Teaser
Nalika pisanan kita ndeleng data?
- Tengah abad rong puloh
- Minangka penerus Vulcan, Spock
- 18,000 BC
- Sapa sing ngerti?
Minangka adoh saka sejarah sing ditemokake, kita nemokake manungsa nggunakake data. Sing nggumunake, data malah ndhisiki angka sing ditulis. Sawetara conto paling wiwitan kanggo nyimpen data yaiku saka sekitar 18,000 SM ing ngendi leluhur kita ing bawana Afrika nggunakake tandha ing tongkat minangka wangun pembukuan. Jawaban 2 lan 4 uga bakal ditampa. Nanging ing pertengahan abad kaping rong puloh, nalika Business Intelligence pisanan ditetepake kaya sing kita ngerti saiki. BI ora nyebar nganti meh pungkasan abad kaping 21.
Keuntungan saka kualitas data sing jelas. 
- dateng. Pangguna bakal luwih dipercaya data kasebut. “75% Eksekutif Ora Percaya Datane"
- Keputusan sing luwih apik. Sampeyan bakal bisa nggunakake analytics nglawan data kanggo nggawe keputusan sing luwih cerdas. Kualitas data minangka salah siji saka rong tantangan paling gedhe sing diadhepi organisasi sing nggunakake AI. (Sing liyane yaiku set skill staf.)
- Kauntungan Kompetitif. Kualitas data mengaruhi efisiensi operasional, layanan pelanggan, marketing lan dhasar - revenue.
- Kasuksesan. Kualitas data disambung banget karo bisnis kasuksesan.
6 Unsur Utama Kualitas Data
Yen sampeyan ora percaya data sampeyan, kepiye sampeyan bisa ngajeni sarane?
Saiki, kualitas data penting kanggo validitas keputusan sing ditindakake bisnis nganggo alat BI, analitik, pembelajaran mesin, lan intelijen buatan. Sing paling gampang, kualitas data yaiku data sing valid lan lengkap. Sampeyan bisa uga wis ndeleng masalah kualitas data ing judhul:
- Peningkatan Data COVID-19 CDC - "Sajrone pandemi, CDC wis nambah ketepatan wektu, kelengkapan, lan kualitas data kritis kanggo nanggepi."
- Sampah mlebu, sampah metu; pengawas kutha nemokake pola ngganggu kualitas data sing ora bisa dipercaya - "Laporan anyar saka akting inspektur jenderal [Chicago] ujar" masalah kualitas data "ngaruhi "obyektifitas, sarana lan integritas" informasi sing digunakake kanggo ngalokasi sumber daya, ngukur kinerja karyawan lan ngawasi macem-macem program.
- GAO nemokake masalah kualitas data sajrone peluncuran EHR VA - "VA ora njamin kualitas data migrasi menyang sistem EHR Cerner sing anyar."
Ing sawetara cara - malah nganti dekade katelu Business Intelligence - entuk lan njaga kualitas data malah luwih angel. Sawetara tantangan sing nyumbang kanggo perjuangan terus-terusan njaga kualitas data kalebu:
- Penggabungan lan akuisisi sing nyoba nggabungake sistem, proses, alat lan data sing beda-beda saka macem-macem entitas.
- Silo internal data tanpa standar kanggo nyelarasake integrasi data.
- Panyimpenan sing murah wis nggawe panangkepan lan penylametan data sing akeh banget. Kita njupuk data luwih akeh tinimbang sing bisa dianalisis.
- Kerumitan sistem data saya tambah akeh. Ana luwih akeh titik kontak antarane sistem rekaman ing ngendi data dilebokake lan titik konsumsi, apa sing dadi gudang data utawa awan.
Apa aspek data sing kita omongake? Apa sifat data sing nyumbang kanggo kualitase? Ana enem unsur sing nyumbang kanggo kualitas data. Saben iki kabeh disiplin. 
- Timeliness
- Data siap lan bisa digunakake nalika dibutuhake.
- Data kasedhiya kanggo nglaporake pungkasan sasi ing minggu pisanan sasi sabanjure, contone.
- Validity
- Data kasebut nduweni jinis data sing bener ing basis data. Teks minangka teks, tanggal minangka tanggal lan nomer minangka nomer.
- Nilai ana ing kisaran samesthine. Contone, nalika 212 derajat fahrenheit minangka suhu sing bisa diukur nyata, iku dudu nilai sing bener kanggo suhu manungsa.
- Nilai duwe format sing bener. 1.000000 ora padha karo 1.
- Konsistensi
- Data kasebut konsisten sacara internal
- Ora ana duplikat cathetan
- Integritas
- Hubungan antarane tabel bisa dipercaya.
- Ora sengaja diganti. Nilai bisa dilacak saka asal-usule.
- Lengkap
- Ora ana "bolongan" ing data kasebut. Kabeh unsur rekaman nduweni nilai.
- Ora ana nilai NULL.
- akurasi
- Data ing lingkungan pelaporan utawa analitik - gudang data, apa ing prem utawa awan - nggambarake sistem sumber, utawa sistem utawa rekaman
- Data saka sumber sing bisa diverifikasi.
Dadi, kita setuju manawa tantangan kualitas data wis lawas kaya data dhewe, masalah kasebut ana ing endi wae lan penting kanggo diatasi. Dadi, apa sing kudu ditindakake? Coba program kualitas data minangka proyek jangka panjang lan ora ana pungkasan.
Kualitas data kanthi cetha nggambarake kanthi akurat data kasebut nggambarake kasunyatan. Kanggo jujur, sawetara data luwih penting tinimbang data liyane. Ngerti data apa sing penting kanggo keputusan bisnis sing solid lan sukses organisasi. Mulai ana. Fokus ing data kasebut.
Minangka Data Quality 101, artikel iki minangka introduksi tingkat Freshman kanggo topik: sejarah, acara saiki, tantangan, kenapa masalah lan ringkesan tingkat dhuwur babagan cara ngatasi kualitas data ing organisasi. Ayo kita ngerti yen sampeyan kasengsem ndeleng luwih jero babagan topik kasebut ing artikel tingkat 200 utawa tingkat pascasarjana. Yen mangkono, kita bakal nyilem luwih jero babagan spesifik ing wulan-wulan sing bakal teka.
