2010. november 11-12. Balatonfüred

1. Informatika a Társadalomért Konferencia Adatvagyon gazdálkodás, avagy milyen „kincsek” rejlenek az állami adatmezőkön? 2010. november 11-12. Balatonfüred

2. Prezentáció célja • Digitális Magyarország 2010-2014 • i:39 Nyilvántartások konszolidációja • i:54 Nemzeti adatvagyon hatékony felhasználása • Két esettanulmány • Adattisztítás • Adatvagyon konszolidáció • Gondolatébresztés

3. Clarity Consulting Informatikai környezet Szervezet Üzleti megoldás Iparági modellek Informatika integrálja a bevált iparági modelleket, és a megvalósításnál az informatikai és a szervezeti, azaz az emberi befogadó környezetre egyaránt összpontosít. Clarity Solutions • Adatminőség menedzsment • Master Data Management • Adattárház • Customer Relationship Management 3

4. Adatvagyon hatékony felhasználása Nyilvántartások konszolidációja Miért fontos az adat? IT hatékonyság Szolgáltatás fejlesztés IT hatékonyság Ügyfél-kiszolgálás Jelentések Ellenőrzések Jelentések Ellenőrzések Közigazgatás Versenyszféra

5. Hogyan érjük el a célt?

6. Adatvagyon értéklánc

7. Adatvagyon értéklánc

8. Adatvagyon értéklánc

9. Adatvagyon értéklánc

10. Adatvagyon értéklánc

11. Adatvagyon értéklánc

12. Esettanulmány 1.) – Adattisztítás DQM Pro manuális adat- források adatjavítás adatelemzés DQM üzleti Felhasználó DQM üzleti felhasználó adatjavítási módokbeállítása hiba-listák(javításhoz) eredmény kiértékelés és prezentáció manuális munkaszervező hiba-listák szabálytár szabályvarázsló jó adat listák manuális javítási listák update script generátor szabály-betöltő updatescript szabály futtatás automatikus jó adat keresés duplikációkeresés jó adatkereső prog.tár DQM IT felhasználó IT felhasználó jó adat kereső prog.konvenciók referencia adatbázisok • PL-SQL • ------ • ------ szabálykonvenciók DQMmódszertan elemzettadatbázisok • PL-SQL • ------ • ------

13. Esettanulmány 1.) – Adattisztítás • Feladat: duplikációkeresés+ • TAJ rendszer belső inkonzisztenciái • Foglalkoztatói bejelentések belső inkonzisztenciái • TAJ és a bejelentési adatok közötti inkonzisztenciák • Néhány múltbeli adat (nagyságrend): • 30 ezer/12 millió hibás TAJ rekord • 20 ezer több TAJ számmal rendelkező • 1,5(+1,7) millió/ 56 millió hibás bejelentés rekord • Biztosítási jogviszonnyal nem rendelkezők •  célalkalmazás

14. Esettanulmány 2.) – Üzleti hasznosítás Adatvagyon konszolidációs célfüggvény: • 5 adatgyűjtő szervezet és többféle módszer • Széttagolt adatforrások (~ 8 rendszer) • Papír alapú adatgyűjtés • Adhoc és eseti belső felhasználás • 39 db OSAP adatgyűjtés • 90+80+??? mFt éves szolgáltatási díj • Statisztikai adattárházés egy szolgáltató • Adatgyűjtés elektronizációja • SLA alapú statisztikai adatkezelés • Másodlagos felhasználás és értékesítés ösztönzése

15. Esettanulmány 2.) – Üzleti hasznosítás Adatvagyon felmérés • 5 adatgyűjtő cég/szervezet és többféle adatfeldolgozási módszer • Széttagolt adatforrások (~ 8 rendszer) • 39 db és 2db / év OSAP adatgyűjtés (1 db online!) és 96 db agg. OSAP átvét • Hazai (KSH, háttérintézmények) és nemzetközi (EU, OECD) adatszolgáltatás ~ 160 fő belső felhasználó • 1-3.500 db adatszolgáltató2 – 35 oldal / kérdőív30-4.200 adathely / kérdőív • 170 mFt éves szolgáltatási díj, egy statisztika átlagos költsége: ~4.360 eFt Szolgáltatási és működési modell Üzleti tervezés Közbeszerzés

16. Esettanulmány 2.) – Üzleti hasznosítás Adatvagyon felmérés Szolgáltatási és működési modell Üzleti tervezés Közbeszerzés

17. Esettanulmány 2.) – Üzleti hasznosítás Adatvagyon felmérés • Szolgáltatási díjstruktúra és elszámolási modell • OSAP fejlesztés és szolgáltatás realitásának (5 éves időtáv, megtérülés) vizsgálata • Megtakarításra vonatkozó elvárások vizsgálata • Eredményes közbeszerzés előkészítése Szolgáltatási és működési modell Üzleti modellezés és tervezés Közbeszerzés

18. Esettanulmány 2.) – Üzleti hasznosítás Adatvagyon felmérés + ~ 80 mFt értékű IT beruházás + Online feldolgozás + 50 % hatékonyság-javulás + hazai és nemzetköziszolgáltatási igény(10 eFt – 1-2 mFt) + 20-30 % éves megtakarítás + Tudatos statisztikai adatgyűjtés,adatfelhasználás (SLA) + Költséghatékony megoldás - Osztódás a megrendelői oldalon Szolgáltatási és működési modell Üzleti modellezés és tervezés Közbeszerzés

19. www.clarity.hu ? + = Nyomás Hőmérséklet

20. The 4C’s of Diamonds Cut Carat Colour Clarity ?

21. Köszönjük a figyelmet! Lackó Péter lacko.peter@clarity.hu mobil: +36 (20) 956 2148 Szedenics Gábor szedenics.gabor@clarity.hu mobil: +36 (30) 355 9510