnost apod.; 10 – Čistota je především formální záležitost, zatímco kvalita vypovídá i o obsahu informace.; 15 – snad ničím; 16 – kvalitni informace muze vypovidat o skutecnosti, ackoliv v jinem systemu bude mit jinou hodnotu, tzn. nebude cistou informaci

V analyzovaném úryvku se také objevil výraz „trvale se zvyšující nároky na kvalitu a čistotu dat“. Jelikož autor píše slovo „kvalita“ a pak slovo „čistota“, kdy následují „data“, lze předpokládat, že kvalita a čistota jsou dvě různé vlastnosti dat, tedy kvalita není totéž co čistota dat. Byla vytvořena otázka č. 39, která se ptala na rozdíl ve významu slov „kvalita“ a „čistota“, kdy měli respondenti uvažovat současně data. Pouze 6 respondentů ze 16 se bylo schopno k rozdílu vyjádřit, kdy podle první odpovědi se jedná o synonyna (slova podobného významu). Je-li tomu však tak, pak se lze ptát, proč jsou obě slova užita vedle sebe v analyzovaném úryvku a není použito jen jedno. Respondent č. 4 rozdíl v obou výrazech vidí, kdy o informaci kvalitní píše jako o informaci správné. Dále k čistotě přiřazuje informace, v rámci kterých nebyly identifikovány duplicity či zbytečnosti. Můžeme se následně ptát, zda „správná informace“ nemusí být současně informací, v rámci které se nevyskytují duplicity či zbytečnosti. Respondent další považuje čistotu za jeden z aspektů kvality dat a dle respondenta č. 10 se čistota považuje za „formální záležitost“, přičemž se tento výraz dále nespecifikuje. Jinak řečeno není uvedeno, v čem se liší formální záležitost od vypovídání o obsahu zprávy. Respondent předposlední pak rozdíl ve významu obou výrazů nevidí, i když si není jist, protože uplatnil výraz „snad“. Podíváme-li se ještě na poslední komentář pod číslem 16, lze se tázat, z jakého důvodu bude mít kvalitní informace v jiném systému jinou hodnotu, čímž se nestane čistou. Dále se lze ptát, co se rozumí hodnotou informace, či jaké systémy respondent uvažoval. 40 Popište jednou větou, co chtěl autor článku předat čtenáři jako hlavní zprávu. Tedy napište to, co by si měl po přečtení článku čtenář dle Vás zapamatovat. 1 – Telecom věnuje pozornost správným datům, zaměřuje se především na kvalitu zákaznických dat 3 – ČT zlepšuje svoji práci v oblasti zpracovávání dat svých zákazníků pro vlastní interní statistiku. 4 – Telecom = úžasná firma s výborným řízením a z toho plynoucí kvalitní služby pro zákazníky 5 – Že se snaží zkvalitnit péči o zákazníka 6 – Český Telecom si je vědom rychlého rozvoje informací na straně jedné, i zkracujícího se poločasu jejich rozpadu, proto hledá cesty zlepšování informačních systému pomocí moderních metod a technologií, aby neztrácel zákazníky, ale naopak je získával ve větším množství 7 – Pokud budu mít a zpracovávat dobré informace, bude se společnosti dařit a bude vše jednodušší 8 – Dle mého se jedná o firemní prezentaci a autor chtěl říci, že jeho firma je schopna napomoci jiné zlepšit řízení kvality informace tak, že jí ukáže, jak vylepšit kvalitu dat v databázích. 9 – Vypadá to jako PR článek. Je to teď nové a lepší, jen nikdo moc neví vlastně co...

35


10 – Pro fungování podniku je důležitá kvalita kmenových dat proto, aby mohly fungovat všechny procesy a management se mohl správně rozhodovat. 11 – nevím, co chtěl autor článku předat čtenáři. Asi, že Telecom přechází na kvalitnější služby 12 – jak důležité jsou pro zákazníky pravdivé a kvalitní informace 13 – Český telecom vkládá hodně očekávání do získávání a zpracování informací o zákaznících. 14 – Český Telecom chce upozornit, že zvyšuje snahu na pochopení ze strany zákazníků. 15 – musíme mít takovou databázi, která by z nás nedělala blbce = schopnost poskytování bezproblémových kvalitních služeb 16 – ja bych to videl jako snahu informovat ODBORNOU verejnost o chystane zmene v ramci zpracovavani inf. C. Tel. a jeji hlavni vyhody a prednosti

Otázku 40 považuji za důležitou, protože v ní měli respondenti popsat to hlavní, co si převzali z analyzovaného úryvku, jinak řečeno měli vysvětlit, co dle nich chtěl autor článku předat, kdy měli k dispozici jednu větu na popis hlavní zprávy analyzovaného úryvku. První respondent zvýrazňuje zájem Českého Telecomu věnovat se kvalitě zákaznických dat, kdy se již nepíše, proč má Český Telecom zájem právě o tyto data. Tomu se však věnovala v dotazníku 27. otázka a tam se k tomu respondent vyjádřil. Dle respondenta dalšího je zájem o kvalitu zákaznických dat, protože se vytváří následně interní statistiky, které nejspíše slouží pro manažerské rozhodování. Respondent č. 4 považuje Český Telecom, stručně řečeno, za „úžasnou“ společnost. Respondent č. 5 zdůrazňuje jako respondent č. 1 zájem o zákaznická data. Totéž říká vesměs také respondent č. 6. Lze se však ptát ve vztahu k tvrzení 6. respondenta, co se rozumí výrazem „poločas rozpadu informací“. Respondent další č. 7 píše o zájmu zpracovávat dobré informace, kdy ale nepíše o zákaznících, tedy má na mysli nejspíše zpracování různých dobrých dat a nikoliv jen o zákaznících. Následující respondent nepíše o zákaznících, kdy současně označuje analyzovaný úryvek za firemní prezentaci. O firemní prezentaci v podobě „PR článku“ píše i respondent č. 9, který dodává komentář: „Je to teď nové a lepší, jen nikdo moc neví vlastně co...“ Podíváme-li se dále na tvrzení respondenta č. 10, pak se klade důraz na kvalitu kmenových dat, přičemž se neuvádí data o zákaznících, kdy je třeba dat třeba pro správné rozhodování managementu. Respondent č. 11 si není jist, co chtěl autor článku předat. Domnívá se, že chtěl hlavně říci, „že Telecom přechází na kvalitnější služby“. Další respondent v pořadí píše o významu zákaznických dat přímo pro zákazníky. O velkých očekáváních ve vztahu ke zpracování informací o zákaznících píše respondent č. 13, kdy také tvrzení dalšího respondenta je podobného sdělení, protože píše o zájmu Českého Telecomu více porozumět klientům. Respondent předposlední píše, že s kvalitní databází stoupne třeba doručitelnost zásilek, tedy komunikace Českého Telecomu s klienty bude považována za méně problémovou. Respondent poslední s číslem 16 si jako jediný přečetl před vyplněním dotazníku celý článek a dle něho je směřován odborné veřejnosti, kdy tuto odbornou veřejnost nespecifikuje. Přímo dle něho měl článek informovat o změnách zpracování dat ve firmě a o výhodách a přednostech této změny. Čtyři respondenti (č. 2, 5, 7 a 10) se po vyplnění dotazníku a při odesílání emailem vyjádřili k jeho náročnosti či vyplnění, případně struktuře. Jejich vyjádření se uvádí následně, přičemž první z nich považoval dotazník za „velmi náročný“ a déle vyplňovaný, než bylo uvedeno autorem dotazníku. Tento respondent dále doporučoval omezit náročné otázky a políčka, která se ptala na slovní vysvětlení. Dle dalšího respondenta nemusí být vždy snadné na otázku odpovědět a je potřeba váhání při odpovědi na některé z otázek. Další respondent s číslem 7 považuje článek za „hrozný“, i když dle něho současně „zní učeně“. Nedomnívá se dále, že jeho odpovědi jsou nutně správné, na druhou stranu upozorňuje, že jeho odpovědi mají povahu osobního výkladu. Respondent poslední a současně s číslem 10 píše o návratu k původním odpovědím, kdyby bylo k dispozici více času na zpracování dotazníku. Bohužel nelze z tohoto komentáře určit, jaké původní odpovědi měl respondent na mysli, aniž by nebylo spekulováno. 2 – Popravdě to bylo pro mne velmi narocne a rozhodne mi nerval 20minut. … je moc dlouhy, otazky jsou narocne a vyplnovaci formu lidi v dotaznicich nemaji radi. Pokud chcete, aby dotaznik byl ucinny, tak omezte vyplnovaci okynka na minimum, a to jen na jmeno ci zaverecnou poznamku. V zaveru jsem uz byla tak doblbla, ze uz jsem nevedela, co mam psat, i kdyz tomu rozumim. 5 – Asi bych ho ještě vylepšil, respondenti někde musí váhat, stejně jako jsem váhal já. 7 – Nejraději bych autorovi článku vzkázal, aby z toho nedělal takovou vědu a mluvil, jak mu zobák narost. Je to hroznej článek. Zní to učeně, to je pravda. Mé odpovědi ber jako osobní výklad a netvrdím, že je vše správné. 10 – ...dobře udělaný dotazník, protože tam člověka docela pěkně "promotáváš". Čím dále jsem postupovala, tím víc jsem zjišťovala, že vlastně některým věcem nerozumím. Kdybych měla víc času, tak bych se asi více vracela k původním odpovědím.

Studie se zúčastnilo 16 respondentů, jinak řečeno 16 respondentů odeslalo vyplněné dotazníky k vyhodnocení. Vedle toho jedna osoba zaslala komentář k dotazníku poté, co si dotazník přečetla a rozhodla se ho nevyplňovat. Tento komentář je následující, kdy bude ještě uvedeno, že jeho autorka je absolventka vysoké školy, které je přes 40 let. Tato žena se domnívá, že mohou respondenti volit odpovědi „vím a vysvětlím“, přestože analyzovanému úryvku rozumět nemusí.

36


… tak jsem koukala na ten dotazník a věř mi, že si myslím, že autor tohoto úryvku žije někde mimo naši společnost , nebo dostal za úkol mlžit, aby pak Telecom dokázal, že je naprostá jednička, jejíž jediný zájem je blaho zákazníka (ó jak hluboko se mýlím). Nicméně si myslím, že se najdou tací, kteří se pustí vehementně do odpovědí typu "vím a vysvětlím" - pak je ale třeba se zeptat, kdo a jak bude vyhodnocovat "slohová cvičení".

Následující tabulka ukazuje, jaké odpovědi který respondent volil. Nejprve se v prvním řádku tabulky uvádí číslo respondenta a poté se uvádí jeho pohlaví, kdy „M“ znamaná „muž“ a „Ž“ znamená „žena“. Ve 3. řádku tabulky je uveden věk respondentů, přičemž respondent č. 15 věk neuvedl, ale jedná se o ženu s věkem přes 30 let. Čtvrtý řádek tabulky identifikuje vztah respondenta k informačním technologiím, přičemž tato otázka byla na respondenty vznesena v rámci předběžných otázek dotazníku. Respondenti měli na možnost jednu ze 6 možností, kdy dva respondenti (9 a 13) zvolili dvě odpovědi. Číslo 1 se týká odpovědi „Jedná se o můj obor studia či náplň práce.“, číslo 2 se týká odpovědi „Zajímám se o toto téma ve volném čase soustavně.“, číslo 3 se týká odpovědi „Zajímám se o toto téma ve volném čase příležitostně.“, číslo 4 se týká odpovědi „O tomto tématu vím velice málo.“, číslo 5 se týká odpovědi „O tématu nic nevím.“ a číslo 6 se týká odpovědi „Jiná možnost.“ V téže tabulce řádek šestý pojednává o nejvyšším dosaženém vzdělání respondenta, které bylo zjištěno jinou otázkou v rámci předběžných otázek. V tomto případě měli respondenti na výběr jednu ze 4 možností, kdy číslo 1 se týká odpovědi „vystudovaná základní škola, či studuji základní školu“, číslo 2 se týká odpovědi „vystudovaná střední škola s maturitou, či studuji střední školu s maturitou“, číslo 3 se týká odpovědi „vystudovaná střední škola bez maturity či vyučení, či studuji střední školu bez maturity i výučního listu“ a číslo 4 se týká odpovědi „vystudovaná vysoká škola, či studuji vysokou školu“. Devět osob z 16, jinak řečeno přes 50 % studuje vysokou školu či absolvovali vysokou školu. Dále lze ze 4. řádku tabulky zjistit třeba, že 4 respondenti se považují za profesionály v oblasti informačních technologií, protože zvolili možnost 1 (respondenti č. 1, 8, 10 a 13). Dva další respondenti (č. 4 a 16) zvolili možnost 2, což znamená, že zvolili možnost „Zajímám se o toto téma ve volném čase soustavně.“, kdy komentují vztah k informačním technologiím, 4 respondenti (č. 2, 6, 12, 14) zvolili možnost „Zajímám se o toto téma ve volném čase příležitostně.“ Respondent č. 6 zvolil „Jiná možnost“, ze které nelze jeho vztah k informačním technologiím blíže vymezit. Než bude více okomentován obsah tabulky prezentované níže, uvedou se ještě názvy povolání či názvy studijního oboru respondentů, na které byli tázáni v další z předběžných otázek dotazníku, kdy přímo odpovídali na otázku: „Studijní obor či název povolání“. 1 – úřednice; 2 – ekonomická fakulta; 3 – podnikatelka; 4 – pedagog na univerzitě; 5 – stavební inženýr; 6 – stavební inženýr – statik; 7 – projektant; 8 – stavební inženýr zabývající se IT; 9 – Knihovník, správce sítě; 10 – ERP konzultant; 11 – dělnice; 12 – studující obchodní akademii; 13 – Projektant, rozpočtář; 14 – Seřizovač CNC strojů; 15 – zootechnik; 16 – studium stavebního inženýrství

První respondent uvedl „úřednice“, kdy je vhodné uvést při uvažování 4. řádku následující tabulky, že se jedná o osobu současně popisující vztah k informačním technologiím pomocí první možnosti. Kupříkladu dále respondent č. 10 s povoláním „Enterprise Resource Planning konzultant“ (konzultant plánování podnikových zdrojů) se také považuje za osobu se stejným vztahem k informačním technologiím jako respondent č. 1. Dále lze třeba uvést respondenta č. 9, který, jak vím, nejen je správcem sítě v knihovně, ale studoval obor na vysoké škole zaměřený na informační technologie. Respondent č. 13 pracuje jako projektant a rozpočtář, avšak v současnosti studuje na vysoké škole při práci, a to opět obor zaměřený na informační technologie. Jinak 9 respondentů ze 16 má blízko ke stavebníctví, a to přímo respondenti č. 4, 5, 6, 7, 8, 13, 16, což je zřejmé z názvů povolání respondentů či vystudovaného oboru s výjimkou respondenta č. 4. Ten však působí jako pedagog na univerzitě, kdy se v rámci výkonu povolání zabývá stavebnictvím. Tabulku jsem rozdělil na dvě části, leč druhá část navazuje na první tak, že v druhé se uvádí odpovědi respondentů na otázky dotazníku 29.1 až 43. Uvádí-li se v tabulce písmeno „V“, zvolil respondent v odpovědi na otázku dotazníku volbu „vím a vysvětlím“. Uvádí-li se v tabulce písmeno „N“, zvolil respondent v odpovědi na otázku volbu „nevím“. Tato zkratka „N“ však neznanemá „nevím“ vždy. U otázek O2, O8, O8.1., O12, O36 a O42 měli respondenti na výběr ze 3 možností. Přímo mohli volit z následujících možností: ne (v tabulce zkratka „N“), nevím (v tabulce zkratka „ne“), ano a vysvětlím (v tabulce zkratka „av“). Tedy u předchozích 6 otázek zkratka „N“ znamená „ne“. V případě otázky O19 byly k dispozici 4 možnosti, kdy respondenti mohli vedle 3 již uvedených ještě zvolit možnost „ano a nejsem schopen vysvětlit“, pak by v tabulce na řádku u otázky O19 byla zkratka „an“. Otázka dotazníku č. 30 se ptala, zda je respondent schopen uvést příklad reportu a pro koho je určen. Pokud zvolil možnost „nejsem schopen tak učinit“, bylo v tabulce uvedeno písmeno N na jejím řádku s nadpisem O30, v jiném případě bylo uvedeno písmeno „U“, což znamená volba „uvedu“. Otázka dotazníku č. 41 měla následující znění: „Zvolte jednu z možností, která nejlépe vystihuje vaše porozumění analyzovanému úryvku.“, kdy na volbu bylo 5 těchto možností: s číslem 1 „Rozumím hlavní zprávě textu a rozumím také významu všech slov v něm.“, s číslem 2 „Rozumím hlavní zprávě textu, ale nerozumím významu některých slov v něm.“, s číslem 3 „Nerozumím hlavní zprávě textu, ale rozumím významu všech slov v něm.“, s číslem 4 „Nerozumám hlavní zprávě textu a nerozumím významu

37


všech slov v něm.“, s číslem 5 „Jiná možnost.“ V otázce č. 42 byli respondenti tázáni, zda autor úryvku (článku) vytvořil srozumitelnou informaci. Pokud zvolili možnost „ne“, bylo na řádek tabulky s označením O42 vepsáno písmeno „N“, pokud zvolili možnost „ano“, vepsalo se písmeno „A“. Otázka č. 43 se ptala, zda respondenti přečetli celý text před vyplněním dotazníku, kdy tuto možnost uvedl pouze respondent č. 16 – v tabulce číslice 2. Ostatní respondenti četli jen úryvek uvedený v dotazníku a uvádí se u nich číslice 1. Okomentujme dále doposud nezmíněné údaje uvedené v následující tabulce rozdělené na dvě části. Pouze 3 respondenti nebyli schopni vysvětlit, proč jsou v popředí zájmu především data o zákaznících, na což se ptala otázka O1, kdy mezi nimi je také osoba se vztahem k IT (informačním technologiím) označeným číslem 1, jinak řečeno jsou IT jeho obor studia či náplní práce. Z řádku s označením O2 lze také říci, že 6 respondentů se nedomnívalo, že autor analyzovaného úryvku uvažuje vedle dat o zákaznících cosi jiného v popředí zájmu, další 3 respondenti zvolili možnost „nevím“ (zkratka „ne“). Pět osob (otázka O3) neví rozdíl mezi informací kvalifikovanou a kvalitní, kdy tuto možnost zvolili třeba respondenti 1 a 9, kteří současně mají vztah k IT vyjádřený číslem 1. Dvě osoby nevědí, co znamená „zajistit kvalitní data“, na což se ptala otázka O4, 6 osob dále není schopno vysvětlit rozdíl strategické a výkonné úrovně, přičemž tuto možnost u O5 zvolili také respondenti č. 9 a 13, kteří mají opět vztah k IT vyjádřený číslem 1. Vysvětlit význam správného plánování od nesprávného vyžadovala otázka O6, kdy 4 osoby tak nebyly schopny uvést a mezi nimi opět respondenti č. 9 a 13. Sedmá otázka vyžadovala objasnění výrazu „systematická báze“ a pouze 5 respondentů se rozhodlo výraz slovně vysvětlit. Přitom 3 odborníci na IT (odborník = respondent, co zvolil možnost 1 na otázku „Vztah k IT“) nebyli schopni tento výraz objasnit. Podle 7 respondentů, jak odpovídali na otázku O7, mohou být datové služby současně služby hlasové, 6 respondentů zvolilo možnost „ne“ a zbytek možnost „nevím“, kdy čtvrtý respondent otázku nezodpověděl a nevyplněné položky dotazníku jsem od respondentů, kteří cokoliv opomenuli, znovu nevyžadoval. Otázka O8.1 se ptala, zda služby integrované mohou být současně služby datové a domnívá se tak 11 respondentů, podle respondenta č. 12 nikoliv a 3 zvolili možnost „nevím“. Dále 6 osob nebylo schopno u otázky O9 vysvětlit význam integrovaných služeb, kdy mezi těmito 6 osobami jsou respondenti č. 8 a 9 se vztahem k IT pod číslem 1. Pět respondentů u otázky jedenácté nebylo schopno uvést, proč je v životním zájmu společnosti zabývat se kvalitou dat, kdy opět respondenti č. 8 a 9 nebyli schopni podat vysvětlení. Dvanáctá otázka se ptala, zda může existovat společnost, která nemá životní zájem o kvalitu dat, a dle 9 respondentů to je možné, přičemž 3 neví a podle dalších 4 nikoliv. Dva respondenti nebyli schopni vysvětlit rozdíl mezi daty a informacemi (O13), 5 respondentů neví, co je „rychlý rozvoj nových služeb a produktů“ (O14), 5 respondentů nezná stávající služby a produkty Českého Telecomu (O15), přičemž je neznají také dva odborníci v oblasti IT s čísly 1 a 8. Dále 4 respondenti neví, co je „informační systém“, na což se ptala otázka O16, přitom tuto možnost zvolili opět dva odborníci na IT, a to č. 8 a 13. Dvě osoby neví, co se rozumí pod pojmem „zvyšující se nároky na kvalitu“ (O17) a 4 neví, co je „čistota dat“, což tvrdí také jeden expert na IT. Otázka 19 se ptala na existenci čistoty dat a podle jednoho odborníka na IT neexistuje, druhý expert si nebyl jist, protože zvolil možnost „nevím“. Podle dalších 5 osob existuje, avšak ji nebyli schopni vysvětlit. Zbytek respondentů zvolil možnost „ano a vysvětlím“. Otázka 20. se ptala na objasnění slova „často“ a pouze 1 respondent nebyl schopen toto slovo popsat, a to respondent č. 8, což je odborník na IT. Podíváme-li se dále na otázku 21., pak 4 osoby neví, co je věcně správná informace, a z těchto 4 osob se jedná o 2 odborníky na IT. Tři respondenti dále neví, co není věcně správná informace, a jeden respondent otázku nezodpověděl. Osm respondentů neví, co jsou běžné metody zpracování dat, na což se ptala otázka O23, přičemž tyto metody zpracování dat nebyli schopni popsat 4 odborníci na IT z 5. Ještě více respondentů neví, co jsou metody zpracování dat, které nejsou běžné, kdy všech 5 odborníků na IT nebylo schopno tyto metody vyjmenovat. Otázka č. 25 se ptala na rozdíl mezi komplikovaným a velmi komplikovaným zpracováním dat, přičemž 11 osob rozdíl neví a v těchto 11 osobách bylo opět 5 odborníků na IT. Další otázka dotazníku chtěla objasnit význam slova implementovat a pouze 1 osoba zvolila možnost „nevím“. Dva respondenti neví, proč jsou v popředí zájmu především data vztažená k zákazníkovi, na což se ptala otázka 27. Opět mezi těmito 2 osobami je jeden odborník na IT. Devět osob ze 16 dotázaných neví význam pojmu „primární databáze“, pričemž mezi těmito 9 osobami je odborník na IT. Deset osob ze 16 nezná jiné než primární databáze, což se týká otázky 28.1, a 6 osob zvolilo možnost „ano a uvedu příklad(y)“, což se v tabulce u řádku s O28.1 popisuje písmenem A.

Číslo respondenta

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

Pohlaví (M/Ž)

M

Ž

Ž

M

M

M

M

M

M

Ž

Ž

Ž

M

M

Ž

M

Věk

60

28

28

27

79

63

27

28

25

28

54

16

25

20

-

20

Vztah k IT

1

3

4

2

4

3

6

1

1/2

1

4

3

1/3

3

4

2

Vzdělání

2

4

2

4

4

4

4

4

2

4

3

2

4

3

2

4

O1

V

V

V

V

V

V

V

N

V

V

N

N

V

V

V

V

O2

av

N

av

av

ne

ne

ne

N

N

A

N

N

N

av

av

av

38


O3

N

V

N

N

V

V

V

V

N

V

V

V

N

V

V

V

O4

V

V

V

N

V

V

V

N

V

V

V

V

V

V

V

V

O5

V

V

N

V

N

V

N

V

N

V

V

N

N

V

V

V

O6

V

V

V

N

V

N

V

V

N

V

V

V

N

V

V

V

O7

V

N

N

N

N

N

N

N

N

V

N

N

N

V

V

V

O8

N

A

A

-

ne

A

N

A

N

A

ne

A

A

N

N

N

O8.1

A

A

A

A

ne

A

ne

A

ne

A

ne

N

A

A

A

A

O9

V

N

N

V

V

V

N

N

N

V

V

N

V

V

V

V

O10

V

-

V

V

V

V

V

V

V

V

V

V

V

V

V

V

O11

V

V

V

V

N

N

V

N

N

V

N

V

V

V

V

V

O12

A

ne

A

A

A

A

N

A

N

A

ne

N

A

N

ne

A

O13

V

N

V

N

V

V

V

V

V

V

V

V

V

V

V

V

O14

N

V

V

V

N

N

V

N

V

V

V

V

N

V

V

V

O15

N

N

V

N

N

V

V

N

V

V

V

V

V

V

V

V

O16

V

V

N

V

V

V

V

N

V

V

N

V

N

V

V

V

O17

V

V

V

N

V

V

V

V

N

V

V

V

V

V

V

V

O18

V

N

V

V

V

N

V

N

V

V

V

V

V

V

N

V

O19

av

an

av

av

av

an

an

an

N

av

an

av

ne

av

an

av

O20

V

V

V

V

V

V

V

N

V

V

V

V

V

V

V

V

O21

V

V

V

N

V

N

V

N

V

V

V

V

N

V

V

V

O22

V

V

V

-

V

N

V

N

V

V

V

V

N

V

V

V

O23

N

V

V

N

N

V

V

N

N

V

N

V

N

N

V

V

O24

N

V

V

N

N

V

N

N

N

N

N

V

N

N

V

V

O25

N

N

V

N

N

N

N

N

N

N

V

V

N

V

N

V

O26

V

V

N

V

V

V

V

V

V

V

V

V

V

V

V

V

O27

V

V

N

V

V

V

V

N

V

V

V

V

V

V

V

V

O28

V

N

N

N

N

V

N

N

V

V

N

N

V

N

V

V

O28.1

A

N

N

N

N

A

N

N

A

A

N

N

N

N

A

A

Otázka dotazníku č. 29 se ptala na význam slova „nepřesnost“ a 7 dotazovaných nebylo schopno podat vysvětlení, kdy mezi těmito 7 je i odborník na IT. Nicméně pouze 4 osoby ze 16 nebyly schopny v otázce 29.1 vysvětlit rozdíl mezi nepřesností a neúplností, kdy současně respondent č. 1 odpověď neuvedl. V úryvku převzatém pro dotazník se píše o reportu a není uveden jeho příklad. Otázka dotazníku č. 30 vyžadovala uvést příklad reportu a pro koho je určen, kdy 7 osob zvolilo možnost „nevím“ a přitom všichni odborníci na IT kromě prvního, který otázku nezodpověděl, zvolili možnost „uvedu“. Na 31. otázku dotazníku nebylo schopno odpovědět 8 osob a mezi nimi 2 odborníci na IT. Otázka 32. však byla ještě obtížnější, protože 11 osob ze 16 neví, co je součástí procesu zajištění kvality dat mimo uvedené v analyzovaném úryvku. Přitom to nevěděli také 3 odborníci na IT. Šest osob neví rozdíl mezi přípravou a zpracováním dat, kdy v těchto 6 se nachází 3 odborníci na IT. Deset respondentů z 16 dotazovaných nezná rozdíl mezi totálním managementem kvality a managementem kvality, který není totální. Do oněch 10 osob náleží 4 odborníci na IT. 0sm osob z 16 neví rozdíl mezi informací kvalitní a kvalifikovanou, na což se ptala otázka č. 35, přičemž do těchto osob náleží odborníci na IT č. 1, 9 a 13. Podle devíti dotázaných není kvalifikovaná informace totéž co informace kvalitní, 3 respondenti neví (z toho 2 odborníci na IT) a zbytek dotázaných zvolil jinou možnost. Otázka č. 37 se ptala na „metodiku Total Information Quality Management“ a 6 osob zvolilo možnost „vím a vysvětlím“, kdy mezi těmito 6 osobami byl 1 odborník na IT z 5. Otázka č. 38 měla znění „Proč je „kvalita dat”

39


nezbytnou podmínkou pro získání kvalifikovaných informací?“ a 7 dotázaných zvolilo možnost „vím a vysvětlím“, kdy mezi těmito 7 byl 1 odborník na IT. Další otázka dotazníku č. 39 chtěla znát rozdíl mezi kvalitou a čistotou dat a 6 dotazovaných ze 16 zvolilo možnost „vím a vysvětlím“, kdy mezi těmito 6 byli 2 odborníci na IT, a to č. 8 a 10. Otázky 41 až 43 měli respondenti vyplnit až po zodpovězení všech předchozích otázek dotazníku a v první z nich měli ohodnotit úroveň porozumění, kdy měli na výběr jednu ze čtyř možností. Jeden respondent zvolil možnost „Rozumím hlavní zprávě textu a také významu všech slov v něm“, a to přímo respondent č. 2, kdy této odpovědi byla přirazena číslice 1. Deset respondentů zvolilo druhou z nabízených možností (číslice 2), která říká: „Rozumím hlavní zprávě textu, ale nerozumím významu některých slov v něm.“ Tři osoby zvolily dále možnost čtvrtou (číslice 4), v rámci které byl uveden text: „Nerozumám hlavní zprávě textu a nerozumím významu všech slov v něm.“ Další 2 osoby preferovaly možnost poslední a současně pátou: „Jiná možnost“. Zaměříme-li se opět na odborníky na IT, pak 2 zvolili možnost 4 a ostatní zvolili možnost 2. Poslední zde okomentovaná otázka dotazníku č. 42 chtěla vědět, zda autor analyzovaného textu vytvořil srozumitelnou informaci. Podle 11 osob nikoliv, podle 4 ano a jedna osoba zvolila ano i ne v odpovědi, kdy se jedná přímo o respondenta č. 14. Dle dvou odborníků na IT byla srozumitelná informace vytvořena (č. 1 a 10), 3 odborníci považují informaci za nesrozumitelnou, a to s čísly 8, 9 a 13. Číslo respondenta

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

O29

Vn

N

N

V

N

V

N

V

V

V

N

N

N

V

V

V

O29.1

-

V

V

V

N

V

N

V

V

V

N

N

V

V

V

V

O30

-

N

N

U

U

N

N

U

U

U

N

U

U

N

N

U

O31

V

N

N

V

V

N

V

N

V

V

V

N

N

N

N

V

O32

N

N

N

N

N

N

N

V

N

V

N

V

N

N

V

V

O33

N

V

V

N

V

V

N

N

V

V

N

V

N

V

V

V

O34

N

N

V

V

N

V

N

N

N

V

N

N

N

V

N

V

O35

N

V

N

N

N

V

N

V

N

V

N

V

N

V

V

V

O36

N

N

A

ne

A

N

N

N

ne

N

A

N

ne

N

N

N

O37

N

N

V

V

N

N

N

N

N

V

N

V

N

V

N

V

O38

N

V

V

N

N

V

N

N

N

V

V

N

N

N

V

V

O39

N

V

V

V

N

N

N

V

N

V

N

N

N

N

N

V

O41

2

1

2

2

5

2

2

4

4

2

4

2

2

2

2

5

O42

A

N

N

A

N

A

N

N

N

A

N

N

N

a/n

N

N

O43

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

2

Číslo otázky

5 DISKUZE Z analyzovaného úryvku ani z celého znění článku, ze kterého úryvek použitý ve studii pochází, nelze určit, komu byl text primárně adresován, jinak řečeno jaké skupině čtenářů byl text určen. Nicméně byl článek publikován v odborném časopise IT SYSTEMS, tedy lze předpokládat, že tento časopis čtou zejména osoby zabývající se soustavně informačními technologiemi. Z toho důvodu lze uvažovat za hlavní skupinu čtenářů článku odborníky na informační technologie. Vedle toho je však článek publikován na webu, a tedy se k článku mohou dostat pomocí vyhledávače osoby, které nejsou odborníky v informačních technologiích. Tedy lze posuzovat srozumitelnost článku také tak, že bude zkoumáno, jak osoby, které nejsou odborníky v informačních technologiích, rozumí analyzovanému úryvku. Může být namítnuto oponenty, že webový zpravodajský portál časopisu IT SYSTEMS se jeví již na první pohled jako portál odborného časopisu a že by si toho měl všimnout i návštěvník portálu, který není odborníkem na informační technologie. Nejspíše tomu tak bude, avšak se lze stále ptát, zda lze informaci kupříkladu v námi analyzovaném článku učinit snadněji srozumitelnou pro neodborníky na informační technologie, čímž však nebude snížena odbornost článku a současně bude zvýšena jeho srozumitelnost i pro odborníky, což by mělo být ku prospěchu věci, pokud se v článku identifikují odborné výrazy, s jejichž porozuměním mají problém i v naší studii se vyskytující odborníci na informační technologie.

40


Domnívám se, že není třeba v každém článku pojednávajícím o kvalitě dat či informací a publikovaném na webovém portálu časopisu IT SYSTEMS definovat klíčové pojmy jako třeba „kvalita“, „data“, „informace“, „informační systém“, „znalostní báze“. Nebylo by však nejspíše na škodu, kdyby na tomto portálu byl uveden slovníček některých pojmů, který by byl přístupný všem, kteří některým klíčovým slovům nerozumí. Tento slovníček by mohl vysvětlovat klíčová slova vyskytující se v různých článcích publikovaných na témže portálu a pokud by čtenář nerozuměl klíčovému termínu článku, mohl by se na vysvětlení pojmu podívat do slovníčku. Pokud by tvůrce nového článku psaného pro portál chtěl uplatnit klíčové pojmy v jiném významu, pak by bylo vhodné, aby to v článku výslovně uvedl, aby klíčové pojmy nadefinoval (= význam slova bude popsán tak, že toto slovo nelze zaměnit s jakýmkoliv jiným a bude současně vysvětlení srozumitelné). Pokud klíčové pojmy v článku nedefinuje, nelze vyloučit, že autoři různých textů publikovaných v časopise IT SYSTEMS uvažují o významech stejných klíčových slov svých článků (třeba již data, informace, kvalita či znalostní báze) odlišně a poté nelze hovořit o konzistentním uplatnění významu těchto pojmů ve více článcích časopisu IT SYSTEMS, jestliže není na portálu uveden slovníček klíčových pojmů, kdy současně lze identifikovat v různých článcích odlišné uplatnění klíčových pojmů, kdy současně ale nemusí být snadné určit, v jakém významu různí autoři klíčové pojmy uplatnili. Lze říci, že tento systém pracování s konzistentními vymezeními významů klíčových pojmů v oblasti informačních technologií více autory článků publikujících v IT SYSTEMS je nejspíše náročnější na uskutečnění a ne každý tvůrce odborného článku ho může akceptovat, protože mu přidá práci uvažovat o vysvětlení významů klíčových pojmů a zda užívá pojmy konzistentně se slovníčkem, či zda se liší významy klíčových pojmů v jeho článku a měl by uvažovat o vysvětlení významů klíčových pojmů. Nicméně dle mého snaha o zvýšení konzistence (= často používaná slova z oblasti informačních technologií a publikovaná ve více textech od více odborníků v časopise IT SYSTEMS se stejnými významy) napomůže ve zvyšování srozumitelnosti textů a také budou články na webu snadněji přístupné pro vyšší srozumitelnost neodborníkům na informační technologie. Lze na českém webu najít odborné texty, jejichž zaměření je na informační technologie, kdy lze jako příklad uvést informační portál stejného časopisu IT SYSTEMS (http://www.systemonline.cz/), jehož odborné články v nadpisech obsahují zkratky jako: CRM, EAM, ERP, HRM, APS/SCM, IT Governance. Lze na úvodní stránce odborného portálu vedle nadpisů nových článků číst krátké popisy v délce ne více než 10 vět zpravidla, co se čtenář dočte v celém znění článku. V těchto popisech pod nadpisy uvádějícími zkratky se významy zkratek ne vždy vysvětlují a stává se, že zkratka uvedená v nadpise není v celém článku vysvětlena slovy anglickými, ani nemusí být k dispozici český překlad zkratky. Webový portál IT SYSTEMS nabízí tématické sekce, do kterých články klasifikuje, kdy se jedná o sekce třeba: CRM, EAM, ERP, HRM, APS/SCM, IT Governance. Názvy těchto sekcí jsou v levém klikacím menu uváděny pomocí zkratek a až po navštívení některé ze sekcí si může čtenář přečíst plné vysvětlení zkratky v angličtině i v češtině. Tak třeba název sekce „APS/SCM“ se vysvětluje v sekci webového portálu časopisu IT SYSTEMS nejprve pomocí slov „Advanced Planning System / Supply Chain Management“ a poté následuje vysvětlení tohoto výrazu v češtině způsobem následujícím: „Pokročilé plánování a řízení výroby, Řízení dodavatelských řetězců“. Tedy význam zkratky je objasněn, nicméně nemusí být stále čtenáři zřejmé, proč se píše o plánování a řízení výroby jako o „pokročilých“ a proč toto slovo není z názvu sekce odstraněno či ze zkratky první písmeno. Vedle již uvedeného se lze ptát, v čem se liší „Pokročilé plánování a řízení výroby“ od „Řízení dodavatelských řetězců“. Tyto rozdíly se na stránce výslovně neuvádí. Vedle toho je pod názvem sekce ve zkratce, kdy následuje slovní vysvětlení zkratky v angličtině a také v češtině, uveden přehled článků sekce, které mohou v nadpisech obsahovat zkratky opět nevysvětlené. To, že v sekci „ERP“ na portálu časopisu IT SYSTEMS jsou uvedeny články obsahující v názvech zkratky (třeba články: „Stálice, novinky i premiéry v nabídce ERP systémů na Invexu 2007“, „Změna ERP řešení ve firmě?“ či „Dokoupit modul ERP, nebo investovat do speciálního řešení?“) dle mého nezaručuje, , přičemž ověření bylo provedeno 10. prosince 2007, že autoři různých článků významy těchto zkratek uvažují ve stejném významu, i když se jejich články nabízí v sekci, jejíž název je „Enterprise Resource Planning“ či „Podnikové informační systémy, Řízení obchodních procesů, logistiky a výroby“. Podle mého třeba pojem „Podnikové informační systémy“ je dost obecný, aby do této sekce bylo možné umístit články na různá témata a ne každý musí zkratku ERP uplatnit ve stejném významu, i když budou články umístěny do stejné sekce. Pak se lze ale ptát, jak již bylo uvedeno, zda může nastat nekonzistence v uplatnění zkratky v článcích více autorů, a pokud ano, jak přispívá ke zvyšování nesrozumitelnosti článku. Pokud čtenář článku pomocí vyhledávače přijde přímo na stránku portálu IT SYSTEMS, která nabízí článek s názvem „Stálice, novinky i premiéry v nabídce ERP systémů na Invexu 2007“, a není odborníkem na informační systémy, nemusí rozumět zkratce v nadpise článku ERP. Tedy buď se nebude zajímat o srozumitelnost článku a zkratce nebude věnovat pozornost, či bude předpokládat, že ji porozumí později při čtení článku, případně bude chtít hned v počátku najít vysvětlení významu této zkratky. Pokud zvolí předposlední možnost a rozhodne se číst článek, pak se může dočíst v první větě pod nadpisem: „Podnikové informační systémy budou letos na Invexu představeny nejen v rámci expozic jednotlivých vystavovatelů pavilonu V, ale také formou odborné konference ERP Fórum.“ Tato věta píše o „podnikových informačních systémech“, nicméně nelze předpokládat, že si čtenář „podnikové informační systémy“ spojí s významem zkratky EPR, pokud její význam nezná. Může čtenář dále navštívit sekci portálu EPR, aby si ověřil, zda tato zkratka je v této sekci objasněna, přičemž mu bude nabídnut již výše uvedený anglický a český slovní název sekce. Pak bude vědět, že ERP znamená „Podnikové informační systémy, Řízení obchodních procesů, logistiky a

41


výroby“, avšak nemusí být stále schopen vysvětlit význam slova „informační systém“. Přitom nelze předpokládat, že se vysvětlení tohoto důležitého pojmu dozví z přečtení článku „Stálice, novinky i premiéry v nabídce ERP systémů na Invexu 2007“, když není pojem objasněn na portálu IT SYSTEMS ve slovníčku. Text článku s nadpisem „Stálice, novinky i premiéry v nabídce ERP systémů na Invexu 2007“ ověřován nebyl, zda vysvětluje význam výrazu „informační systém“. Avšak úryvek článku „Řízení kvality dat v Českém Telecomu“, který byl použit ve studii, a ani celé znění tohoto článku výraz „informační systém“ nevysvětluje. Takže lze říci, že minimálně jeden z textů publikovaných na portále IT SYSTEMS je nesrozumitelný také pro odborníky na informační technologie, jelikož se 16. otázka dotazníku ptala na vysvětlení výrazu „informační systém“ a 2 z 5 odborníků na informační technologie nebyli schopni výraz tohoto termínu uvést, a to přímo č. 8 a 13. Podívejme se dále na obsah analyzovaného úryvku článku a hlavní příčiny jeho nesrozumitelnosti, kdy budou uvedeny pouze vybrané příčiny nesrozumitelnosti a čtenář je odkázán na studium předchozí sekce prezentující názory 16 respondentů na různé otázky dotazníku, chce-li získat více informací. Kupříkladu název sekce „APS/SCM“ v internetovém portálu IT SYSTEMS se vysvětluje pomocí „Pokročilé plánování a řízení výroby, Řízení dodavatelských řetězců“, přičemž se již nevysvětluje, proč se jedná o „pokročilé“ plánování a řízení. Tuto zkratku ještě přebírám, abych ukázal, že lze výsledky ze studie aplikovat na jiné texty. Považuji užití oné zkratky za možnou příčinu nesrozumitelnosti, protože kupříkladu v analyzovaném úryvku byly použity výrazy „v životním zájmu“ místo „v zájmu“, dále „rychlý rozvoj nových služeb a produktů“ místo „rozvoj nových služeb a produktů“, dále „běžné metody zpracování dat“ místo „metody zpracování dat“, případně „velmi komplikované zpracování dat“ místo „komplikované zpracování dat“. Přímo slova jako „v životním“, „rychlý“, „běžné“, „velmi“ nebyla autorem článku blíže vysvětlena a výše popsané výsledky dotazníku ukazují, že různé osoby výrazy těchto slov vysvětlují různě, v některých případech protikladně, či dokonce odborníci na informační technologie nejsou schopni vysvětlit v některých případech významy těchto slov. Totiž se v analyzovaném úryvku ani ve zbytku znění článku třeba nevysvětluje, proč autor psal o „velmi komplikovaných metodách“ a nikoliv o „komplikovaných metodách“, případně pouze o „metodách“. Lze se domnívat, že na čtenáře emočně působí více výraz „velmi komplikovaných metod“ na rozdíl od užití pouze „komplikovaných metod“, tedy zde může být preferováno psychologické působení na čtenáře před přesností sdělení, tím však není problém srozumitelnosti textu řešen. Lze podle mého pracovat s budováním psychologického vlivu na čtenáře a současně ale zvýšit srozumitelnost článku, což považuji za jediné vhodné řešení. Lze totiž místo „komplikovaných metod“ psát o „velmi komplikovaných metodách“, avšak by bylo nejspíše záhodno, aby slovo „velmi“ bylo třeba pomocí příkladu vysvětleno, aby bylo vysvětleno, proč se jednalo o metody komplikovanější než komplikované. Tímto způsobem bude mít čtenář spíše dojem, že bylo potřeba skutečně „velmi komplikovaných metod“, a bude současně zvýšena přesnost sdělení, či srozumitelnost textu, protože slovo umožňující více interpretací více čtenáři bude objasněno třeba pomocí příkladu. Již jsem uvedl výše v článku s odkazem na jiné autory, a to přímo v přehledu literatury, že není k dispozici metoda, pomocí které by bylo možné vytvořit plně srozumitelnou informaci, či informaci, co lze považovat vždy za kvalitní, avšak se současně domnívám, že lze pracovat s doporučeními pro tvorbu informací, která mohou srozumitelnost textu zvýšit a současně učinit text pro odborníky na informační technologie i pro neodborníky zajímavější. Totiž někteří autoři, jak se také psalo v přehledu literatury, doporučují preferovat specifické a konkrétní před obecným a abstraktním, protože takový text více zaujme čtenáře. Domnívám se, že ho zaujme proto, že nabídne čtenáři více detailů, tedy místo pouhého uvedení třeba, že Český Telecom pracuje s informačním systémem, by se mohl čtenář článku dovědět, jak přesně určitá část informačního systému funguje, což by mohlo být pro čtenáře přínosnější než obecné informace o tom, že byla zvýšena kvalita řízení dat v Českém Telecomu porovnáním dat více systémů, které se nespecifikují. Pokud totiž čtenář bude znát postup, jakým byla kvalita řízení dat v Českém Telecomu provedena pomocí detailů a podrobností, bude spíše schopen informaci v článku využít a postup následovat ve své firmě, aniž by potřeboval odbornou firmu na provedení vnitřního auditu, v rámci kterého bude kvalita řízení zákaznických dat zvýšena. Domnívám se, že tento návod autor analyzovaného úryvku a také zbytku článku nenabídl minimálně některým odborníkům, kteří se účastnili studie, protože si nejsem příliš jist, že by minimálně někteří z nich byli schopni provést zvýšení řízení kvality dat ve firmě pomocí postupu uvedeného v analyzovaném článku. Totiž někteří odborníci nerozumí výrazu „informační systém“, kdy tedy nejsou schopni porozumět informačnímu systému fungujícímu v rámci Českého Telecomu. Dále někteří odborníci na informační technologie (přímo 3 z 5) neví, co je systematická báze. Také jeden odborník nerozumí výrazu „primární databáze“, kdy tyto počty odborníků přebírám z výše uvedené tabulky o dvou částech. Jestliže odborník nerozumí klíčovým pojmům článku, nelze předpokládat, že rozumí třeba větě pocházející z analyzovaného úryvku následující: „V praxi běžně docházelo k tomu, že vstupní informace v rámci jednoho systému byly věcně správné, došlo-li však ke vzájemnému porovnání odpovídajících datových položek mezi několika systémy, obsahy vykazovaly rozdíly.“ V předchozí větě se píše o porovnání systémů v rámci Českého Telecomu, kdy pojmu „informační systém“ nerozumí 2 odborníci na informační technologie z 5 účastnících se studie. To jinak řečeno znamená, že nemohou třeba v rámci své firmy porovnat informační systémy podle informací v analyzovaném úryvku, protože neví, co mají porovnat. Předpokládejme, že článek publikovaný v IT SYSTEMS byl psán primárně pro odborníky v informačních technologiích. Pak výsledky studie prezentované výše ukazují, že nebyl vytvořen srozumitelný ani pro tyto odborníky, protože někteří účastníci studie a současně odborníci na informační technologie obsah úryvku považují za nesrozumitelný.

42


Může být namítnuto, že autor analyzovaného úryvku či celého článku neměl v úmyslu popsat srozumitelně zpracování dat v Českém Telecomu, protože pochází z firmy, která se řízením dat živí a pracuje s postupy, které není vhodné pomocí článků v odborných časopisech sdělovat konkurenci zabývající se stejným oborem podnikání. Pak ale může být vznesena také námitka, zda článek není primárně firemní prezentací, jak o textu pronesli 2 odborníci na informační technologie v odpovědi na otázku dotazníku č. 40. Pokud tomu tak je, lze se ještě ptát, zda by odborný časopis IT SYSTEMS měl takové prezentace uveřejňovat, či zda by neměl prezentovat články, se kterými primárně pomůže odborným čtenářům zvýšit kvalitu řízení dat ve vlastních firmách. Je-li smyslem fungování časopisu zejména druhé uvedené, poté by bylo možná záhodno, aby místo firemních prezentací prezentoval časopis IT SYSTEMS návody pro řízení kvality dat ve firmách, které bude možno snadno využít čtenáři. Protože časopis IT SYSTEMS funguje na ziskovém principu, je prodáván a také funguje díky reklamě nejspíše zejména firem profesionálně se zabývajících informačními technologiemi, mohou mít zaměstnanci různých firem a současně čtenáři stejného časopisu zájem vedle placené reklamy prezentovat firmu pomocí článků, které napíší a nabídnou do časopisu k publikaci jako experti na informační technologie. Editor takového časopisu nejspíše obtížně bude zamítat nabídky textů, které mohou být primárně firemní propagace, kdy v nich mohou být i uplatnitelné srozumitelné informace, protože zamítáním článku by přicházel časopis nejen o čtenáře, ale také o investory do reklamy. Leč přesto se lze ptát, zda situaci, pokud budeme předpokládat, že není dobrá, lze zlepšit. Jednou z výše uvedených cest je práce na konzistenci uplatňování klíčových pojmů v článcích různých autorů, které uplatňují stejné klíčové pojmy, jak se o tomto problému psalo již výše. Dále by mohl editor nejspíše vyžadovat větší preciznost vypracování článků, kdy začne po tvůrcích textů vyžadovat uvádění více specifických a konkrétních informací, které lze čtenáři snadněji následovat, než informacií jak zvýšit kvalitu řízení dat porovnáním více blíže nespecifikovaných systémů za pomocí velmi složitých metod. Zaměřuji se zde zejména na kritiku časopisu IT SYSTEMS, avšak se domnívám, že kritika je uplatnitelná pro různé odborné časopisy zaměřující se nejen na informační technologie. Vedle toho znám webový portál měsíčníku Business World (http://www.bw.cz/), přičemž některé zde uvedené komentáře lze použít při kritice webové prezentace tohoto portálu. Excelentní řízení komunikace v rámci řízení firmy se považuje stále více za významnou příčinu úspěchu firmy, co se týče jejího dosahování strategických cílů. Zdůrazňuje se, což bylo opět uvedeno v přehledu literatury, že roste potřeba po metodách, které umožní manažerům organizací získávat nejpotřebnější informace, což předpokládá, že budou současně vědět, jaké informace nepotřebují. Dále se upozorňovalo, což třeba tvrdil Rouse (2002), že metody řízení kvality informací jsou nedostatečné a je třeba lépe porozumět tomu, jak se informace tvoří, a také příjemcům zpráv, jaké části zpráv jim činí největší problémy převzít. Tímto způsobem mají být totiž podány návody na tvorbu zpráv, které nejen že budou snadněji srozumitelné pro různé čtenáře, ale také jim následně mohou dát více informací potřebných pro tvorbu znalosti či pro konkurenční výhodu. Domnívám se, že bude časem preferována klienty firma, která nejenže je schopna provést zvýšení kvality dat v databázi o zákaznících, ale také je schopna tento proces srozumitelně popsat. Totiž samotným popisem vytváří informaci, která je zpravidla více uplatnitelná s rostoucím porozuměním jejího obsahu na straně klienta, kdy ji může využít pro tvorbu nové znalosti. Pokud bude na trhu existovat více firem schopných provést zlepšení řízení kvality dat pro jinou firmu, může pak klient chtít více, čímž může být právě požadavek, aby firma toto zvýšení kvality dat srozumitelně popsala, kdy klient může popis dále uplatnit sám v dalším řízení kvality dat, aniž by se musel neustále spoléhat na firmu, která mu pomohla systém řízení kvality dat zavést. Tak eliminuje náklady. Předchozí uvedené v tomto odstavci souvisí se srozumitelností textů publikovaných na portálu časopisu IT SYSTEMS, protože se lze ptát, zda si firma na řízení kvality dat nemusí vybrat tu z firem, která v časopise IT SYSTEMS prezentuje informace minimálně nesrozumitelné, ze kterých lze maximálně použít pro řízení kvality firmy, aby nebylo třeba zadat celou zakázku externí organizaci. Text článku by měl být vytvořen tak, aby jeho doporučení či jiné návody bylo možno maximálně následovat, a to bez nutnosti se obracet na poradenskou firmu pro další návody k provedení toho v článku prezentovaného. Nevyjádřil jsem se v této kapitole k vyjadřování respondentů, protože nebylo hlavním smyslem článku analyzovat kvalitu jejich vyjadřování, hlavním smyslem článku bylo poukázat na nedorozumění, která vznikají, pokud různé osoby čtou text na odborné téma o kvalitě dat. V předchozí kapitole Výsledky jsem zpravidla komentoval vysvětlení respondentů a může se čtenáři zdát, že příliš kriticky, avšak nebyla mým hlavním cílem kritika vyjadřování respondentů. Chtěl jsem na druhou stranu poukázat na to, že jsou schopni některé termíny objasnit lépe než jiné, kdy stále nelze vyloučit možnost, že rozumí důležitému termínu jinak, než mu rozuměl autor analyzovaného úryvku, který termín ale nevysvětlil. V některých tvrzeních respondentů byly identifikovány konflikty, jiné pohledy respondentů na význam určitého slova se podobají. Přitom jsou schopni respondenti využít při odpovědi na otázku své znalosti, i odborné, avšak nejsou zpravidla schopni správně určit význam slova, na které byli tázáni, pokud toto slovo nebylo vysvětleno v analyzovaném úryvku. Jinak řečeno se jejich vysvětlení může lišit od vysvětlení uvažovaného autorem úryvku, které ale není k dispozici. Kupříkladu někteří respondenti byli schopni určit rozdíl ve významech slov „kvalita“ a „informace“, zatímco jiní nikoliv a nelze z toho určit, vysvětlení kterého z respondentů lze označit za nejlepší, protože je nejblíže tomu, jak výraz myslel autor úryvku, protože není k dispozici vysvětlení tohoto výrazu autorem analyzovaného úryvku. Pokud by autor úryvku vysvětlil třeba rozdíl mezi kvalitní a kvalifikovanou informací, či lépe řečeno mezi kvalitními daty a kvalifikovanou informací, pak lze předpokládat, že respondenti více porozumí rozdílu mezi informací kvalifikovanou a kvalitní, a tedy autor analyzovaného úryvku nabídne srozumitelnější zprávu, protože

43


interpretace respondentů budou více podobné. Tedy v procesu komunikace, kdy autor článku sděluje pomocí jeho obsahu informaci různým čtenářům, bude identifikováno méně nedorozumění a na druhou stranu více respondentů se přiblíží tomu významu slov, jaký uvažoval autor článku. Namítka může být vyřčena ta, která již byla uvedena v přehledu literatury. Podle této námitky nemusí mít text sám význam a záleží na interpretaci textu různými osobami. To však nevylučuje možnost, že lze pomocí vhodného vytvoření textu různé interpretace textu jeho čtenáři řídit a eliminovat. Jestliže se totiž lépe vysvětlí klíčová slova textu, různí čtenáři jejich významy budou vysvětlovat či uvažovat podobněji, než když toto vysvětlení nebude k dispozici. Tak bude zpráva méně nežádoucím způsobem upravena mezi tvůrcem a příjemcem zprávy během předání zprávy a interpretace, tedy bude dosaženo vyšší přesnosti komunikace, což považuji za hlavní smysl řízení kvality informací – zpřesnit komunikaci. Uveďme dále, což je patrné z tabulky v předchozí kapitole, že je dokonce odborník na informační technologie schopen označit text za stále srozumitelný, přestože nerozumí některým odborným pojmům v analyzovaném úryvku. Vysvětlení se nabízí dvojí. Buď si odborník neuvědomuje, že neporozumění některému z pojmů ukazuje na nesrozumitelný text. Nebo odborník považuje text srozumitelný za text, v rámci kterého se mohou vyskytovat výrazy, kterým nerozumí, aniž by přitom přehodnotil označení textu na „nesrozumitelný“. Oba pohledy mohou být nejspíše možné. Nicméně pokud se nadefinuje srozumitelnost textu jako plné porozumění důležitých termínů textu a nesrozumitelnost textu jako opak srozumitelnosti, pak jakýkoliv odborník, co nerozumí významu jakéhokoliv odborného důležitého výrazu textu, nepracuje se srozumitelným textem, i když se tak může domnívat. Totiž není v tom případě schopen porozumět informaci textu plně a minimálně jeden odborný výraz textu je pro něho nesrozumitelný. Nelze vysvětlit každé slovo jakéhokoliv nejen odborného textu, avšak lze zvyšovat srozumitelnost textu (jeho kvalitu) tím, že klíčová slova článku budou vysvětlena, budou preferovány výrazy specifické a konkrétní a budou také uváděny detaily, přičemž třeba také slabé kvantifikátory (třeba velmi, málo, hodně) budou uváděny s číselnými hodnotami či intervaly, případně budou z textu jinak vypuštěny. Pokud autor článku píše ve vztahu k datům o zákaznících, že jsou v popředí zájmu, pak by měl uvést důvod, proč tak tvrdí a proč nejsou v popředí zájmu data o čemkoliv jiném, protože uvedením důvodu nemusí čtenáři hádat, proč tomu tak je. Na závěr diskuze lze ještě zmínit kupříkladu význam uplatnění odborných termínů v jednom významu po celý článek, pokud autor textu výslovně neuvede, že mění význam některého ze slov. V analyzovaném článku, ze kterého byl převzat úryvek do dotazníku, se psalo kupříkladu o slovech „validita“ a „správnost“ dat, kdy autor textu jednou považoval obě slova nejspíše za totéž, kdy psal „validity (správnosti)“, v jiném případě tato slova uplatnil vedle sebe a spojené spojkou „a“. Považuji toto dvojí uplatnění slov na nesrozumitelné, avšak nemohu vyloučit, že autorovi úryvku jsou obě tvrzení srozumitelná. Pokud by tento problém byl zabudován do dotazníku, domnívám se, že by vysvětlení respondentů rozdílu ve významech slov „správnost“ a „validita“ nebylo jednoznačné a mohla by být dokonce identifikována vysvětlení konfliktní.

6 ZAKONČENÍ Byly popsány výsledky studie a doporučení z těchto výsledků vycházející, kdy byl vybrán autorem článku úryvek odborného textu zabývajícího se kvalitou dat a 16 respondentů různého věku a vztahu k obsahu úryvku se vyjadřovalo k vybraným slovům úryvku. Následně byly jejich odpovědi porovnány, kdy bylo cílem identifikovat konflikty v tvrzeních respondentů a identifikovat hlavní problémy tvorby nesrozumitelného textu. Ukázalo se, že zejména klíčové odborné výrazy je vhodné v odborném textu vysvětlovat, přestože se nejedná o text vědecký, protože i někteří odborníci ve vztahu k obsahu analyzovaného úryvku nebyli schopni vysvětlit významy odborných termínů užívaných v článku, a tedy informace v textu prezentovaná pro ně byla nesrozumitelná. Vedle toho byly podány i další návody pro zvýšení srozumitelnosti odborného textu, které lze nejspíše uplatnit při tvorbě také textů vědeckých, neodborných či textů odborných zabývajících se jinými tématy než tématy z oblasti informačních technologií. Nebyl v článku podán návod na tvorbu srozumitelné informace pro každého čtenáře zprávy a za všech okolností. Řešení tohoto problému není doposud známo a lze spekulovat, zda lze (plně) srozumitelnou informaci pro každého vytvořit. Leč by nemělo být již pochyb, že pomocí návodů pro vytváření nejen odborných textů lze srozumitelnost textu zvýšit, a tedy i jeho kvalitu, protože srozumitelnost je jednou z možných dimenzí kvality. Domnívám se na závěr článku, že jeho obsah uplatní i osoby, které chtějí zlepšit kvalitu svého čtení, jinak řečeno úroveň porozumění jakéhokoliv textu, protože by měly být schopny nyní na každý písemný text nahlížet více kriticky, tázavě, analyticky. Vybral jsem pro studii úryvek textu věnujícího se kvalitě dat a také napsaný odborníkem na toto téma, abych ukázal, že kvalitě informací v různých textech se musí věnovat také odborníci, kteří se tímto tématem systamaticky zabývají, a to přímo kvalitou vlastního vyjadřování. Jinak mohou být jejich odborné publikace vesměs nepoužitelné jinými čtenáři pro nesrozumitelnost, kdy snaha o odbornost poráží prvotní snahu tvůrce textu vytvořit informaci maximálně srozumitelnou, se kterou předá maximum nových poznatků různým čtenářům. To, že se někdo zabývá dlouhodobě kvalitou informace, neznamená, že sám kvalitní informaci tvoří.

44


7 PODĚKOVÁNÍ Mé poděkování patří všem, kteří se zúčastnili studie jako respondenti, protože bez jejich účasti na studii by tento článek nevznikl. Děkuji i jedné ženě, která mi zaslala komentář k dotazníku, přestože mi vyplněný dotazník nezaslala. I tato její účast ve studii v podobě krátkého komentáře napomohla zvýšit kvalitu studie, protože byly k dispozici pohledy více osob na analyzovaný úryvek.

Literatura [1] AJIDEH, P. Schema Theory-Based Pre-Reading Tasks: A Neglected Essential in the ESL Reading Class. The Reading Matrix, Vol. 3, No. 1, April 2003. [2] ANDERSON, G. How to Write a Paper in Scientific Style and Format, [cit. 2007-11-02]. Dostupný z: http://abacus.bates.edu/~ganderso/biology/resources/writing/HTWtoc.html [3] ČMEJRKOVÁ, S. & DANEŠ, F. & SVĚTLÁ, J. Jak napsat odborný text. Nakladatelství LEDA, Praha. 1999. [4] KAHN, B. K. & STRONG, D. M. & WANG, R. Y. Information Quality Benchmarks: Product and Service Performance. Communications of the ACM, Vol. 45, No. 4ve., April 2002. [5] LAWRENCE, M. S. Writing as a Thinking Process. The University of Michigan Press, USA. 1972. [6] PIPINO, L. L. & LEE, Y. W. & WANG, R. Y. Data Quality Assessment. Communications of the ACM, Vol. 45, No. 4ve., April 2002. [7] RESCHER, N. Cognitive Pragmatism. University of Pittsburg Press, USA. 2001. [8] REID, J. M. The Process of Composition. Teacher’s Manual. Third Edition. Longman, New York. 2001. [9] ROUSE, W. B. Need to Know – Information, Knowledge, and Decision Making. In : IEEE Transactions on Systems, Man, and Cybernetics – Part C: Applications and Reviews, Vol. 32, No. 4, November 2002. [10] SCOLLON, R. & SCOLLON, S. W. Intercultural Communication – A Discourse Approach. Second Edition, Blackwell Publishing, USA. 2001. [11] SMETS, P. Imperfect Information: Imprecision – Uncertainty. A. Motro and Ph. Smets (eds.), Kluwer Academic Publishers (1997) 225-254. [12] STRUNK, W. & WHITE, E. B. The Elements of Style. Fourth Edition, Longman, USA. 2000. [13] WANG, R. Y. A product Perspective on Total Data Quality Management. Communications of the ACM, Vol. 41, No. 2., February 1998. Příloha

DOTAZNÍK NA SROZUMITELNOST TEXTU Dobrý den, rád bych Vás tímto prosím požádal o účast ve studii, jejímž cílem je ohodnotit, jak různí lidé rozumí stejnému textu, a popsat následně, čemu nejvíce nerozumí a proč. Tím by měly být podány návody pro tvorbu srozumitelné informace. Vyplnění dotazníku by Vám nemělo zabrat více než 20 minut. Prosím Vás přečíst nadpis a dva první odstavce článku z oblasti informačních technologií, což se uvádí zde níže, a poté odpovědět na veškeré otázky. Můžete si v případě zájmu přečíst celé znění článku na Webu, kdy odkaz je uveden pod úryvkem, avšak Vás prosím, NEHLEDEJTE NIKDE JINDE NA WEBU NEŽ V ČLÁNKU, ANI VE SLOVNÍKU APOD. VYSVĚTLENÍ VÝZNAMŮ SLOV, KTERÝM PŘI ČTENÍ NEROZUMÍTE. Pokud jakékoliv části úryvku nerozumíte, nebojte se to napsat, je to to nejdůležitější, co tato studie potřebuje odhalit. Po zpracování Vašich odpovědí napíši odborný text o studii, který bude k dispozici do konce prosince. Vaše anonymita bude zachována, protože jména nebudou uveřejněna, tedy zaručuji nezneužití osobních dat. Děkuji Vám předem za spolupráci, Jiří Marek ÚRYVEK

Řízení kvality dat v Českém Telecomu V popředí zájmu jsou především data o zákaznících (autor článku: Ing. Jaroslav Rada, působí jako account manager ve společnosti TietoEnator.)

45


Kvalita dat je nezbytnou podmínkou pro získání kvalifikovaných informací. Bez zajištění kvalitních dat na výkonné úrovni nelze očekávat správné plánování na strategické úrovni. Je v životním zájmu každé společnosti zabývat se kvalitou dat na systematické bázi. Český Telecom řeší tuto otázku za přispění metodiky a technologie dodané společností TietoEnator. Význam řízení kvality dat Český Telecom je poskytovatelem hlasových, datových a integrovaných služeb. Zajištění stávajících služeb a produktů stejně jako rychlý rozvoj nových s sebou nese i rychlý rozvoj informačních systémů podporujících byznys společnosti a trvale se zvyšující nároky na kvalitu a čistotu dat. V praxi běžně docházelo k tomu, že vstupní informace v rámci jednoho systému byly věcně správné, došlo-li však ke vzájemnému porovnání odpovídajících datových položek mezi několika systémy, obsahy vykazovaly rozdíly. Další zpracování takovýchto dat běžnými metodami bylo velmi komplikované. Český Telecom se proto rozhodl v rámci projektu Data Quality implementovat metodiku TIQM (Total Information Quality Management) s cílem vybudovat prostředí pro růst kvality dat a její trvalé udržení. V popředí zájmu jsou především data vztažená k zákazníkovi, například název firmy, adresa sídla firmy, poštovní adresa apod. Nárůst kvality zákaznických dat v primárních databázích odstraněním nepřesností nebo neúplností má za následek například vzestup doručitelnosti zásilek (faktur, marketingových materiálů atd.). Dále se odrazí především v kvalitě reportů, které slouží k manažerskému rozhodování. Proces zajištění kvality dat zahrnuje mimo jiné proces přípravy a zpracování dat, vyhodnocení výsledků a následná nápravná opatření. Zdroj: http://www.systemonline.cz/clanky/rizeni-kvality-dat-v-ceskem-telecomu.htm (Zpravodajský portál časopisu IT System, úryvek převzat 9. listopadu 2007)

Předběžné otázky Jméno a příjmení Věk Studijní obor či název povolání Email Jaký je váš vztah k informačním technologiím? Jedná se o můj obor studia či náplň práce. Zajímám se o toto téma ve volném čase soustavně. Zajímám se o toto téma ve volném čase příležitostně. O tomto tématu vím velice málo. O tématu nic nevím. Jiná možnost. Jaké je Vaše nejvyšší dosažené vzdělání? vystudovaná základní škola, či studuji základní školu vystudovaná střední škola s maturitou, či studuji střední školu s maturitou vystudovaná střední škola bez maturity či vyučení, či studuji střední školu bez maturity i výučního listu vystudovaná vysoká škola, či studuji vysokou školu OTÁZKY K VÝŠE UVEDENÉMU ÚRYVKU 1 Proč jsou v popředí zájmu především data o zákaznících? nevím vím a vysvětlím Zde vysvětlete: 2 Máte dojem, že uvažuje v popředí zájmu autor článku také cosi jiného než data o zákaznících, když píše, že v popředí zájmu jsou „PŘEDEVŠÍM data o zákaznících”? ne nevím ano a vysvětlím Zde vysvětlete: 3 V čem se liší informace kvalifikovaná od informace nekvalifikované, když se v prvním odstavci píše o kvalifikovaných informacích? nevím vím a vysvětlím Zde vysvětlete: 4 Co si představujete pod pojmem „zajistit kvalitní data”? nevím

46


vím a vysvětlím Zde vysvětlete: 5 V čem se liší „výkonná úroveň” od „strategické úrovně”? nevím vím a vysvětlím Zde vysvětlete: 6 V čem se liší „správné plánování” od “nesprávného plánování”? nevím vím a vysvětlím Zde vysvětlete: 7 Co to je „systematická báze”? nevím vím a vysvětlím Zde vysvětlete: 8 Mohou být „datové služby” současně „hlasové služby”? ano ne nevím 8.1 Mohou být „datové služby” současně „integrované služby”? ano ne nevím 9 Co to jsou „integrované služby”? nevím vím a vysvětlím Zde vysvětlete: 10 Proč je v životním zájmu každé společnosti zabývat se kvalitou dat? nevím vím a vysvětlím Zde vysvětlete: 11 Proč je „V ŽITOVNÍM ZÁJMU každé společnosti zabývat se kvalitou dat” a nikoliv pouze „V ZÁJMU každé společnosti zabývat se kvalitou dat”? nevím vím a vysvětlím Zde vysvětlete: 12 Máte dojem, že existuje společnost, která nemá ŽIVOTNÍ zájem zabývat se kvalitou dat? ne nevím ano 13 Jaký je rozdíl mezi významy slov „data” a „informace”? nevím vím a vysvětlím Zde vysvětlete: 14 Co si představujete pod pojmem „RYCHLÝ rozvoj nových služeb a produktů” na rozdíl od pojmu „POMALÝ rozvoj nových služeb a produktů”? nevím vím a vysvětlím Zde vysvětlete: 15 Co jsou „ stávající služby a produkty” nabízené v rámci Českého Telecomu? nevím vím a vysvětlím Zde vysvětlete: 16 Co to je „informační systém”? nevím

47


vím a vysvětlím Zde vysvětlete: 17 Co si představujete pod pojmem „zvyšující se nároky na kvalitu”? nevím vím a vysvětlím Zde vysvětlete: 18 Vysvětlete význam výrazu „čistota dat”? nevím vím a vysvětlím Zde vysvětlete: 19 Existuje také „nečistota dat”? ne nevím ano a nejsem schopen vysvětlit ano a vysvětlím Zde vysvětlete: 20 Jedna z vět článku říká: „V praxi běžně docházelo k tomu, že vstupní informace v rámci…” Jaký je dle vás význam slova “běžně” v této citaci (JAK ČASTO, KDYŽ BĚŽNĚ?)? nevím vím a vysvětlím Zde vysvětlete: 21 Co JE „věcně správná informace”? nevím vím a vysvětlím Zde vysvětlete: 22 Co NENÍ „věcně správná informace”? nevím vím a vysvětlím Zde vysvětlete: 23 Co JSOU „běžné metody zpracování dat”? nevím vím a vysvětlím Zde vysvětlete: 24 Co JSOU „metody zpracování dat”, které nejsou „běžné”? nevím vím a vysvětlím Zde vysvětlete: 25 V čem se liší „komplikované zpracování dat” od „VELMI komplikovaného zpracování dat”? nevím vím a vysvětlím Zde vysvětlete: 26 Jaký je význam slova „implementovat”, které se uvádí v článku ve větě: „Český Telecom se proto rozhodl v rámci projektu Data Quality implementovat metodiku TIQM”? nevím vím a vysvětlím Zde vysvětlete: 27 Proč jsou v popředí zájmu především data vztažená k zákazníkovi? nevím vím a vysvětlím Zde vysvětlete:

48


28 Co to jsou „primární databáze”? nevím vím a vysvětlím Zde vysvětlete: 28.1 Znáte jiné databáze než databáze primární? ne ano a uvedu příklad(y): 29 Co to je „NEPŘESNOST” dat v primárních databázích? nevím vím a vysvětlím Zde vysvětlete: 29.1 V čem se liší „nepřesnost” dat v primárních databázích od „neúplnosti” dat v primárních databázích? nevím vím a vysvětlím Zde vysvětlete: 30 Uveďte příklad „reportu” a napište, pro koho je určen? nejsem schopen tak učinit uvedu: 31 Jak se odrazí nárůst kvality zákaznických dat v primárních databázích v kvalitě reportů? nevím vím a vysvětlím Zde vysvětlete: 32 Co je součástí procesu zajištění kvality dat mimo „proces přípravy a zpracování dat, vyhodnocení výsledků a následná nápravná opatření”? nevím vím a vysvětlím Zde vysvětlete: 33 V čem se liší „příprava” dat od „zpracování” dat? nevím vím a vysvětlím Zde vysvětlete: 34 V čem se liší „TOTÁLNÍ management kvality informace (Total Information Quality Management)” od „managementu kvality informace”, který není totální? nevím vím a vysvětlím Zde vysvětlete: 35 V čem se liší „KVALIFIKOVANÁ informace” od „KVALITNÍ informace”? nevím vím a vysvětlím Zde vysvětlete: 36 Je dle vás každá „KVALIFIKOVANÁ informace” současně „KVALITNÍ informací”? ano nevím ne a vysvětlím Zde vysvětlete: 37 Co je „metodika Total Information Quality Management”? nevím vím a vysvětlím Zde vysvětlete:

49


38 Proč je „kvalita dat” nezbytnou podmínkou pro získání kvalifikovaných informací? nevím vím a vysvětlím Zde vysvětlete: 39 V čem se liší „kvalita dat” od „čistoty dat”? nevím vím a vysvětlím Zde vysvětlete: Následující otázky zodpovězte po vyplnění všech předchozích odpovědí dotazníku 40 Popiště jednou větou, co chtěl autor článku předat čtenáři jako hlavní zprávu. Tedy napiště to, co by si měl po přečtení článku čtenář dle Vás zapamatovat.

41 Zvolte jednu z možností, která nejlépe vystihuje vaše porozumění analyzovanému úryvku. Rozumím hlavní zprávě textu a rozumím také významu všech slov v něm. Rozumím hlavní zprávě textu, ale nerozumím významu některých slov v něm. Nerozumím hlavní zprávě textu, ale rozumím významu všech slov v něm. Nerozumám hlavní zprávě textu a nerozumím významu všech slov v něm. Jiná možnost. 42 Vytvořil dle vás autor úryvku (článku) PRO VÁS srozumitelnou informaci? ne ano 43 Když jsem vyplňoval dotazník, přečetl jsem si celé znění článku či zde neuvedenou další část článku na: http://www.systemonline.cz/clanky/rizeni-kvality-dat-v-ceskem-telecomu.htm ne ano Pokusil jsem se, ale vzdal jsem to před koncem, protože textu nerozumím. 44 Chci obdržet odborný článek po zpracování dotazníků? ne ano

50

KVALITA INFORMACE: SROZUMITELNOST TEXTU VĚNUJÍCÍHO SE KVALITĚ DAT

Recommend Documents