Data Topics

Data Management Body of Knowledge(DMBOK)は、データ品質(DQ)を”データが消費に適合し、データ消費者のニーズを満たすことを保証するために、データに品質管理技術を適用する活動の計画、実施、管理”と定義している。”

データ品質に関する期待は常に言葉で表現され、知られているわけではないので、継続的な議論が必要です。 データの品質は、コンテキストとデータ消費者の要件に依存します。

データ品質次元の短いリストは次のとおりです:

• 正確性
• 完全性
• 一貫性
• 整合性
• 合理性
• 適時性
• 一意性/重複排除
• 妥当性
• アクセシビリティ

データ品質の他の定義は次のとおりです:

• “目的のための適合。 作成者、ユーザー、管理者の要件を満たしています。”(Dr.Peter Aiken,adapted from Martin Eppler)
• “企業全体で有用なデータの正確性、一貫性、完全性への依存。”(Michelle Knight)
• 解析と標準化、一般化された”クレンジング”、マッチング、プロファイリング、モニタリング、エンリッチメントに使用されるツールとプロセス(Gartner)

• Strong-Wangフレームワーク：（Wang、およびStrong、MITおよびDAMA DMBOK）
  • 本質的なDQ：
    • 正確さ
    • 客観性
    • 信憑性
    • 評判
  • コンテキストDQ:
    • 付加価値
    • 関連性
    • 完全性
    • 適切なデータ量
  • 代表的なDQ:
    • 解釈可能性
    • 理解の容易さ
    • 表現の一貫性
    • 簡潔な表現
  • アクセシビリティDq:
    • アクセシビリティ
    • アクセスセキュリティ

データ品質のいくつかの用途は次のとおりです:

• 組織データの価値とそれを使用する機会を増やす。
• 低品質のデータに関連するリスクとコストの削減。
• 組織の効率性と生産性を向上させます。
• 組織の評判を保護し、強化する。
• データプロファイリング。
• データ標準化。
• データ監視。
• データクレンジング。

写真提供：Rawpixel.com/.com