টিজাররা
আমরা কখন প্রথম ডেটা দেখেছিলাম?
- বিংশ শতাব্দীর মাঝামাঝি
- ভলকান, স্পকের উত্তরসূরি হিসেবে
- 18,000 বিসি
- কে জানে?
যতদূর আমরা আবিষ্কৃত ইতিহাসে যেতে পারি আমরা ডেটা ব্যবহার করে মানুষ খুঁজে পাই। মজার বিষয় হল, ডেটা এমনকি লিখিত সংখ্যারও আগে। তথ্য সংরক্ষণের কিছু প্রাচীন উদাহরণ প্রায় 18,000 খ্রিস্টপূর্বাব্দের যেখানে আফ্রিকা মহাদেশে আমাদের পূর্বপুরুষরা হিসাব রাখার জন্য লাঠির উপর চিহ্ন ব্যবহার করতেন। উত্তর 2 এবং 4ও গ্রহণ করা হবে। এটি বিংশ শতাব্দীর মাঝামাঝি ছিল, যদিও, যখন ব্যবসায়িক বুদ্ধিমত্তাকে প্রথম সংজ্ঞায়িত করা হয়েছিল যেমনটি আমরা আজকে বুঝি। 21 শতকের প্রায় মোড় পর্যন্ত বিআই ব্যাপকভাবে ছড়িয়ে পড়েনি।
ডেটা মানের সুবিধা সুস্পষ্ট। 
- আস্থা. ব্যবহারকারীরা ডেটাতে আরও ভাল বিশ্বাস করবে। "75% এক্সিকিউটিভ তাদের ডেটা বিশ্বাস করেন না"
- আরও ভালো সিদ্ধান্ত. আপনি স্মার্ট সিদ্ধান্ত নিতে ডেটার বিরুদ্ধে বিশ্লেষণ ব্যবহার করতে সক্ষম হবেন। উপাত্ত গুণমান AI গ্রহণকারী সংস্থাগুলির মুখোমুখি হওয়া দুটি বৃহত্তম চ্যালেঞ্জের মধ্যে একটি। (অন্যটি হচ্ছে কর্মীদের দক্ষতা সেট।)
- প্রতিযোগিতামূলক সুবিধা. ডেটার গুণমান কার্যকারিতা, গ্রাহক পরিষেবা, বিপণন এবং নীচের লাইন - রাজস্বকে প্রভাবিত করে।
- সাফল্য. ডেটার গুণমান ব্যবসার সাথে ব্যাপকভাবে যুক্ত সাফল্য.
ডেটা মানের 6 মূল উপাদান
আপনি যদি আপনার ডেটা বিশ্বাস করতে না পারেন তবে আপনি কীভাবে তার পরামর্শকে সম্মান করবেন?
আজ, BI টুল, অ্যানালিটিক্স, মেশিন লার্নিং এবং কৃত্রিম বুদ্ধিমত্তার সাহায্যে ব্যবসার সিদ্ধান্তের বৈধতার জন্য ডেটার গুণমান গুরুত্বপূর্ণ। সবচেয়ে সহজে, ডেটা গুণমান হল ডেটা যা বৈধ এবং সম্পূর্ণ। আপনি শিরোনামগুলিতে ডেটা মানের সমস্যাগুলি দেখে থাকতে পারেন:
- CDC-এর COVID-19 ডেটার উন্নতি - "মহামারী চলাকালীন, সিডিসি প্রতিক্রিয়ার জন্য সময়োপযোগীতা, সম্পূর্ণতা এবং সমালোচনামূলক ডেটার গুণমান উন্নত করছে।"
- আবর্জনা আবর্জনা; সিটি ওয়াচডগ অবিশ্বস্ত ডেটা মানের সমস্যাজনক প্যাটার্ন খুঁজে পায় - "[শিকাগো] ভারপ্রাপ্ত ইন্সপেক্টর জেনারেলের একটি নতুন প্রতিবেদন বলে যে "ডেটা মানের সমস্যা" সম্পদ বরাদ্দ করতে, কর্মচারীর কর্মক্ষমতা পরিমাপ করতে এবং অনেকগুলি প্রোগ্রাম নিরীক্ষণ করতে ব্যবহৃত তথ্যের "বস্তুত্ব, উপযোগিতা এবং অখণ্ডতা" প্রভাবিত করে।"
- GAO VA এর EHR রোলআউটের সময় ডেটা মানের সমস্যা খুঁজে পায় - "VA তার নতুন Cerner EHR সিস্টেমে স্থানান্তরিত ডেটার গুণমান নিশ্চিত করেনি।"
কিছু উপায়ে - এমনকি ব্যবসায়িক বুদ্ধিমত্তার তৃতীয় দশকেও - ডেটার গুণমান অর্জন এবং বজায় রাখা আরও কঠিন। ডেটার গুণমান বজায় রাখার অবিরাম সংগ্রামে অবদান রাখে এমন কিছু চ্যালেঞ্জের মধ্যে রয়েছে:
- একত্রীকরণ এবং অধিগ্রহণ যা একাধিক সত্ত্বা থেকে পৃথক সিস্টেম, প্রক্রিয়া, সরঞ্জাম এবং ডেটা একত্রিত করার চেষ্টা করে।
- স্ট্যান্ডার্ড ছাড়া ডেটার অভ্যন্তরীণ সাইলোগুলি ডেটার একীকরণের সমন্বয় সাধনের জন্য।
- সস্তা স্টোরেজ প্রচুর পরিমাণে ডেটা ক্যাপচার এবং ধারণকে সহজ করে তুলেছে। আমরা বিশ্লেষণ করতে পারি তার চেয়ে বেশি ডেটা ক্যাপচার করি।
- ডেটা সিস্টেমের জটিলতা বেড়েছে। রেকর্ডের সিস্টেমের মধ্যে আরও টাচপয়েন্ট রয়েছে যেখানে ডেটা প্রবেশ করা হয় এবং খরচের বিন্দু, তা ডেটা গুদাম হোক বা ক্লাউড।
আমরা তথ্যের কোন দিক সম্পর্কে কথা বলছি? ডেটার কোন বৈশিষ্ট্যগুলি এর গুণমানে অবদান রাখে? ছয়টি উপাদান রয়েছে যা ডেটা গুণমানে অবদান রাখে। এই প্রতিটি সম্পূর্ণ শৃঙ্খলা. 
- যথাকালীনতা
- যখন প্রয়োজন হয় তখন ডেটা প্রস্তুত এবং ব্যবহারযোগ্য।
- উদাহরণস্বরূপ, পরবর্তী মাসের প্রথম সপ্তাহের মধ্যে মাসের শেষের প্রতিবেদনের জন্য ডেটা উপলব্ধ।
- বৈধতা
- ডাটাবেসে ডেটার সঠিক ডাটা টাইপ আছে। পাঠ্য পাঠ্য, তারিখগুলি তারিখ এবং সংখ্যাগুলি সংখ্যা।
- মানগুলি প্রত্যাশিত সীমার মধ্যে রয়েছে৷ উদাহরণস্বরূপ, যদিও 212 ডিগ্রি ফারেনহাইট একটি প্রকৃত পরিমাপযোগ্য তাপমাত্রা, এটি মানুষের তাপমাত্রার জন্য একটি বৈধ মান নয়।
- মান সঠিক বিন্যাস আছে. 1.000000 এর 1 এর মত একই অর্থ নেই।
- ঐক্য
- তথ্য অভ্যন্তরীণভাবে সামঞ্জস্যপূর্ণ
- রেকর্ডের কোন ডুপ্লিকেট নেই
- বিশুদ্ধতা
- টেবিলের মধ্যে সম্পর্ক নির্ভরযোগ্য।
- এটা অনিচ্ছাকৃতভাবে পরিবর্তন করা হয় না. মানগুলি তাদের উত্স থেকে চিহ্নিত করা যেতে পারে।
- সম্পূর্ণতা
- ডেটাতে কোনও "গর্ত" নেই। একটি রেকর্ডের সমস্ত উপাদানের মান আছে।
- কোন NULL মান নেই।
- সঠিকতা
- রিপোর্টিং বা বিশ্লেষণাত্মক পরিবেশে ডেটা - ডেটা গুদাম, অন-প্রিম বা ক্লাউডে - সোর্স সিস্টেম, বা সিস্টেম বা রেকর্ড প্রতিফলিত করে
- তথ্য যাচাইযোগ্য উত্স থেকে.
আমরা সম্মত, তারপর, ডেটা গুণমানের চ্যালেঞ্জ ডেটার মতোই পুরানো, সমস্যাটি সর্বব্যাপী এবং সমাধান করা অত্যাবশ্যক৷ সুতরাং, আমরা এটি সম্পর্কে কি করব? আপনার ডেটা মানের প্রোগ্রামটিকে একটি দীর্ঘমেয়াদী, কখনও শেষ না হওয়া প্রকল্প হিসাবে বিবেচনা করুন।
ডেটার গুণমান ঘনিষ্ঠভাবে উপস্থাপন করে যে ডেটা বাস্তবতাকে কতটা সঠিকভাবে উপস্থাপন করে। সত্যি বলতে, কিছু ডেটা অন্যান্য ডেটার চেয়ে বেশি গুরুত্বপূর্ণ। কঠিন ব্যবসায়িক সিদ্ধান্ত এবং প্রতিষ্ঠানের সাফল্যের জন্য কোন ডেটা গুরুত্বপূর্ণ তা জানুন। সেখানে শুরু করুন। সেই ডেটাতে ফোকাস করুন।
ডেটা কোয়ালিটি 101 হিসাবে, এই নিবন্ধটি বিষয়ের একটি নতুন-স্তরের ভূমিকা: ইতিহাস, বর্তমান ঘটনা, চ্যালেঞ্জ, কেন এটি একটি সমস্যা এবং একটি প্রতিষ্ঠানের মধ্যে ডেটা গুণমান কীভাবে মোকাবেলা করা যায় তার একটি উচ্চ-স্তরের ওভারভিউ। আপনি যদি 200-স্তরের বা স্নাতক-স্তরের নিবন্ধে এই বিষয়গুলির মধ্যে যেকোনও গভীরভাবে দেখতে আগ্রহী হন তবে আমাদের জানান। যদি তাই হয়, আমরা আসন্ন মাসগুলিতে সুনির্দিষ্ট বিষয়ে গভীরভাবে ডুব দেব।
