Pemikat

Kapan kita pertama kali melihat data?

1. Pertengahan abad kedua puluh
2. Sebagai penerus Vulcan, Spock
3. 18,000 BC
4. Siapa tahu?  

Sejauh yang bisa kita lakukan dalam sejarah yang ditemukan, kita menemukan manusia menggunakan data. Menariknya, data bahkan mendahului angka tertulis. Beberapa contoh penyimpanan data paling awal adalah dari sekitar 18,000 SM di mana nenek moyang kita di benua Afrika menggunakan tanda pada tongkat sebagai bentuk pembukuan. Jawaban 2 dan 4 juga akan diterima. Saat itu pertengahan abad kedua puluh, ketika Business Intelligence pertama kali didefinisikan seperti yang kita pahami sekarang. BI tidak menyebar luas sampai hampir pergantian abad ke-21.

Manfaat kualitas data sudah jelas. 

• Kepercayaan. Pengguna akan lebih mempercayai data. “75% Eksekutif Tidak Percaya Data Mereka"
• Keputusan yang lebih baik. Anda akan dapat menggunakan analitik terhadap data untuk membuat keputusan yang lebih cerdas.  Kualitas data adalah salah satu dari dua tantangan terbesar yang dihadapi organisasi yang mengadopsi AI. (Yang lainnya adalah keahlian staf.)
• Keunggulan kompetitif.  Kualitas data mempengaruhi efisiensi operasional, layanan pelanggan, pemasaran dan bottom line – pendapatan.
• Keberhasilan. Kualitas data sangat terkait dengan bisnis sukses.

6 Elemen Kunci Kualitas Data

Jika Anda tidak bisa mempercayai data Anda, bagaimana Anda bisa menghormati sarannya?

Saat ini, kualitas data sangat penting untuk validitas keputusan yang dibuat bisnis dengan alat BI, analitik, pembelajaran mesin, dan kecerdasan buatan. Secara sederhana kualitas data adalah data yang valid dan lengkap. Anda mungkin telah melihat masalah kualitas data di berita utama:

• Peningkatan Data COVID-19 CDC – “Selama pandemi, CDC telah meningkatkan ketepatan waktu, kelengkapan, dan kualitas data penting untuk tanggapan.”
• Sampah masuk sampah keluar; pengawas kota menemukan pola yang mengganggu dari kualitas data yang tidak dapat diandalkan – “Sebuah laporan baru dari penjabat inspektur jenderal [Chicago] mengatakan “masalah kualitas data” memengaruhi “objektivitas, utilitas, dan integritas” informasi yang digunakan untuk mengalokasikan sumber daya, mengukur kinerja karyawan, dan memantau sejumlah program.”
• GAO menemukan masalah kualitas data selama peluncuran EHR VA – “VA tidak memastikan kualitas data yang dimigrasikan ke sistem Cerner EHR yang baru.”

Dalam beberapa hal – bahkan hingga dekade ketiga Business Intelligence – mencapai dan mempertahankan kualitas data bahkan lebih sulit. Beberapa tantangan yang berkontribusi pada perjuangan terus-menerus untuk menjaga kualitas data meliputi:

• Merger dan akuisisi yang mencoba menyatukan sistem, proses, alat, dan data yang berbeda dari banyak entitas. 
• Silo internal data tanpa standar untuk merekonsiliasi integrasi data.            
• Penyimpanan murah telah membuat pengambilan dan penyimpanan data dalam jumlah besar menjadi lebih mudah. Kami menangkap lebih banyak data daripada yang dapat kami analisis.
• Kompleksitas sistem data telah berkembang. Ada lebih banyak titik kontak antara sistem pencatatan tempat data dimasukkan dan titik konsumsi, apakah itu gudang data atau cloud.

Aspek data apa yang sedang kita bicarakan? Properti apa dari data yang berkontribusi pada kualitasnya? Ada enam elemen yang berkontribusi terhadap kualitas data. Masing-masing adalah seluruh disiplin ilmu. 

• aktualitas
  • Data siap dan dapat digunakan saat dibutuhkan.
  • Data tersedia untuk pelaporan akhir bulan dalam minggu pertama bulan berikutnya, misalnya.
• Keabsahan
  • Data memiliki tipe data yang benar dalam database. Teks adalah teks, tanggal adalah tanggal dan angka adalah angka.
  • Nilai berada dalam rentang yang diharapkan. Misalnya, sementara 212 derajat fahrenheit adalah suhu terukur yang sebenarnya, itu bukan nilai yang valid untuk suhu manusia.  
  • Nilai memiliki format yang benar. 1.000000 tidak memiliki arti yang sama dengan 1.
• Konsistensi
  • Datanya konsisten secara internal
  • Tidak ada duplikat catatan
• Integritas
  • Hubungan antar tabel dapat diandalkan.
  • Itu tidak sengaja diubah. Nilai dapat ditelusuri ke asal-usulnya. 
• Kelengkapan
  • Tidak ada "lubang" dalam data. Semua elemen record memiliki nilai.  
  • Tidak ada nilai NULL.
• Ketepatan
  • Data dalam lingkungan pelaporan atau analitik – gudang data, baik lokal maupun di cloud – mencerminkan sistem sumber, atau sistem atau catatan
  • Data berasal dari sumber yang dapat diverifikasi.

Maka, kami setuju bahwa tantangan kualitas data sama tuanya dengan data itu sendiri, masalahnya ada di mana-mana dan penting untuk diselesaikan. Jadi, apa yang kita lakukan? Pertimbangkan program kualitas data Anda sebagai proyek jangka panjang yang tidak pernah berakhir.  

Kualitas data secara dekat menggambarkan seberapa akurat data tersebut mewakili kenyataan. Sejujurnya, beberapa data lebih penting daripada data lainnya. Ketahui data apa yang penting untuk keputusan bisnis yang solid dan keberhasilan organisasi. Mulai dari sana. Fokus pada data itu.  

Sebagai Kualitas Data 101, artikel ini adalah pengantar tingkat mahasiswa baru untuk topik: sejarah, peristiwa terkini, tantangan, mengapa itu menjadi masalah, dan gambaran umum tingkat tinggi tentang cara menangani kualitas data dalam suatu organisasi. Beri tahu kami jika Anda tertarik untuk melihat lebih dalam salah satu topik ini dalam artikel tingkat 200 atau tingkat pascasarjana. Jika demikian, kami akan membahas lebih dalam secara spesifik dalam beberapa bulan mendatang.