데이터 품질 지식 관리 기관은 데이터 품질을”소비에 적합하고 데이터 소비자의 요구를 충족시키기 위해 데이터에 품질 관리 기술을 적용하는 활동의 계획,구현 및 제어”라고 정의합니다.”
데이터 품질에 대한 기대가 항상 말로 표현되고 알려진 것은 아니므로 지속적인 논의가 필요합니다. 데이터 품질은 컨텍스트 및 데이터 소비자의 요구 사항에 따라 다릅니다.
데이터 품질 차원의 짧은 목록은 다음과 같습니다:
- 정확성
- 완전성
- 일관성
- 무결성
- 합리성
- 적시성
- 고유성/중복 제거
- 유효성
- 접근성
데이터 품질의 다른 정의는 다음과 같습니다:
- “목적을 위해 적합. 작성자,사용자 및 관리자의 요구 사항을 충족합니다.”(피터 에이컨 박사,마틴 에플러에서 적응)
- “데이터의 정확성,일관성 및 완전성에 대한 의존도는 기업 전반에 걸쳐 유용합니다.”(미셸사)
- 도구 및 프로세스를 사용되는 구문 분석하고 표준화,일반화”클렌징,”매칭 프로파일링 모니터링,농축(Gartner)
- 강력한 왕 프레임워크:(왕과 강,MIT 및 DAMA DMBOK)
- 본질적인 DQ:
- 정확도
- 객관성
- Believability
- 명성
- 상황에 맞는 DQ:
- 부가 가치
- 관련성을
- 완전성을
- 적절한 양의 데이터
- 상 DQ:
- 해석 가능성
- 이해의 용이성
- 표현 일관성
- 간결한 표현
- 접근성:
- 접근성
- 액세스 보안
- 본질적인 DQ:
데이터 품질의 몇 가지 용도는 다음과 같습니다:
- 조직 데이터의 가치와 그것을 사용할 기회를 증가.
- 품질 저하 데이터와 관련된 위험 및 비용 감소.
- 조직의 효율성과 생산성 향상.
- 조직의 명성을 보호하고 향상시킵니다.
- 데이터 프로파일링.
- 데이터 표준화.
- 데이터 모니터링.
- 데이터 정리.
사진 제공:Rawpixel.com/.com