សំណួរ
តើយើងឃើញទិន្នន័យដំបូងនៅពេលណា?
- ពាក់កណ្តាលសតវត្សទី XX
- ក្នុងនាមជាអ្នកស្នងតំណែងរបស់ Vulcan, Spock
- 18,000 BC
- តើនរណាដឹង?
តាមដែលយើងអាចចូលទៅក្នុងប្រវត្តិសាស្ត្រដែលបានរកឃើញ យើងរកឃើញមនុស្សដោយប្រើទិន្នន័យ។ គួរឱ្យចាប់អារម្មណ៍ទិន្នន័យសូម្បីតែមុនលេខដែលបានសរសេរ។ ឧទាហរណ៍ដំបូងបំផុតមួយចំនួននៃការរក្សាទុកទិន្នន័យគឺចាប់ពីប្រហែល 18,000 មុនគ.ស ដែលបុព្វបុរសរបស់យើងនៅទ្វីបអាហ្រ្វិកបានប្រើសញ្ញាសម្គាល់នៅលើដំបងជាទម្រង់នៃការរក្សាទុកសៀវភៅ។ ចម្លើយទី 2 និងទី 4 ក៏នឹងត្រូវបានទទួលយកផងដែរ។ វាគឺពាក់កណ្តាលសតវត្សទី 21 ប៉ុន្តែនៅពេលដែល Business Intelligence ត្រូវបានកំណត់ជាលើកដំបូង ដូចដែលយើងយល់វាសព្វថ្ងៃនេះ។ BI មិនបានរីករាលដាលរហូតដល់ជិតដល់វេននៃសតវត្សទី XNUMX ។
អត្ថប្រយោជន៍នៃគុណភាពទិន្នន័យគឺជាក់ស្តែង។
- ការជឿទុកចិត្ត. អ្នកប្រើប្រាស់នឹងជឿជាក់លើទិន្នន័យកាន់តែប្រសើរ។ “75% នៃនាយកប្រតិបត្តិមិនជឿទុកចិត្តលើទិន្នន័យរបស់ពួកគេ។"
- ការសម្រេចចិត្តកាន់តែប្រសើរ. អ្នកនឹងអាចប្រើការវិភាគប្រឆាំងនឹងទិន្នន័យដើម្បីធ្វើការសម្រេចចិត្តកាន់តែឆ្លាតវៃ។ គុណភាពទិន្នន័យ គឺជាបញ្ហាមួយក្នុងចំណោមបញ្ហាប្រឈមដ៏ធំបំផុតពីរដែលអង្គការកំពុងប្រឈមមុខនឹងការទទួលយក AI ។ (មួយផ្សេងទៀតជាសំណុំជំនាញបុគ្គលិក។ )
- គុណសម្បត្តិប្រកួតប្រជែង។ គុណភាពនៃទិន្នន័យប៉ះពាល់ដល់ប្រសិទ្ធភាពប្រតិបត្តិការ សេវាកម្មអតិថិជន ទីផ្សារ និងបន្ទាត់ខាងក្រោម - ប្រាក់ចំណូល។
- ភាពជោគជ័យ. គុណភាពទិន្នន័យត្រូវបានភ្ជាប់យ៉ាងខ្លាំងទៅនឹងអាជីវកម្ម ភាពជោគជ័យ.
6 ធាតុសំខាន់នៃគុណភាពទិន្នន័យ
ប្រសិនបើអ្នកមិនអាចជឿទុកចិត្តលើទិន្នន័យរបស់អ្នក តើអ្នកអាចគោរពដំបូន្មានរបស់វាដោយរបៀបណា?
សព្វថ្ងៃនេះ គុណភាពនៃទិន្នន័យមានសារៈសំខាន់ចំពោះសុពលភាពនៃការសម្រេចចិត្តដែលអាជីវកម្មធ្វើដោយប្រើឧបករណ៍ BI ការវិភាគ ការរៀនម៉ាស៊ីន និងបញ្ញាសិប្បនិម្មិត។ នៅសាមញ្ញបំផុត គុណភាពទិន្នន័យគឺជាទិន្នន័យដែលមានសុពលភាព និងពេញលេញ។ អ្នកប្រហែលជាបានឃើញបញ្ហានៃគុណភាពទិន្នន័យនៅក្នុងចំណងជើង៖
- ការកែលម្អទិន្នន័យ COVID-19 របស់ CDC - "ក្នុងអំឡុងពេលនៃជំងឺរាតត្បាតនេះ CDC បាននឹងកំពុងធ្វើឱ្យប្រសើរឡើងនូវភាពទាន់ពេលវេលា ភាពពេញលេញ និងគុណភាពនៃទិន្នន័យសំខាន់ៗសម្រាប់ការឆ្លើយតប។"
- សំរាមចូល, សម្រាមចេញ; អ្នកឃ្លាំមើលទីក្រុងរកឃើញគំរូបញ្ហានៃគុណភាពទិន្នន័យដែលមិនគួរឱ្យទុកចិត្ត - "របាយការណ៍ថ្មីមួយពីអគ្គអធិការស្តីទី [Chicago] និយាយថា "បញ្ហាគុណភាពទិន្នន័យ" ប៉ះពាល់ដល់ "វត្ថុបំណង ប្រយោជន៍ និងសុចរិតភាព" នៃព័ត៌មានដែលប្រើដើម្បីបែងចែកធនធាន វាស់ស្ទង់ការអនុវត្តបុគ្គលិក និងតាមដានកម្មវិធីមួយចំនួន។
- GAO រកឃើញបញ្ហាគុណភាពទិន្នន័យអំឡុងពេលការដាក់ឱ្យប្រើ EHR របស់ VA - "VA មិនបានធានានូវគុណភាពនៃទិន្នន័យដែលបានផ្លាស់ប្តូរទៅប្រព័ន្ធ Cerner EHR ថ្មីរបស់វានោះទេ។"
នៅក្នុងវិធីមួយចំនួន - សូម្បីតែល្អនៅក្នុងទសវត្សរ៍ទី XNUMX នៃ Business Intelligence - ការសម្រេចបាន និងរក្សាគុណភាពទិន្នន័យគឺកាន់តែពិបាក។ បញ្ហាប្រឈមមួយចំនួនដែលរួមចំណែកដល់ការតស៊ូឥតឈប់ឈរនៃការរក្សាគុណភាពទិន្នន័យរួមមាន:
- ការរួមបញ្ចូលគ្នា និងការទិញយកដែលព្យាយាមប្រមូលផ្តុំនូវប្រព័ន្ធ ដំណើរការ ឧបករណ៍ និងទិន្នន័យដែលមិនស្មើគ្នាពីអង្គភាពជាច្រើន។
- ស៊ីឡូខាងក្នុងនៃទិន្នន័យដោយគ្មានស្តង់ដារដើម្បីផ្សះផ្សាការរួមបញ្ចូលទិន្នន័យ។
- ការផ្ទុកតម្លៃថោកបានធ្វើឱ្យការចាប់យក និងរក្សាទុកទិន្នន័យដ៏ច្រើនមានភាពងាយស្រួលជាងមុន។ យើងចាប់យកទិន្នន័យច្រើនជាងយើងអាចវិភាគបាន។
- ភាពស្មុគស្មាញនៃប្រព័ន្ធទិន្នន័យបានកើនឡើង។ មានចំណុចប្រទាក់កាន់តែច្រើនរវាងប្រព័ន្ធកត់ត្រាដែលទិន្នន័យត្រូវបានបញ្ចូល និងចំណុចនៃការប្រើប្រាស់ មិនថាជាឃ្លាំងទិន្នន័យ ឬពពកនោះទេ។
តើយើងកំពុងនិយាយអំពីទិដ្ឋភាពអ្វីខ្លះនៃទិន្នន័យ? តើទិន្នន័យអ្វីខ្លះដែលរួមចំណែកដល់គុណភាពរបស់វា? មានធាតុប្រាំមួយ ដែលរួមចំណែកដល់គុណភាពទិន្នន័យ។ ទាំងនេះគឺជាវិញ្ញាសាទាំងមូល។
- ភាពទាន់ពេលវេលា។
- ទិន្នន័យរួចរាល់ និងអាចប្រើប្រាស់បាននៅពេលដែលវាត្រូវការ។
- ឧទាហរណ៍ ទិន្នន័យនេះអាចរកបានសម្រាប់ការរាយការណ៍ចុងខែក្នុងសប្តាហ៍ដំបូងនៃខែបន្ទាប់។
- សុពលភាព
- ទិន្នន័យមានប្រភេទទិន្នន័យត្រឹមត្រូវនៅក្នុងមូលដ្ឋានទិន្នន័យ។ អត្ថបទគឺជាអត្ថបទ កាលបរិច្ឆេទគឺជាកាលបរិច្ឆេទ ហើយលេខគឺជាលេខ។
- តម្លៃស្ថិតនៅក្នុងជួរដែលរំពឹងទុក។ ជាឧទាហរណ៍ ខណៈពេលដែល 212 ដឺក្រេហ្វារិនហៃ គឺជាសីតុណ្ហភាពដែលអាចវាស់បានពិតប្រាកដ វាមិនមែនជាតម្លៃត្រឹមត្រូវសម្រាប់សីតុណ្ហភាពរបស់មនុស្សនោះទេ។
- តម្លៃមានទម្រង់ត្រឹមត្រូវ។ 1.000000 មិនមានអត្ថន័យដូច 1.
- ភាពស្របគ្នា
- ទិន្នន័យមានភាពស៊ីសង្វាក់គ្នាខាងក្នុង
- មិនមានកំណត់ត្រាស្ទួនទេ។
- សុចរិតភាព
- ទំនាក់ទំនងរវាងតុគឺអាចទុកចិត្តបាន។
- វាមិនត្រូវបានផ្លាស់ប្តូរដោយអចេតនាទេ។ តម្លៃអាចត្រូវបានតាមដានពីប្រភពដើមរបស់វា។
- ភាពពេញលេញ
- មិនមាន "រន្ធ" នៅក្នុងទិន្នន័យទេ។ ធាតុទាំងអស់នៃកំណត់ត្រាមានតម្លៃ។
- មិនមានតម្លៃ NULL ទេ។
- ភាពត្រឹមត្រូវ
- ទិន្នន័យនៅក្នុងបរិយាកាសរាយការណ៍ ឬវិភាគ – ឃ្លាំងទិន្នន័យ មិនថានៅលើ prem ឬនៅក្នុងពពក – ឆ្លុះបញ្ចាំងពីប្រព័ន្ធប្រភព ឬប្រព័ន្ធ ឬកំណត់ត្រា
- ទិន្នន័យគឺមកពីប្រភពដែលអាចផ្ទៀងផ្ទាត់បាន។
ដូច្នេះហើយ យើងយល់ស្របថា បញ្ហាប្រឈមនៃគុណភាពទិន្នន័យគឺចាស់ដូចទិន្នន័យខ្លួនឯង បញ្ហាគឺនៅគ្រប់ទីកន្លែង និងសំខាន់ក្នុងការដោះស្រាយ។ ដូច្នេះតើយើងធ្វើអ្វីអំពីវា? ពិចារណាកម្មវិធីគុណភាពទិន្នន័យរបស់អ្នកជាគម្រោងរយៈពេលវែង មិនចេះចប់។
គុណភាពនៃទិន្នន័យបង្ហាញយ៉ាងជិតស្និទ្ធអំពីរបៀបដែលទិន្នន័យនោះតំណាងឱ្យការពិត។ និយាយឱ្យត្រង់ទៅ ទិន្នន័យខ្លះមានសារៈសំខាន់ជាងទិន្នន័យផ្សេងទៀត។ ដឹងពីទិន្នន័យណាដែលមានសារៈសំខាន់ចំពោះការសម្រេចចិត្តអាជីវកម្មដ៏រឹងមាំ និងភាពជោគជ័យរបស់អង្គការ។ ចាប់ផ្តើមនៅទីនោះ។ ផ្តោតលើទិន្នន័យនោះ។
ក្នុងនាមជាគុណភាពទិន្នន័យ 101 អត្ថបទនេះគឺជាការណែនាំកម្រិត Freshman លើប្រធានបទ៖ ប្រវត្តិ ព្រឹត្តិការណ៍បច្ចុប្បន្ន បញ្ហាប្រឈម មូលហេតុដែលវាជាបញ្ហា និងទិដ្ឋភាពទូទៅកម្រិតខ្ពស់អំពីរបៀបដោះស្រាយគុណភាពទិន្នន័យនៅក្នុងស្ថាប័នមួយ។ អនុញ្ញាតឱ្យពួកយើងដឹង ប្រសិនបើអ្នកចាប់អារម្មណ៍ក្នុងការពិនិត្យមើលឱ្យកាន់តែស៊ីជម្រៅទៅលើប្រធានបទណាមួយនៅក្នុងអត្ថបទកម្រិត 200 ឬកម្រិតបញ្ចប់ការសិក្សា។ បើដូច្នេះមែន យើងនឹងស្វែងយល់ឱ្យកាន់តែស៊ីជម្រៅទៅលើចំណុចជាក់លាក់នៅក្នុងប៉ុន្មានខែខាងមុខនេះ។