Dataemner

DATA Management Body Of Knowledge (DMBOK) definerer Datakvalitet (DQ) som «planlegging, implementering og kontroll av aktiviteter som bruker kvalitetsstyringsteknikker til data, for å sikre at den er egnet til forbruk og oppfyller databrukernes behov.»

siden forventninger om Datakvalitet ikke alltid er verbalisert og kjent, er det nødvendig med en pågående diskusjon. Datakvalitet avhenger av kontekst og data forbrukerens krav.

En Kort Liste Over Datakvalitetsdimensjoner er:

• Nøyaktighet
• Fullstendighet
• Konsistens
• Integritet
• Rimelighet
• Aktualitet
• Unikhet/Deduplisering
• Gyldighet
• tilgjengelighet

Andre Definisjoner Av Datakvalitet Inkluderer:

• «Passer for et formål. Oppfyller kravene til sine forfattere, brukere og administratorer.»(Dr. Peter Aiken, tilpasset Fra Martin Eppler)
• » Tillit til nøyaktighet, konsistens og fullstendighet av data for å være nyttig på tvers av bedriften.»(Michelle Knight)
• Verktøy og prosesser som brukes til analyse og standardisering, generalisert «rensing», matching, profilering, overvåking og berikelse (Gartner)

• Sterk-Wang rammeverk: (Wang, Og Sterk, MIT OG DAMA DMBOK)
  • Iboende DQ:
    • Nøyaktighet
    • Objektivitet
    • Troverdighet
    • Omdømme
  • Kontekstuell DQ:
    • verdiskapende
    • Relevans
    • Fullstendighet
    • Passende mengde data
  • Representational DQ:
    • Tolkbarhet
    • Enkel forståelse
    • Representativ konsistens
    • Konsis representasjon
  • Tilgjengelighet DQ:
    • Tilgjengelighet
    • Tilgangssikkerhet

Noen Få Bruksområder For Datakvalitet er:

• Øke verdien av organisasjonsdata og mulighetene til å bruke den.
• Redusere risiko og kostnader forbundet med data av dårlig kvalitet.
• Forbedre organisatorisk effektivitet og produktivitet.
• Beskytte og styrke organisasjonens omdømme.
• dataprofilering.
• standardisering Av Data.
• dataovervåking.
• datarensing.

Fotokreditt: Rawpixel.com/.com