ທົດລອງ
ເມື່ອໃດທີ່ພວກເຮົາເຫັນຂໍ້ມູນທໍາອິດ?
- ກາງສະຕະວັດທີ XNUMX
- ໃນຖານະເປັນຜູ້ສືບທອດຂອງ Vulcan, Spock
- 18,000 ກ່ອນຄ. ສ
- ໃຜຈະຮູ້?
ເທົ່າທີ່ພວກເຮົາສາມາດເຂົ້າໄປໃນປະຫວັດສາດທີ່ຄົ້ນພົບ, ພວກເຮົາພົບເຫັນມະນຸດໂດຍໃຊ້ຂໍ້ມູນ. ຫນ້າສົນໃຈ, ຂໍ້ມູນແມ່ນນໍາຫນ້າຕົວເລກທີ່ຂຽນ. ບາງຕົວຢ່າງຕົ້ນໆຂອງການເກັບຮັກສາຂໍ້ມູນແມ່ນມາຈາກປະມານ 18,000 BC ທີ່ບັນພະບຸລຸດຂອງພວກເຮົາໃນທະວີບອາຟຣິກາໄດ້ໃຊ້ເຄື່ອງຫມາຍໃສ່ໄມ້ເປັນຮູບແບບຂອງການຮັກສາບັນຊີ. ຄໍາຕອບ 2 ແລະ 4 ຈະຖືກຍອມຮັບເຊັ່ນກັນ. ມັນແມ່ນກາງສະຕະວັດທີ 21, ເຖິງແມ່ນວ່າ, ໃນເວລາທີ່ Business Intelligence ໄດ້ຖືກກໍານົດທໍາອິດທີ່ພວກເຮົາເຂົ້າໃຈມັນໃນມື້ນີ້. BI ບໍ່ໄດ້ແຜ່ລາມໄປຈົນເຖິງເກືອບລ້ຽວຂອງສະຕະວັດທີ XNUMX.
ຜົນປະໂຫຍດຂອງຄຸນນະພາບຂໍ້ມູນແມ່ນຈະແຈ້ງ.
- ຄວາມໄວ້ວາງໃຈ. ຜູ້ໃຊ້ຈະເຊື່ອຖືຂໍ້ມູນໄດ້ດີຂຶ້ນ. “ຜູ້ບໍລິຫານ 75% ບໍ່ເຊື່ອຂໍ້ມູນຂອງເຂົາເຈົ້າ"
- ການຕັດສິນໃຈທີ່ດີກວ່າ. ທ່ານຈະສາມາດໃຊ້ການວິເຄາະຕໍ່ກັບຂໍ້ມູນເພື່ອເຮັດການຕັດສິນໃຈທີ່ສະຫຼາດຂຶ້ນ. ຄຸນນະພາບຂອງຂໍ້ມູນ ແມ່ນໜຶ່ງໃນສອງສິ່ງທ້າທາຍໃຫຍ່ທີ່ສຸດທີ່ກຳລັງປະເຊີນໜ້າກັບອົງການຈັດຕັ້ງທີ່ນຳໃຊ້ AI. (ອີກອັນໜຶ່ງແມ່ນຊຸດທັກສະພະນັກງານ.)
- ຂໍ້ໄດ້ປຽບດ້ານການແຂ່ງຂັນ. ຄຸນນະພາບຂອງຂໍ້ມູນມີຜົນກະທົບປະສິດທິພາບການປະຕິບັດການ, ການບໍລິການລູກຄ້າ, ການຕະຫຼາດແລະບັນດາເສັ້ນທາງລຸ່ມ - ລາຍຮັບ.
- ຄວາມສໍາເລັດ. ຄຸນນະພາບຂໍ້ມູນແມ່ນເຊື່ອມໂຍງຢ່າງໃຫຍ່ຫຼວງກັບທຸລະກິດ ຄວາມສໍາເລັດ.
6 ອົງປະກອບຫຼັກຂອງຄຸນນະພາບຂໍ້ມູນ
ຖ້າທ່ານບໍ່ສາມາດໄວ້ວາງໃຈຂໍ້ມູນຂອງທ່ານໄດ້, ທ່ານຈະເຄົາລົບຄໍາແນະນໍາຂອງມັນໄດ້ແນວໃດ?
ໃນມື້ນີ້, ຄຸນນະພາບຂອງຂໍ້ມູນແມ່ນສໍາຄັນຕໍ່ຄວາມຖືກຕ້ອງຂອງການຕັດສິນໃຈທີ່ທຸລະກິດເຮັດດ້ວຍເຄື່ອງມື BI, ການວິເຄາະ, ການຮຽນຮູ້ເຄື່ອງຈັກ, ແລະປັນຍາປະດິດ. ທີ່ງ່າຍທີ່ສຸດ, ຄຸນນະພາບຂໍ້ມູນແມ່ນຂໍ້ມູນທີ່ຖືກຕ້ອງ ແລະຄົບຖ້ວນ. ທ່ານອາດຈະໄດ້ເຫັນບັນຫາຂອງຄຸນນະພາບຂໍ້ມູນຢູ່ໃນຫົວຂໍ້ຂ່າວ:
- ການປັບປຸງຂໍ້ມູນ COVID-19 ຂອງ CDC - "ໃນໄລຍະການແຜ່ລະບາດຂອງພະຍາດ, CDC ໄດ້ປັບປຸງຄວາມທັນເວລາ, ຄວາມສົມບູນ, ແລະຄຸນນະພາບຂອງຂໍ້ມູນທີ່ສໍາຄັນສໍາລັບການຕອບສະຫນອງ."
- ຂີ້ເຫຍື້ອໃນ, ຂີ້ເຫຍື້ອອອກ; ເຝົ້າຍາມເມືອງພົບເຫັນຮູບແບບທີ່ມີບັນຫາກ່ຽວກັບຄຸນນະພາບຂໍ້ມູນທີ່ບໍ່ໜ້າເຊື່ອຖື - "ບົດລາຍງານໃຫມ່ຈາກ [Chicago] ຜູ້ກວດກາທົ່ວໄປກ່າວວ່າ "ບັນຫາຄຸນນະພາບຂໍ້ມູນ" ມີຜົນກະທົບຕໍ່ "ຈຸດປະສົງ, ຜົນປະໂຫຍດແລະຄວາມຊື່ສັດ" ຂອງຂໍ້ມູນທີ່ໃຊ້ໃນການຈັດສັນຊັບພະຍາກອນ, ການວັດແທກການປະຕິບັດຂອງພະນັກງານແລະຕິດຕາມໂຄງການຕ່າງໆ."
- GAO ພົບເຫັນບັນຫາຄຸນນະພາບຂໍ້ມູນໃນລະຫວ່າງການເປີດຕົວ EHR ຂອງ VA - "VA ບໍ່ໄດ້ຮັບປະກັນຄຸນນະພາບຂອງຂໍ້ມູນທີ່ຍ້າຍໄປສູ່ລະບົບ Cerner EHR ໃໝ່."
ໃນບາງທາງ - ເຖິງແມ່ນວ່າດີໃນທົດສະວັດທີສາມຂອງ Business Intelligence - ການບັນລຸແລະຮັກສາຄຸນນະພາບຂອງຂໍ້ມູນແມ່ນມີຄວາມຫຍຸ້ງຍາກຫຼາຍ. ບາງສິ່ງທ້າທາຍທີ່ປະກອບສ່ວນເຂົ້າໃນການຕໍ່ສູ້ຢ່າງຕໍ່ເນື່ອງຂອງການຮັກສາຄຸນນະພາບຂໍ້ມູນປະກອບມີ:
- ການລວມຕົວແລະການຊື້ກິດຈະການທີ່ພະຍາຍາມນໍາເອົາລະບົບ, ຂະບວນການ, ເຄື່ອງມືແລະຂໍ້ມູນທີ່ແຕກຕ່າງກັນມາຮ່ວມກັນ.
- silos ພາຍໃນຂອງຂໍ້ມູນທີ່ບໍ່ມີມາດຕະຖານເພື່ອ reconcile ການເຊື່ອມໂຍງຂອງຂໍ້ມູນ.
- ການເກັບຮັກສາລາຄາຖືກໄດ້ເຮັດໃຫ້ການຈັບພາບແລະການເກັບຮັກສາຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍງ່າຍຂຶ້ນ. ພວກເຮົາເກັບກໍາຂໍ້ມູນຫຼາຍກ່ວາພວກເຮົາສາມາດວິເຄາະ.
- ຄວາມສັບສົນຂອງລະບົບຂໍ້ມູນໄດ້ເຕີບໃຫຍ່ຂຶ້ນ. ມີຈຸດສໍາພັດຫຼາຍຂຶ້ນລະຫວ່າງລະບົບບັນທຶກບ່ອນທີ່ຂໍ້ມູນຖືກເຂົ້າແລະຈຸດບໍລິໂພກ, ບໍ່ວ່າຈະເປັນຄັງຂໍ້ມູນຫຼືເມຄ.
ພວກເຮົາເວົ້າກ່ຽວກັບຂໍ້ມູນດ້ານໃດແດ່? ຄຸນສົມບັດໃດແດ່ຂອງຂໍ້ມູນປະກອບສ່ວນຕໍ່ຄຸນນະພາບຂອງມັນ? ມີຫົກອົງປະກອບທີ່ປະກອບສ່ວນເຂົ້າໃນຄຸນນະພາບຂໍ້ມູນ. ແຕ່ລະອັນນີ້ແມ່ນວິໄນທັງໝົດ.
- ກົງເວລາ
- ຂໍ້ມູນແມ່ນພ້ອມທີ່ຈະນໍາໃຊ້ໃນເວລາທີ່ມັນຈໍາເປັນ.
- ຂໍ້ມູນແມ່ນມີຢູ່ໃນການລາຍງານທ້າຍເດືອນພາຍໃນອາທິດທໍາອິດຂອງເດືອນຕໍ່ໄປ, ຕົວຢ່າງ.
- ຄວາມຖືກຕ້ອງ
- ຂໍ້ມູນມີປະເພດຂໍ້ມູນທີ່ຖືກຕ້ອງໃນຖານຂໍ້ມູນ. ຂໍ້ຄວາມແມ່ນຂໍ້ຄວາມ, ວັນທີແມ່ນວັນທີແລະຕົວເລກແມ່ນຕົວເລກ.
- ຄ່າຢູ່ໃນຂອບເຂດທີ່ຄາດໄວ້. ສໍາລັບຕົວຢ່າງ, ໃນຂະນະທີ່ 212 ອົງສາຟາເຣນຮາຍເປັນອຸນຫະພູມທີ່ສາມາດວັດແທກໄດ້, ມັນບໍ່ແມ່ນຄ່າທີ່ຖືກຕ້ອງສໍາລັບອຸນຫະພູມຂອງມະນຸດ.
- ຄ່າມີຮູບແບບທີ່ຖືກຕ້ອງ. 1.000000 ບໍ່ມີຄວາມໝາຍຄືກັບ 1.
- ຄວາມສອດຄ່ອງ
- ຂໍ້ມູນແມ່ນສອດຄ່ອງພາຍໃນ
- ບໍ່ມີການບັນທຶກຊໍ້າກັນ
- ຄວາມສົມບູນ
- ການພົວພັນລະຫວ່າງຕາຕະລາງແມ່ນມີຄວາມຫນ້າເຊື່ອຖື.
- ມັນບໍ່ໄດ້ມີການປ່ຽນແປງໂດຍບໍ່ໄດ້ຕັ້ງໃຈ. ຄຸນຄ່າສາມາດຕິດຕາມໄດ້ກັບຕົ້ນກໍາເນີດຂອງມັນ.
- Completeness
- ບໍ່ມີ "ຮູ" ໃນຂໍ້ມູນ. ອົງປະກອບທັງໝົດຂອງບັນທຶກມີຄ່າ.
- ບໍ່ມີຄ່າ NULL.
- ຄວາມຖືກຕ້ອງ
- ຂໍ້ມູນໃນສະພາບແວດລ້ອມການລາຍງານຫຼືການວິເຄາະ - ຄັງຂໍ້ມູນ, ບໍ່ວ່າຈະເປັນໃນ prem ຫຼືໃນຟັງ - ສະທ້ອນໃຫ້ເຫັນລະບົບແຫຼ່ງຂໍ້ມູນ, ຫຼືລະບົບຫຼືການບັນທຶກ
- ຂໍ້ມູນມາຈາກແຫຼ່ງທີ່ຢັ້ງຢືນໄດ້.
ດັ່ງນັ້ນ, ພວກເຮົາຕົກລົງເຫັນດີວ່າສິ່ງທ້າທາຍຂອງຄຸນນະພາບຂໍ້ມູນແມ່ນອາຍຸເທົ່າກັບຂໍ້ມູນຕົວມັນເອງ, ບັນຫາແມ່ນຢູ່ທົ່ວທຸກແຫ່ງແລະສໍາຄັນທີ່ຈະແກ້ໄຂ. ດັ່ງນັ້ນ, ພວກເຮົາຈະເຮັດແນວໃດກ່ຽວກັບມັນ? ພິຈາລະນາໂຄງການຄຸນນະພາບຂໍ້ມູນຂອງທ່ານເປັນໂຄງການໄລຍະຍາວ, ບໍ່ມີວັນສິ້ນສຸດ.
ຄຸນນະພາບຂອງຂໍ້ມູນຢ່າງໃກ້ຊິດສະແດງໃຫ້ເຫັນເຖິງຄວາມຖືກຕ້ອງຂອງຂໍ້ມູນທີ່ສະແດງເຖິງຄວາມເປັນຈິງ. ເພື່ອຄວາມຊື່ສັດ, ບາງຂໍ້ມູນມີຄວາມສໍາຄັນກວ່າຂໍ້ມູນອື່ນໆ. ຮູ້ວ່າຂໍ້ມູນໃດທີ່ສໍາຄັນຕໍ່ການຕັດສິນໃຈທຸລະກິດທີ່ແຂງແກ່ນແລະຄວາມສໍາເລັດຂອງອົງການຈັດຕັ້ງ. ເລີ່ມຕົ້ນຢູ່ທີ່ນັ້ນ. ສຸມໃສ່ຂໍ້ມູນນັ້ນ.
ໃນຖານະເປັນຄຸນນະພາບຂໍ້ມູນ 101, ບົດຄວາມນີ້ເປັນການແນະນໍາລະດັບ Freshman ໃນຫົວຂໍ້: ປະຫວັດສາດ, ເຫດການໃນປະຈຸບັນ, ສິ່ງທ້າທາຍ, ເປັນຫຍັງມັນເປັນບັນຫາແລະພາບລວມລະດັບສູງຂອງວິທີການແກ້ໄຂຄຸນນະພາບຂໍ້ມູນພາຍໃນອົງການຈັດຕັ້ງ. ແຈ້ງໃຫ້ພວກເຮົາຮູ້ວ່າທ່ານມີຄວາມສົນໃຈໃນການພິຈາລະນາຢ່າງເລິກເຊິ່ງກ່ຽວກັບຫົວຂໍ້ໃດຫນຶ່ງເຫຼົ່ານີ້ຢູ່ໃນບົດຄວາມລະດັບ 200 ຫຼືລະດັບປະລິນຍາຕີ. ຖ້າເປັນດັ່ງນັ້ນ, ພວກເຮົາຈະລົງເລິກເຂົ້າໄປໃນຈຸດສະເພາະໃນເດືອນຂ້າງຫນ້າ.