Erzinimai

Kada pirmą kartą pamatėme duomenis?

1. XX amžiaus vidurys
2. Kaip Vulkano įpėdinis, Spockas
3. 18,000 BC
4. Kas žino?  

Kiek galime grįžti į atrastą istoriją, mes randame žmones naudojant duomenis. Įdomu tai, kad duomenys netgi yra prieš užrašytus skaičius. Kai kurie ankstyviausi duomenų saugojimo pavyzdžiai yra maždaug 18,000 2 m. pr. Kr., kai mūsų protėviai Afrikos žemyne ​​naudojo žymes ant pagaliukų kaip apskaitos formą. Taip pat bus priimti 4 ir 21 atsakymai. Tačiau tai buvo XX amžiaus vidurys, kai verslo žvalgyba pirmą kartą buvo apibrėžta taip, kaip mes ją suprantame šiandien. BI išplito beveik iki XXI amžiaus pradžios.

Duomenų kokybės pranašumai yra akivaizdūs. 

• Pasitikėkite. Vartotojai labiau pasitikės duomenimis. “75 % vadovų nepasitiki savo duomenimis"
• Geresni sprendimai. Galėsite naudoti duomenų analizę, kad priimtumėte protingesnius sprendimus.  Duomenų kokybė yra vienas iš dviejų didžiausių iššūkių, su kuriais susiduria organizacijos, taikančios AI. (Kitas yra personalo įgūdžių rinkinys.)
• Konkurencinis pranašumas.  Duomenų kokybė turi įtakos veiklos efektyvumui, klientų aptarnavimui, rinkodarai ir pagrindinei linijai – pajamoms.
• Sėkmė. Duomenų kokybė labai susijusi su verslu sėkmė.

6 pagrindiniai duomenų kokybės elementai

Jei negalite pasitikėti savo duomenimis, kaip galite gerbti jų patarimus?

Šiandien duomenų kokybė yra labai svarbi sprendimų, kuriuos įmonės priima naudodamos BI įrankius, analizę, mašininį mokymąsi ir dirbtinį intelektą, pagrįstumą. Paprasčiausiai duomenų kokybė yra tinkami ir išsamūs duomenys. Galbūt matėte duomenų kokybės problemas antraštėse:

• CDC COVID-19 duomenų tobulinimas – „Per pandemiją CDC gerino svarbių duomenų savalaikiškumą, išsamumą ir kokybę.
• Šiukšlės į, šiukšlės išvežamos; Miesto sergėtojas nustato nerimą keliantį nepatikimos duomenų kokybės modelį – Naujoje [Čikagos] laikinai einančio generalinio inspektoriaus ataskaitoje teigiama, kad „duomenų kokybės problemos“ turi įtakos informacijos, naudojamos paskirstant išteklius, matuojant darbuotojų veiklą ir stebint daugybę programų, „objektyvumą, naudingumą ir vientisumą“.
• GAO randa duomenų kokybės problemų, kai VA išleidžia EHR – „VA neužtikrino duomenų, perkeltų į naująją Cerner EHR sistemą, kokybės.

Tam tikrais atžvilgiais – net praėjus trečiajam verslo žvalgybos dešimtmečiui – pasiekti ir išlaikyti duomenų kokybę yra dar sunkiau. Kai kurie iššūkiai, prisidedantys prie nuolatinės kovos dėl duomenų kokybės išlaikymo, yra šie:

• Susijungimai ir įsigijimai, kuriais bandoma sujungti skirtingas sistemas, procesus, įrankius ir duomenis iš kelių subjektų. 
• Vidiniai duomenų kaupikliai be standartų suderinti duomenų integravimą.            
• Dėl pigios saugyklos buvo lengviau užfiksuoti ir išsaugoti didelius duomenų kiekius. Surenkame daugiau duomenų, nei galime išanalizuoti.
• Duomenų sistemų sudėtingumas išaugo. Yra daugiau sąlyčio taškų tarp įrašymo sistemos, kurioje įvedami duomenys, ir vartojimo vietos, nesvarbu, ar tai būtų duomenų saugykla, ar debesis.

Apie kokius duomenų aspektus mes kalbame? Kokios duomenų savybės prisideda prie jų kokybės? Yra šeši elementai, kurie prisideda prie duomenų kokybės. Kiekviena iš jų yra ištisos disciplinos. 

• savalaikiškumas
  • Duomenys yra paruošti ir naudojami, kai jų reikia.
  • Duomenis galima gauti, pavyzdžiui, mėnesio pabaigos ataskaitoms per pirmąją kito mėnesio savaitę.
• Galiojimas
  • Duomenys turi teisingą duomenų tipą duomenų bazėje. Tekstas yra tekstas, datos yra datos, o skaičiai yra skaičiai.
  • Vertės atitinka numatytus intervalus. Pavyzdžiui, nors 212 laipsnių pagal Farenheitą yra tikroji išmatuojama temperatūra, ji negalioja žmogaus temperatūrai.  
  • Vertės turi tinkamą formatą. 1.000000 1 XNUMX neturi tos pačios reikšmės kaip XNUMX.
• nuoseklumas
  • Duomenys yra nuoseklūs viduje
  • Įrašų dublikatų nėra
• Vientisumas
  • Ryšiai tarp lentelių yra patikimi.
  • Jis netyčia keičiamas. Vertybės gali būti siejamos su jų kilme. 
• Visiškumas
  • Duomenų „skylių“ nėra. Visi įrašo elementai turi vertes.  
  • Nėra NULL verčių.
• tikslumas
  • Duomenys ataskaitų teikimo arba analizės aplinkoje – duomenų saugykloje, tiek vietoje, tiek debesyje – atspindi šaltinio sistemas, sistemas arba įrašą.
  • Duomenys yra iš patikrinamų šaltinių.

Taigi sutinkame, kad duomenų kokybės iššūkis yra toks pat senas kaip ir patys duomenys, problema yra visur ir ją būtina išspręsti. Taigi, ką su tuo daryti? Apsvarstykite savo duomenų kokybės programą kaip ilgalaikį, nesibaigiantį projektą.  

Duomenų kokybė tiksliai parodo, kaip tiksliai tie duomenys atspindi tikrovę. Tiesą sakant, kai kurie duomenys yra svarbesni už kitus. Žinokite, kokie duomenys yra svarbūs tvirtiems verslo sprendimams ir organizacijos sėkmei. Pradėkite ten. Sutelkite dėmesį į tuos duomenis.  

Duomenų kokybė 101, šis straipsnis yra pirmakursio lygio įvadas į temą: istoriją, dabartinius įvykius, iššūkius, kodėl tai yra problema ir aukšto lygio apžvalga, kaip užtikrinti duomenų kokybę organizacijoje. Praneškite mums, jei norite giliau pažvelgti į bet kurią iš šių temų 200 lygių arba absolventų straipsnyje. Jei taip, artimiausiais mėnesiais pasinersime į specifiką.