Управление на данни
©Христо Тужаров, 2013
КАЧЕСТВО НА ДАННИТЕ
Стратегия за качество на данните
КОМПОНЕНТЕН МОДЕЛ "Качество на данните"
ФАКТОРИ, ИЗИСКВАЩИ КАЧЕСТВО НА ДАННИТЕ
За организациите е изключително важно да притежават точна, актуална и изчерпателна информация с цел обосновано вземане на решения. Това в голяма степен зависи от качеството на данните.
Идеята за качеството на данните се отнася до способността на данните да съответстват на изискванията на заинтересованите страни. От тяхна гледна точка данните може да се считат с високо качество за една цел , но с много лошо качество за друга.
Качество на данните
(Data
quality
DQ) -
характеристика
на
данните, показваща
степента на
възможност за техния
анализ. Основни
критерии на
качеството на
данните се явяват
актуалността,
точността, пълнотата
и
стандартизираността.
Оценката на
качеството на
данните се явява
необходима стъпка
във всеки аналитичен
проект, тъй като ако
то е низко, взематите решения,
най-вероятно ще
бъдат неточни и
недостоверни.
Осигуряване на качество на данните е, просто казано, данни, които отговарят на нуждите на бизнеса.
Качество на данните се основава на поредица от събития:
-
какво се иска и как;
-
как се вписва това, което се редактира и кога;
-
как се преглеждат, съхраняват и използват данните.
Качество на данните е една част от по-голям процес за управление на данните, който пък е
неразделна част от това, което трябва да е концепция за управление на тотално качество.
Аспекти на качеството на данните
Проблеми на качеството на данни
Изследвания, предприети от Gartner показват:
-
Почти всяка организация има проблеми с качеството на данните;
-
Повечето организации не демонстрират добър модел на управление на данните; Много организации не разглеждат данните като актив;
-
Качество на данните често се пренебрегва, докато не възникнат сериозни проблеми.
-
Липсата на качество на данните често се описва като ИТ проблем - не е бизнес проблем.
Преимущества от осигуряване качеството на данните
-
Управление на данните за потребителите, съдържащи се в различни формати, както и в различни бази данни;
-
Консолидиране на множество тъждествени данни, постъпващи от различни източници и създаване единна представа за потребителите;
-
Подпомагане организацията за създаване и поддържане успешни отношения с потребители, доставчици и партньори;
-
Осигуряване на информация за качеството на данните – когато е необходимо, където е необходимо и на всяко устройство ;
-
Усъвършенстване на управлението на знания и бизнес-анализа (business intelligence) с помощта на по-надаждна и точна информация.
-
Осигуряване на всевъзможни оперативни и аналитични приложения с чисти и надеждни данни, поступвощи по разклонени информационни канали.
Приоритети за качествени решения с данни
В статията си "Top 10 Priorities for Data Quality Solutions" Philip Russom представя списък от техники, инструменти, методи, разсъждения и други характеристики, които са желани за напълно съвременно, от ново поколение качеството на данните (DQ).
Приоритет № 1: широк периметър на дейностите по осигуряване качество на данните
Качеството на данните включва осем или повече свързани техники.
Стандартизирането на данните е най-често използваната техника, последвано от проверка, валидиране, наблюдение, профилиране, съвпадение, и така нататък.
Приоритет № 2: качество на данните, обезпечавано в реално време
Качеството на данните в реално време (RTDQ) е втората най-бързо развиваща се в областта на управление на данни дисциплина, след Master Data Management (MDM).
Приоритет № 3: качеството на данните трябва да се разглежда като услуга
Техниките, обезпечаващи качество на данните трябва да се структурират по начин, който осигурява те да са достъпни като услуги, използващи широк набор от инструменти, приложения, бази данни и бизнес процеси.
Приоритет № 4: координация с други дисциплини по управление на данни
Обезпечаването на качество на данните е от полза за другите дисциплини, свързани с управление на данни, какта и те са от полза за качеството на данни.
Приоритет № 5: стопанисване и управление на данните
Техниките по стопанисване и управление на данни са вградени в много инструменти, които могат да помогнат за осигуряване качеството на данните.