미국 먹이 는 200개의 푸드 팬트리와 식사 프로그램을 통해 46만 명 이상의 사람들에게 음식을 제공하기 위해 함께 일하는 60,000개에 가까운 회원 푸드 뱅크의 전국적인 네트워크를 갖춘 국내 기아 구호 자선 단체입니다. 전국 식품 및 식료품 제조업체, 소매업체, 배송업체, 포장업체, 재배업체, 정부 기관 및 기타 조직으로부터 기부금을 확보합니다. 그 직원은 파트너와 협력하여 50개 주 전체, 컬럼비아 특별구 및 푸에르토리코에서 과잉 식품을 필요로 하는 푸드 뱅크에 연결합니다. 여기에는 급식 프로그램에 대한 유통을 처리하는 창고에 대한 물류 및 공급망 서비스 조정이 포함됩니다.

파트너, 프로그램 및 수신자(미국인 XNUMX명 중 XNUMX명이 서비스를 받고 있음)에 걸쳐 엄청난 범위를 가진 조직은 당연히 중요한 데이터 처리 및 데이터 품질 문제. Feeding America의 사회 정책 연구 및 분석 책임자인 Theresa DelVecchio Dys는 "이것은 모든 수준에서 흐르는 복잡한 운영 및 데이터 및 정보 체인이라는 것이 매우 분명합니다."라고 말합니다. 현재 초점은 지속적으로 일관된 방식으로 데이터를 수집하는 것을 포함하여 클라이언트와 관련된 데이터 기술 구성 요소를 결정하고 제공하려고 합니다.

고객의 피드백과 의견을 수집하는 것과 함께 목표는 푸드 뱅크와 해당 기관에서 서비스를 제공하는 개인을 등록하고 해당 정보를 최신 상태로 유지하기 위한 표준화된 접근 방식을 개발하는 것입니다. 이러한 방식으로 이러한 조직은 개인이 거주하는 지역 사회에서 올바르게 서비스를 받고 고객의 모든 요구를 충족할 수 있도록 식량 자원이 적절하게 할당되도록 도울 수 있습니다.

DelVecchio Dys는 "우리는 60,000개의 프로그램이 유사한 기술을 사용하여 고객으로부터 유사한 유형의 데이터를 수집하고 어떻게 푸드 뱅크로 다시 전달된 다음 다시 국가 사무소로 전달되는지에 대한 [프로세스를 생성]하는 방법을 파악하고자 합니다."라고 DelVecchio Dys는 설명합니다.

연구 조사가 제공할 수 있는 것보다 훨씬 빠르게 정기적으로 해당 데이터를 보유하는 것이 중요합니다. 그러나 오늘날 식료품 저장실과 식사 프로그램에서 푸드 뱅크로 들어오는 데이터는 종이에서 Microsoft Excel 스프레드시트, 웹 기반 기술에 이르기까지 다양한 형식으로 제공될 수 있습니다. 이러한 불일치로 인해 모든 데이터 프로세스가 지연되고 데이터 품질 필요한 곳에서 음식을 얻기 위해 따라오는 것입니다.

데이터 품질 여정 시작

데이터 청사진 Feeding America가 이러한 노력을 진행하기 위해 협력하고 있는 데이터 관리 컨설팅 회사입니다. Data Blueprint의 COO인 Micah Dalton은 "Feeding America에서 그들은 비즈니스를 개선하고 데이터를 먼저 생각하는 과정에 있습니다."라고 말합니다.
"그것을 원하고 거기에 도달하려고 노력하는 조직의 사고 방식을 바꾸는 데는 수많은 도전이 있습니다."

예를 들어 고객에게 직접 서비스를 제공하는 식료품 저장실, 무료 급식소 및 기타 급식 프로그램의 대부분은 신앙 기반 프로그램의 일환으로 노인 자원봉사자가 운영하며 이들은 기술에 특히 익숙하지 않은 경우가 많습니다. 예를 들어 Microsoft Access와 같은 데이터베이스 솔루션을 활용하는 서비스는 더 발전된 것으로 간주되지만 자원 봉사자가 Excel을 통해 작업하는 것조차 복잡하다고 느끼는 경우가 많다고 그는 설명합니다.

고객이 처음으로 음식을 받기 전에 거쳐야 하는 수동 섭취 프로세스는 비효율성을 만드는 역할을 한다고 그는 지적합니다. 해당 정보가 종이에 기록될 때 푸드 뱅크 파트너에게 보고하기 위해 전자 형태로 만드는 것은 여러 장의 종이에서 정보를 집계하는 것과 관련이 있으며, 본질적으로 노력을 중복하고 오류의 여지도 많이 남겨 둡니다.

Dalton은 "프로세스에서 바로 데이터 품질이 필요합니다."라고 말합니다. 또한 올바른 기술 프레임워크 단계를 수행하기 위한 공식화된 프로세스가 없을 때 큰 기회가 있습니다.

"그 문제를 해결하고 대행사가 고객을 유사하게 인식할 수 있는 방식을 표준화하여 그들이 서비스를 제공하는 사람들, 그들의 요구 사항 및 그들이 어떻게 변화하는지 이해할 수 있도록 합니다."

품질 데이터가 중요한 이유

DelVecchio Dys는 데이터 품질과 굶주림을 종식시키기 위한 싸움에서 승리하는 것 사이의 관계와 요점을 확장합니다. "우리는 문제가 무엇인지, 문제가 어디에 있는지 알려주는 양질의 데이터가 필요합니다. 이것이 바로 우리가 이 프로그램과 프로젝트가 중요하다고 생각하는 이유입니다."라고 그녀는 말합니다. 자금을 제공할 수 있는 기부자는 그런 종류의 데이터를 원합니다. 따라서 Feeding America가 로비해야 하는 입법자들은 다음과 같이 해야 합니다.

“온라인 입법자들은 식량이 불안정한 지역구의 유권자, 인종, 민족, 성별, 연령, 굶주림을 겪고 있는 어린이 수를 알고 싶어합니다. 이 양질의 데이터 없이는 그렇게 할 수 없습니다.”라고 그녀는 말합니다.

이러한 정보 중 일부를 제공할 수 있는 연구 조사는 정기적으로 수행하기에는 너무 오래 걸리지만 서비스가 배포된 사이트에서 롤업한다는 것은 "우리의 메시지를 입법자, 기부자 및 일반 대중에게 더 잘 전달할 수 있다는 것을 의미합니다. " 그녀는 말한다. XNUMX년 전의 식량 및 기아 문제에 대한 연구 중심 데이터를 활용하는 것에서 기아 관점에서 현재 전국적으로 일어나고 있는 일로 이동하는 것은 엄청난 변화라고 Dalton은 덧붙입니다. 지금 여기에서 그 영향을 실시간으로 보여줍니다.”

또한 이러한 데이터는 어린이와 같은 특정 인구를 위한 개입 프로그램을 지원하는 데 활용될 수 있습니다. "우리는 이러한 개입을 설계하고 그들이 우리가 의도한 바를 수행하고 있는지 확인하기 위해 데이터가 필요합니다."라고 그녀는 말합니다. Feeding America는 지속적으로 양질의 데이터 없이는 그렇게 할 수 없다고 그녀는 말합니다.

진행중인 작업

Dalton은 프로그램의 변혁적 특성 때문에 고객 데이터 추적 솔루션을 구현하려는 노력의 틀 내에서 광범위한 이해관계자를 참여시켜야 한다고 말합니다. 이를 위해서는 현재 상태와 프로세스, 데이터의 모양, 현재 사용 중인 기술을 이해하기 위해 회원 푸드 뱅크 및 팬트리와 협력해야 했습니다.

하나의 전달은 개념적 데이터 모델을 생성하고 비즈니스 용어집 클라이언트에 대한 이해를 일관되게 정의합니다. 이는 개인의 핵심 요소(예: "가구 구성원"의 의미)와 관련하여 발생해야 할 뿐만 아니라 Feeding America가 미래에 신뢰성과 일관성을 가지고 수집하고자 할 수 있는 접선 요소와 관련하여 발생해야 합니다. DelVecchio Dys는 “프로그램은 매우 다양하고 매우 다양합니다. "따라서 회원을 지원하기 위한 프레임워크 개발을 생각할 때 회원의 모든 요구 사항에 맞아야 합니다." 피드백을 받고 반복적인 프로세스로 항상 당사자 간에 공유합니다.

확장되고 동등하게 표준화된 비즈니스 용어집이 있으면 큰 이점을 얻을 수 있습니다. Dalton은 "이를 통해 Feeding America는 고객이 무엇을 하는지에 대한 반응적 이해에서 프로파일 구축을 위한 능동적 데이터로 전환할 수 있습니다."라고 말합니다. 이는 고객 방문 빈도, 특정 달의 특정 시간 또는 수요가 더 높은 날과 같은 것을 포함하여 촉진할 수 있습니다. 식료품 저장실에서 자원봉사자를 위한 계획 및 개별 음식 선호도. 예를 들어, 소규모 식료품점처럼 운영되는 특정 고객 선택 모델 팬트리를 방문하는 개인이 어떤 유형의 음식을 자주 선택하는지 데이터가 보여줄 수 있다면, Feeding America의 전국 사무소는 할인된 품목을 더 많이 찾는 것에 대한 통찰력을 제공할 수 있습니다. DelVecchio Dys는 해당 특정 사이트에 보낼 기부금을 말합니다. Dalton은 "우리는 이를 통합할 수 있는 사이트 라인을 가질 수 있습니다."라고 덧붙입니다.

파일럿은 현재 20개의 푸드 뱅크에서 운영되고 있으며 통합된 피드백을 기반으로 최종 프레임워크를 개발하기 전에 언젠가 실행할 계획입니다. 각 푸드 뱅크는 동일한 데이터 포인트를 수집하기 위해 동일한 운영 프로세스를 활용하기 위해 50~XNUMX개의 급식 프로그램 파트너를 확보하려고 시도하고 있습니다.

파일럿은 각 조직이 보유하고 있는 지식의 깊이, 문서에서 벗어나 자동화된 환경으로 이동하는 데 얼마나 빨리 적응할 수 있는지, 최종 프레임워크를 제공할 수 있는 일정 수준의 표준화로 수집할 수 있는 데이터를 이해하는 데 사용됩니다. Data Blueprint는 최종 프레임워크와 일치하도록 기술 업데이트 및 수정에 대한 권장 사항을 제공합니다.

자원봉사자들이 새로운 기술 솔루션에 적응하도록 하는 데 어려움이 있을 뿐만 아니라 식품 저장실마다 선호하는 장치 유형(예: 태블릿 대 노트북)이 다를 수 있고 일부 저장실은 인터넷 연결조차 되지 않을 수 있다는 사실로 인해 복잡해집니다. 이는 시스템이 오프라인 수집 기능을 다른 지점의 온라인 배송과 통합해야 할 수도 있음을 의미합니다. Dalton은 "푸드 뱅크가 사용할 수 있는 핵심 데이터는 파트너가 자신의 필요에 가장 적합한 것을 파악할 수 있도록 파트너를 위한 조달 프로세스를 시작하는 기술 구매 가이드입니다."라고 말합니다. 또한 자원봉사자가 컴퓨터에 정보를 입력하는 누군가에 의해 클라이언트가 위협을 느끼지 않도록 하는 프로세스를 마련해야 합니다.

Dalton에 따르면 파일럿을 통해 밝혀진 한 가지는 기관이 따를 수 있는 데이터 프레임워크를 제공할 수 있도록 충분한 세부 정보를 제공하는 것이 중요하지만 작동하지 않는 위치에 프레임워크를 고정시키는 것이 중요하다는 것입니다. 그들의 환경을 위해. "우리는 조종사들로부터 정보를 얻어 전체 규모를 적절하게 조정하려고 노력하고 있습니다."라고 그는 말합니다.

Shutterstock.com의 라이센스에 따라 사용 된 이미지

코인 스마트. 유로파 최고의 비트 코인-보르 스
출처: https://www.dataversity.net/case-study-feeding-america-takes-project-standardize-data-improve-data-quality/