데이터 주제

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

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