hlavolamy

Kedy sme prvýkrát videli dáta?

1. Polovica dvadsiateho storočia
2. Ako nástupca Vulcana, Spock
3. 18,000 BC
4. Kto vie?  

Tak ďaleko, ako môžeme ísť v objavenej histórii, nájdeme ľudí, ktorí používajú údaje. Zaujímavé je, že údaje dokonca predchádzajú písané čísla. Niektoré z prvých príkladov uchovávania údajov sú z obdobia okolo 18,000 2 pred Kristom, keď naši predkovia na africkom kontinente používali značky na paličkách ako formu účtovníctva. Akceptujeme aj odpovede 4 a 21. Bolo to však v polovici dvadsiateho storočia, keď bola Business Intelligence prvýkrát definovaná tak, ako ju chápeme dnes. BI sa rozšírilo až takmer na prelome XNUMX. storočia.

Výhody kvality údajov sú zrejmé. 

• Verte. Používatelia budú dátam lepšie dôverovať. “75 % vedúcich pracovníkov neverí svojim údajom"
• Lepšie rozhodnutia. Budete môcť použiť analýzu na základe údajov, aby ste mohli robiť inteligentnejšie rozhodnutia.  Kvalita údajov je jednou z dvoch najväčších výziev, ktorým čelia organizácie prijímajúce AI. (Ďalším sú súbory zručností zamestnancov.)
• Konkurenčná výhoda.  Kvalita dát ovplyvňuje prevádzkovú efektivitu, zákaznícky servis, marketing a konečný výsledok – výnosy.
• Úspech. Kvalita údajov úzko súvisí s podnikaním úspech.

6 kľúčových prvkov kvality údajov

Ak nemôžete dôverovať svojim údajom, ako môžete rešpektovať ich rady?

Dnes je kvalita údajov rozhodujúca pre platnosť rozhodnutí, ktoré podniky robia pomocou nástrojov BI, analytiky, strojového učenia a umelej inteligencie. Najjednoduchšia kvalita údajov je údaj, ktorý je platný a úplný. Možno ste videli problémy s kvalitou údajov v titulkoch:

• Zlepšenie údajov CDC COVID-19 - "V priebehu pandémie CDC zlepšovalo včasnosť, úplnosť a kvalitu kritických údajov pre reakciu."
• Odpad dnu odpad von; mestský strážny pes nájde znepokojujúci vzor nespoľahlivej kvality údajov – „Nová správa generálneho inšpektora [Chicaga] hovorí, že „problémy s kvalitou údajov“ ovplyvňujú „objektivitu, užitočnosť a integritu“ informácií používaných na prideľovanie zdrojov, meranie výkonnosti zamestnancov a monitorovanie množstva programov.“
• GAO nájde problémy s kvalitou údajov počas zavádzania EHR VA – „VA nezabezpečila kvalitu údajov migrovaných do svojho nového systému Cerner EHR.“

V niektorých ohľadoch – dokonca aj v treťom desaťročí Business Intelligence – je dosiahnutie a udržanie kvality údajov ešte ťažšie. Niektoré z výziev, ktoré prispievajú k neustálemu boju o udržanie kvality údajov, zahŕňajú:

• Fúzie a akvizície, ktoré sa snažia spojiť rôzne systémy, procesy, nástroje a údaje z viacerých subjektov. 
• Interné silá údajov bez štandardov na zosúladenie integrácie údajov.            
• Lacné úložisko uľahčilo zachytávanie a uchovávanie veľkého množstva údajov. Zachytávame viac údajov, ako môžeme analyzovať.
• Zložitosť dátových systémov narástla. Medzi systémom evidencie, kde sa údaje zadávajú, a miestom spotreby, či už je to dátový sklad alebo cloud, je viac kontaktných bodov.

O akých aspektoch údajov hovoríme? Aké vlastnosti údajov prispievajú k ich kvalite? Existuje šesť prvkov, ktoré prispievajú ku kvalite údajov. Každá z nich sú celé disciplíny. 

• včasnosť
  • Dáta sú pripravené a použiteľné, keď sú potrebné.
  • Údaje sú k dispozícii pre zostavy na konci mesiaca napríklad v prvom týždni nasledujúceho mesiaca.
• platnosť
  • Údaje majú v databáze správny typ údajov. Text je text, dátumy sú dátumy a čísla sú čísla.
  • Hodnoty sú v rámci očakávaných rozsahov. Napríklad, zatiaľ čo 212 stupňov Fahrenheita je skutočná merateľná teplota, nie je to platná hodnota pre ľudskú teplotu.  
  • Hodnoty majú správny formát. 1.000000 nemá rovnaký význam ako 1.
• konzistencia
  • Údaje sú vnútorne konzistentné
  • Neexistujú žiadne duplikáty záznamov
• integrita
  • Vzťahy medzi tabuľkami sú spoľahlivé.
  • Nie je neúmyselne zmenený. Hodnoty možno vystopovať k ich pôvodu. 
• úplnosť
  • V údajoch nie sú žiadne „diery“. Všetky prvky záznamu majú hodnoty.  
  • Neexistujú žiadne hodnoty NULL.
• Presnosť
  • Údaje v reportovacom alebo analytickom prostredí – dátovom sklade, či už on-prem alebo v cloude – odrážajú zdrojové systémy alebo systémy alebo záznamy
  • Údaje pochádzajú z overiteľných zdrojov.

Súhlasíme teda s tým, že problém kvality údajov je starý ako údaje samotné, problém je všadeprítomný a je nevyhnutné ho vyriešiť. Takže, čo s tým urobíme? Považujte svoj program kvality údajov za dlhodobý, nikdy nekončiaci projekt.  

Kvalita údajov presne zodpovedá tomu, ako presne tieto údaje predstavujú realitu. Úprimne povedané, niektoré údaje sú dôležitejšie ako iné. Zistite, ktoré údaje sú rozhodujúce pre spoľahlivé obchodné rozhodnutia a úspech organizácie. Začnite tam. Zamerajte sa na tieto údaje.  

Ako Data Quality 101 je tento článok úvodom do témy na úrovni prvákov: história, súčasné udalosti, výzva, prečo je to problém a prehľad na vysokej úrovni o tom, ako riešiť kvalitu údajov v rámci organizácie. Dajte nám vedieť, ak máte záujem hlbšie sa pozrieť na niektorú z týchto tém v 200-úrovňovom alebo postgraduálnom článku. Ak áno, v najbližších mesiacoch sa ponoríme do podrobností.