Du har avslutat med din ekonomiska modell och övertygat dig själv om att lämna över den till resten av ditt team för att granska eller använda regelbundet. Sedan, en dag, hör du orden som slår rädsla i hjärtat av varje modelldesigner: "Förlåt att jag stör dig, men kalkylarket fungerar inte."
Du försöker hårt för att inte få panik, men du kan inte låta bli: Du kallsvettas. Du tänker för dig själv: "Jag kontrollerade den modellen noggrant och ägnade timmar åt att förklara och dokumentera hur man använder den. Hur lyckades de förstöra det? Den modellen var skottsäker.”
Trots en växande känsla av obehag promenerar du nonchalant fram till din kollegas skrivbord och försöker se lugn ut. Ta en titt och visst är det definitivt något fel.
Ta ett djupt andetag och börja med elimineringsprocessen. Här är några ställen att börja:
- En revisionsspår av ändringar gör att du snabbt och effektivt kan analysera grundorsaken till problemet: Är problemet med data eller modellen? Du vänder dig till revisionsloggen på framsidan, men den har lämnats tom. Vid överlämnandet ombads användarna att dokumentera eventuella ändringar, men den senast loggade posten var din egen.
- Naturligtvis behöll du en ren kopia av den färdiga modellen vid överlämnandet, med varje ändring som gjordes, så att du kan jämföra den nuvarande kopian av modellen med den senaste du hade. Om du får olika svar från den "trasiga" kopian och den "rena" kopian med samma ingångar, kommer en jämförelse av de två versionerna att komma dig närmare källan till problemet.
- En genomgång av eventuella felkontroller du skapade när du byggde modellen kommer också att identifiera källan till uppenbara fel som användarna kan ha missat.
Om du har flera användare blir det mer utmanande att avgöra vem som kan ha ändrat modellen och om det är ett manuellt fel, en oväntad aktivitet eller ett underliggande problem i modelldesignen. Att spåra tillbaka för att hitta felet är en process som kan vara en snabb lösning, eller det kan vara ganska komplicerat.
När du har kontrollerat och korrigerat ett fel kan du ta reda på vad som orsakade det specifika felet. Detta i sin tur gör att du kan införa ytterligare felsäkring inom din modell eller stödstruktur. Om du inte redan har gjort det, se till att modellen innehåller en granskningslogg, en ren version och felkontroller.
Överväg också att lägga till skydd till modellen och datavalideringar för eventuella indata. Du kan sedan bestämma dig för att antingen rätta till problemet i den aktuella versionen av modellen eller gå tillbaka till originalet genom att överföra de nya uppgifterna till en ren kopia.