Data Topics

Il Data Management Body of Knowledge (DMBOK) definisce Data Quality (DQ) come “la pianificazione, l’implementazione e il controllo delle attività che applicano tecniche di gestione della qualità ai dati, al fine di assicurarne l’idoneità al consumo e soddisfare le esigenze dei consumatori di dati.”

Poiché le aspettative sulla qualità dei dati non sono sempre verbalizzate e conosciute, è necessaria una discussione continua. La qualità dei dati dipende dal contesto e dalle esigenze del consumatore di dati.

Un breve elenco di dimensioni di qualità dei dati sono:

• Precisione
• Completezza
• Coerenza
• Integrità
• Ragionevolezza
• Attualità
• Unicità/Deduplicazione
• Validità
• Accessibilità

Altre Definizioni di Qualità dei Dati Includono:

• “Adatta ad un uso. Soddisfa i requisiti dei suoi autori, utenti e amministratori.”(Dr. Peter Aiken, adattato da Martin Eppler)
• “Affidarsi all’accuratezza, alla coerenza e alla completezza dei dati per essere utili in tutta l’azienda.”(Cavaliere)
• Strumenti e dei processi utilizzati per l’analisi e la standardizzazione, la generalizzata “pulizia, di corrispondenza, di profilazione, di monitoraggio e di arricchimento (Gartner)

• Forte-Wang quadro: (Wang, e Forte, il MIT e la DAMA DMBOK)
  • Intrinseca DQ:
    • Precisione
    • Obiettività
    • Credibilità
    • Reputazione
  • Contestuale DQ:
    • Valore aggiunto
    • Rilevanza
    • Completezza
    • Appropriata quantità di dati
  • Rappresentazione DQ:
    • Interpretabilità
    • Facilità di comprensione
    • Rappresentazionale consistenza
    • rappresentazione sintetica
  • Accessibilità DQ:
    • Accessibilità
    • Accesso di Sicurezza

Alcuni Usi di Qualità dei Dati sono:

• Per aumentare il valore dei dati aziendali e le opportunità di utilizzo.
• Riduzione del rischio e dei costi associati a dati di scarsa qualità.
• Migliorare l’efficienza organizzativa e la produttività.
• Proteggere e migliorare la reputazione dell’organizzazione.
• Profilazione dei dati.
• Standardizzazione dei dati.
• Monitoraggio dei dati.
• Pulizia dei dati.

Credito fotografico: Rawpixel.com/.com