kiusoittelu

Milloin näimme ensimmäisen kerran dataa?

1. XNUMX-luvun puoliväli
2. Vulcanin seuraajana Spock
3. 18,000 BC
4. Kuka tietää?  

Niin pitkälle kuin voimme mennä löydetyssä historiassa, löydämme ihmisiä käyttämällä tietoja. Mielenkiintoista on, että data edeltää jopa kirjoitettuja numeroita. Jotkut varhaisimmista esimerkeistä tietojen tallentamisesta ovat noin vuodelta 18,000 2 eKr., jolloin esi-isämme Afrikan mantereella käyttivät merkkejä tikkuissa kirjanpidon muotona. Myös vastaukset 4 ja 21 hyväksytään. Oli kuitenkin XNUMX-luvun puoliväli, jolloin Business Intelligence määriteltiin ensimmäisen kerran sellaisena kuin sen nykyään ymmärrämme. BI levisi laajalle vasta lähes XNUMX-luvun vaihteessa.

Tietojen laadun edut ovat ilmeiset. 

• Luottamus. Käyttäjät luottavat tietoihin paremmin. "75 % johtajista ei luota tietoihinsa"
• Parempia päätöksiä. Voit käyttää analytiikkaa dataa vastaan ​​tehdäksesi älykkäämpiä päätöksiä.  Tietojen laatu on yksi kahdesta suurimmista haasteista, joita tekoälyä ottavat organisaatiot kohtaavat. (Toinen on henkilöstön taidot.)
• Kilpailuetu.  Tiedon laatu vaikuttaa toiminnan tehokkuuteen, asiakaspalveluun, markkinointiin ja lopputulokseen – liikevaihtoon.
• Menestys. Tietojen laatu liittyy vahvasti liiketoimintaan menestys.

6 Tietojen laadun avaintekijää

Jos et voi luottaa tietoihisi, kuinka voit kunnioittaa sen neuvoja?

Nykyään tietojen laatu on ratkaisevan tärkeää yritysten BI-työkalujen, analytiikan, koneoppimisen ja tekoälyn avulla tekemien päätösten paikkansapitävyyden kannalta. Yksinkertaisimmillaan tiedon laatu on dataa, joka on pätevää ja täydellistä. Olet ehkä nähnyt tiedon laatuongelmia otsikoissa:

• CDC:n COVID-19-tietojen parantaminen – Pandemian aikana CDC on parantanut kriittisten tietojen oikea-aikaisuutta, täydellisyyttä ja laatua.
• Roskat sisään roskat ulos; kaupungin vahtikoira löytää huolestuttavan mallin epäluotettavasta tiedonlaadusta – "[Chicagon] virkaatekevän ylitarkastajan uudessa raportissa sanotaan, että "tietojen laatuongelmat" vaikuttavat resurssien allokointiin, työntekijöiden suoritusten mittaamiseen ja monien ohjelmien seurantaan käytettyjen tietojen "objektiivisuuteen, hyödyllisyyteen ja eheyteen".
• GAO havaitsee tietojen laatuongelmia VA:n EHR:n käyttöönoton aikana – VA ei varmistanut uuteen Cerner EHR -järjestelmään siirrettyjen tietojen laatua.

Tietyillä tavoilla – jopa pitkälle Business Intelligencen kolmannelle vuosikymmenelle – tiedon laadun saavuttaminen ja ylläpitäminen on vieläkin vaikeampaa. Joitakin haasteita, jotka edistävät jatkuvaa kamppailua tietojen laadun ylläpitämiseksi, ovat:

• Fuusiot ja yritysostot, joissa yritetään yhdistää eri järjestelmiä, prosesseja, työkaluja ja tietoja useista kokonaisuuksista. 
• Sisäiset tietosiilot ilman standardeja tietojen integroinnin yhteensovittamiseksi.            
• Edullinen tallennustila on helpottanut suurten tietomäärien keräämistä ja säilyttämistä. Keräämme enemmän tietoa kuin pystymme analysoimaan.
• Tietojärjestelmien monimutkaisuus on kasvanut. Tietuejärjestelmän, johon tiedot syötetään, ja kulutuspisteen välillä on enemmän kosketuspisteitä, olipa kyseessä sitten tietovarasto tai pilvi.

Mistä datan näkökohdista puhumme? Mitkä tiedon ominaisuudet vaikuttavat sen laatuun? On kuusi tekijää, jotka vaikuttavat tietojen laatuun. Jokainen näistä on kokonaisia ​​tieteenaloja. 

• Toimitusajat
  • Tiedot ovat valmiita ja käyttökelpoisia silloin, kun niitä tarvitaan.
  • Tiedot ovat käytettävissä kuun lopun raportointiin esimerkiksi seuraavan kuukauden ensimmäisen viikon aikana.
• Voimassaolo
  • Tiedoilla on oikea tietotyyppi tietokannassa. Teksti on tekstiä, päivämäärät ovat päivämääriä ja numerot ovat numeroita.
  • Arvot ovat odotettujen rajojen sisällä. Esimerkiksi vaikka 212 fahrenheit-astetta on todellinen mitattava lämpötila, se ei ole kelvollinen arvo ihmisen lämpötilalle.  
  • Arvoilla on oikea muoto. 1.000000 ei tarkoita samaa kuin 1.
• Johdonmukaisuus
  • Tiedot ovat sisäisesti johdonmukaisia
  • Tietueista ei ole kaksoiskappaleita
• Eheys
  • Taulukoiden väliset suhteet ovat luotettavia.
  • Sitä ei muuteta tahattomasti. Arvot voidaan jäljittää niiden alkuperään. 
• täydellisyys
  • Tiedoissa ei ole "reikiä". Kaikilla tietueen elementeillä on arvot.  
  • NULL-arvoja ei ole.
• tarkkuus
  • Raportointi- tai analyyttisessä ympäristössä – tietovarastossa, joko on-premissä tai pilvessä – olevat tiedot heijastavat lähdejärjestelmiä tai järjestelmiä tai tietueita.
  • Tiedot ovat todennettavissa olevista lähteistä.

Olemme siis samaa mieltä siitä, että tiedon laadun haaste on yhtä vanha kuin data itse, ongelma on kaikkialla läsnä ja ratkaisevan tärkeä. Joten mitä teemme asialle? Pidä tietojen laatuohjelmaasi pitkän aikavälin, loputtomana projektina.  

Tietojen laatu kertoo tarkasti, kuinka tarkasti tiedot vastaavat todellisuutta. Ollakseni rehellinen, jotkut tiedot ovat tärkeämpiä kuin toiset. Tiedä, mitkä tiedot ovat tärkeitä vankkaille liiketoimintapäätöksille ja organisaation menestykselle. Aloita siitä. Keskity niihin tietoihin.  

Data Quality 101:nä tämä artikkeli on fuksi tason johdatus aiheeseen: historia, ajankohtaiset tapahtumat, haaste, miksi se on ongelma, ja korkeatasoinen yleiskatsaus tiedon laatuun organisaatiossa. Kerro meille, jos olet kiinnostunut perehtymään syvemmälle johonkin näistä aiheista 200-tason tai jatko-tason artikkelissa. Jos näin on, sukeltamme syvemmälle yksityiskohtiin tulevina kuukausina.