टीजरहरू
हामीले पहिलो पटक डाटा कहिले देख्यौं?
- बीसौं शताब्दीको मध्य
- Vulcan, Spock को उत्तराधिकारीको रूपमा
- 18,000 बीसी
- कसलाई थाँहा छ?
जहाँसम्म हामी पत्ता लगाइएको इतिहासमा जान सक्छौं हामी डेटा प्रयोग गरेर मानिसहरूलाई फेला पार्छौं। चाखलाग्दो कुरा के छ भने, डाटा पनि लिखित संख्याहरू अघि। डाटा भण्डारण गर्ने केही प्रारम्भिक उदाहरणहरू लगभग 18,000 ईसा पूर्वको हो जहाँ अफ्रिकी महाद्वीपमा हाम्रा पुर्खाहरूले बहीखाताको रूपमा लाठीहरूमा चिन्हहरू प्रयोग गर्थे। उत्तर 2 र 4 पनि स्वीकार गरिनेछ। यो बीसौं शताब्दीको मध्य थियो, यद्यपि, जब व्यापार बुद्धिमत्ता पहिलो पटक परिभाषित गरिएको थियो जसरी हामी यसलाई आज बुझ्छौं। BI लगभग 21 औं शताब्दीको पालो सम्म व्यापक बन्न सकेन।
डाटा गुणस्तरको फाइदाहरू स्पष्ट छन्। 
- भरोसा। प्रयोगकर्ताहरूले डाटामा राम्रो विश्वास गर्नेछन्। "75% कार्यकारीहरूले उनीहरूको डाटालाई विश्वास गर्दैनन्"
- अझ राम्रो निर्णयहरू। तपाईं स्मार्ट निर्णयहरू गर्न डेटा विरुद्ध विश्लेषण प्रयोग गर्न सक्षम हुनुहुनेछ। डाटा गुणस्तर एआई अपनाउने संस्थाहरूले सामना गर्ने दुई ठूला चुनौतीहरू मध्ये एक हो। (अर्को हो कर्मचारी कौशल सेट।)
- प्रतिस्पर्धी लाभ डाटाको गुणस्तरले परिचालन दक्षता, ग्राहक सेवा, मार्केटिङ र तल्लो रेखा - राजस्वलाई असर गर्छ।
- सफलता। डाटा गुणस्तर व्यापार संग धेरै जोडिएको छ सफलता.
6 डाटा गुणस्तरका मुख्य तत्वहरू
यदि तपाइँ आफ्नो डेटामा विश्वास गर्न सक्नुहुन्न भने, तपाइँ कसरी यसको सल्लाहलाई सम्मान गर्न सक्नुहुन्छ?
आज, डाटाको गुणस्तर BI उपकरण, विश्लेषण, मेसिन लर्निङ, र कृत्रिम बुद्धिमत्ता मार्फत गर्ने निर्णयहरूको वैधताको लागि महत्त्वपूर्ण छ। यसको सरलतम मा, डाटा गुणस्तर डाटा हो जुन वैध र पूर्ण छ। तपाईंले हेडलाइनहरूमा डेटा गुणस्तरको समस्या देख्नुभएको हुन सक्छ:
- CDC को COVID-19 डेटा सुधार - "महामारीको क्रममा, सीडीसीले प्रतिक्रियाको लागि समयबद्धता, पूर्णता र महत्वपूर्ण डेटाको गुणस्तर सुधार गर्दै आएको छ।"
- फोहोर भित्र, फोहोर बाहिर; सिटी वाचडगले अविश्वसनीय डाटा गुणस्तरको समस्याग्रस्त ढाँचा फेला पार्छ - "[शिकागो] का कार्यवाहक महानिरीक्षकको नयाँ रिपोर्टले भन्छ "डेटा गुणस्तर मुद्दाहरू" ले स्रोतहरू बाँडफाँड गर्न, कर्मचारीहरूको प्रदर्शन मापन गर्न र धेरै कार्यक्रमहरूको निगरानी गर्न प्रयोग गरिने जानकारीको "उद्देश्यता, उपयोगिता र अखण्डता" लाई असर गर्छ।"
- GAO ले VA को EHR रोलआउटको समयमा डाटा गुणस्तर समस्याहरू फेला पार्छ - "VA ले यसको नयाँ Cerner EHR प्रणालीमा सारिएको डाटाको गुणस्तर सुनिश्चित गर्दैन।"
केही तरिकाहरूमा - व्यापार बुद्धिमत्ताको तेस्रो दशकमा पनि - डेटाको गुणस्तर प्राप्त गर्न र कायम राख्न अझ गाह्रो छ। डाटा गुणस्तर कायम राख्न निरन्तर संघर्षमा योगदान गर्ने केही चुनौतीहरू समावेश छन्:
- मर्जर र एक्विजिसनहरू जसले धेरै संस्थाहरूबाट भिन्न प्रणालीहरू, प्रक्रियाहरू, उपकरणहरू र डाटाहरू सँगै ल्याउने प्रयास गर्दछ।
- डेटाको एकीकरण मिलाउनको लागि मापदण्डहरू बिना डेटाको आन्तरिक साइलो।
- सस्तो भण्डारणले ठूलो मात्रामा डाटाको क्याप्चर र अवधारणलाई सजिलो बनाएको छ। हामीले विश्लेषण गर्न सक्ने भन्दा धेरै डाटा क्याप्चर गर्छौं।
- डाटा प्रणालीको जटिलता बढेको छ। त्यहाँ रेकर्ड प्रणालीको बीचमा थप टचपोइन्टहरू छन् जहाँ डाटा प्रविष्ट गरिएको छ र खपतको बिन्दु, चाहे त्यो डाटा गोदाम होस् वा क्लाउड।
हामी डाटाका कुन पक्षहरूको बारेमा कुरा गर्दैछौं? डाटाको कुन गुणहरूले यसको गुणस्तरमा योगदान दिन्छ? त्यहाँ छवटा तत्वहरू छन् जसले डेटा गुणस्तरमा योगदान गर्दछ। यी प्रत्येक सम्पूर्ण विषयहरू हुन्। 
- दृढता
- डाटा तयार छ र आवश्यक हुँदा प्रयोग गर्न सकिन्छ।
- डेटा अर्को महिनाको पहिलो हप्ता भित्रमा महिनाको अन्त्यको रिपोर्टिङको लागि उपलब्ध छ, उदाहरणका लागि।
- वैधता
- डाटाबेसमा सही डाटा प्रकार छ। पाठ भनेको पाठ हो, मितिहरू मितिहरू हुन् र संख्याहरू संख्याहरू हुन्।
- मानहरू अपेक्षित दायरा भित्र छन्। उदाहरण को लागी, जबकि 212 डिग्री फारेनहाइट एक वास्तविक मापन योग्य तापमान हो, यो मानव तापमान को लागी मान्य मान होइन।
- मानहरूसँग सही ढाँचा छ। 1.000000 को 1 को समान अर्थ छैन।
- सम्मिश्रता
- डाटा आन्तरिक रूपमा एकरूप छ
- अभिलेखहरूको कुनै नक्कलहरू छैनन्
- निष्ठा
- तालिकाहरू बीचको सम्बन्ध विश्वसनीय छन्।
- यो नजानेर परिवर्तन भएको होइन । मानहरू तिनीहरूको उत्पत्तिमा पत्ता लगाउन सकिन्छ।
- पूर्णतया
- डाटामा कुनै "प्वाल" छैन। रेकर्डका सबै तत्वहरूसँग मानहरू छन्।
- त्यहाँ कुनै NULL मानहरू छैनन्।
- शुद्धता
- रिपोर्टिङ वा विश्लेषणात्मक वातावरणमा डाटा - डाटा गोदाम, चाहे अन-प्रेम वा क्लाउडमा - स्रोत प्रणाली, वा प्रणाली वा रेकर्ड प्रतिबिम्बित गर्दछ।
- डाटा प्रमाणित स्रोतहरूबाट हो।
त्यसोभए, हामी सहमत छौं कि डाटा गुणस्तरको चुनौती डाटा जत्तिकै पुरानो छ, समस्या सर्वव्यापी छ र समाधान गर्न महत्त्वपूर्ण छ। त्यसोभए, हामी यसको बारेमा के गर्छौं? तपाईंको डेटा गुणस्तर कार्यक्रमलाई दीर्घकालीन, कहिल्यै अन्त्य नहुने परियोजनाको रूपमा विचार गर्नुहोस्।
डाटाको गुणस्तरले त्यस डाटाले वास्तविकतालाई कत्तिको सही रूपमा प्रतिनिधित्व गर्दछ। इमानदार हुन, केहि डाटा अन्य डाटा भन्दा बढी महत्त्वपूर्ण छ। ठोस व्यापार निर्णयहरू र संगठनको सफलताको लागि कुन डाटा महत्वपूर्ण छ जान्नुहोस्। त्यहाँ सुरु गर्नुहोस्। त्यो डाटामा फोकस गर्नुहोस्।
डेटा गुणस्तर 101 को रूपमा, यो लेख विषयको नयाँ-स्तरको परिचय हो: इतिहास, वर्तमान घटनाहरू, चुनौती, यो किन समस्या हो र संगठन भित्र डेटा गुणस्तरलाई कसरी सम्बोधन गर्ने भन्ने बारे उच्च-स्तरीय सिंहावलोकन। यदि तपाईं 200-स्तर वा स्नातक-स्तरको लेखमा यी मध्ये कुनै पनि विषयहरूमा गहिरो हेरचाह गर्न इच्छुक हुनुहुन्छ भने हामीलाई थाहा दिनुहोस्। यदि त्यसो हो भने, हामी आगामी महिनाहरूमा विस्तृत विवरणहरूमा गहिरो डुब्नेछौं।
