Jakość danych — punkt zwrotny (Parvathy Menon)

„Dane są cenną rzeczą i będą trwać dłużej niż same systemy”. Tak powiedział

Tim Berners-Lee, wynalazca sieci World Wide Web. „Cenne”, pod warunkiem, że dane są rzeczywiście godne zaufania oraz mają zapewnioną i stałą jakość. A klienci bezdyskusyjnie przyznali, że jakość danych rzeczywiście stanowi podstawę wszystkich ich inicjatyw związanych z zarządzaniem danymi i analizami

Ale w takim razie po co całe zamieszanie wokół jakości danych i szlaku przedsięwzięć wokół niej. . To, co najczęściej wprawia klientów w zakłopotanie, to ogrom punktów kontrolnych na każdym etapie cyklu życia danych. Dzięki szerokiej gamie rozwiązań do zarządzania danymi, które klienci mają w swoim krajobrazie systemowym, a mianowicie. Hurtownie danych, hurtownie danych, rozwiązania do zarządzania danymi głównymi, jeziora danych i tym podobne, wydaje się, że istnieje pewien poziom niepewności i sceptycyzmu w podejściu do jakości danych.

A jeśli spojrzeć na rozległość cyklu życia danych, problemy z jakością mogą potencjalnie pojawiać się w każdym momencie, od źródła do ETL lub transformacji oprogramowania pośredniego do skonsolidowanych hurtowni danych i jezior danych na całym świecie, aż do w końcu łapie użytkownika końcowego lub klienta w jakiejś formie analityki raportowania, ekranu użytkownika itp. i jego kaboom!!!!

Tak więc wśród różnorodności danych i systemów, które istnieją w przedsiębiorstwach, istnieje jakaś sztywna i szybka zasada określająca, gdzie i jak należy walczyć z demonem jakości danych. Cóż, bardzo, dużo na większości naszej listy życzeń. ale z drugiej strony, gdyby życzenia były końmi……Jedynym celem programu jakości danych powinno być zapewnienie, że nienaruszalne dane są udostępniane dla wszystkich odpowiednich procesów biznesowych, niezależnie od tego, czy są to klienci wewnętrzni, czy zewnętrzni.

Oto lista kluczowych wytycznych, które mogą pomóc w kierowaniu wizją jakości danych Twojej organizacji:

Kategoryzuj i ustalaj priorytety dla swoich danych:

Wśród różnych rodzajów dostępnych danych, tj. Dane podstawowe, dane transakcyjne/operacyjne, dane referencyjne, dane analityczne, może zaistnieć pilna potrzeba oczyszczenia danych w ramach systemów operacyjnych lub analitycznych, ponieważ jest to najbliższe miejsce, w którym użytkownicy uzyskują dostęp do swoich danych/z nich korzystają, ale nazywając to rozwiązanie krótkoterminowe byłoby niedopowiedzeniem, ponieważ w końcu zajmujemy się problemem w miarę jego pojawiania się, a nie zajmujemy się jego sednem. Bardziej sensowne jest raczej przyjrzenie się kategorii danych, które rzeczywiście są wykorzystywane w całym przedsiębiorstwie i które byłyby nikim innym jak głównymi jednostkami biznesowymi Klienta, Produktu, Sprzedawcy, Pracownika, Zasobów i Lokalizacji itp. Tak więc Oczyszczanie, Wzbogacanie Procesy dopasowywania i przetrwania zastosowane do danych podstawowych mogą być wykorzystane do stworzenia najlepszej wersji danych podstawowych, a tym samym do zapewnienia jednego, ujednoliconego i spójnego widoku kluczowych podmiotów biznesowych.

 Zastosuj kontrole na wczesnym etapie cyklu życia:

Oczyść dane tak blisko źródła, jak to możliwe, a teraz jest to podstawowa najlepsza praktyka i oczywiście przypadek śmieci przychodzących i wychodzących. Zawsze lepszą strategią jest rozwiązywanie problemów z jakością danych jak najbliżej źródła lub o to chodzi samego źródła, ponieważ może to zaoszczędzić wiele wysiłku i wydatków. I o ile możesz próbować oczyścić i ustandaryzować dane w swoich systemach źródłowych, wolałbyś raczej sprawdzać je przed wejściem, aby uniknąć konieczności czyszczenia post factum

 Różne problemy Różne opóźnienia:

Niektóre krytyczne procesy w organizacji mogą wymagać kontroli jakości danych w czasie rzeczywistym, co jest nieuniknione, aby zapobiec wszelkim oszukańczym lub dwulicowym działaniom. Przykładem jest dowolna transakcja bankowa. W przeciwieństwie do procesu o mniejszym wpływie na biznes. W obu przypadkach, o ile można stosować zasady zarządzania jakością danych, trzeba rozpoznać palące potrzeby na tle innych i odpowiednio podejść do zadania

Integracja biznesowa na każdym etapie:

Nie można bardziej podkreślić udziału interesariuszy biznesowych podczas podróży jakości danych. Od samego początku podróży DQ, czyli oceny jakości, po oczyszczenie i deduplikację danych, oczekuje się bardzo wysokiego poziomu zaangażowania ze strony biznesowej. I nie trzeba dodawać, że zaangażowanie biznesowe i sponsorowanie programu Data Quality oznaczają prawdopodobieństwo jego sukcesu

 Ustanowienie procesu naprawczego w zamkniętej pętli:

Ta ciągła, ciągła czynność polegająca na ocenie, czyszczeniu i organizowaniu zapewni, że dane będą nadawały się do celu i będą wykorzystywane przez cały czas, zamiast przeprowadzania jednorazowej czynności lub w odwecie za zgłoszenie błędu lub eskalację

 Zastosuj zwinne sprinty:

Połączenie Agile i DQ można nazwać niebiańskim połączeniem. Przyjęcie zwinnego podejścia do danych Program jakości może w dużym stopniu pomóc w zmniejszeniu opóźnień wynikających z opóźnionych informacji zwrotnych od interesariuszy. Zwinne podejście w DQ pomaga przyspieszyć cały proces, ponieważ interesariusze biznesowi mogą pełnić rolę menedżera produktu, a dodatkowo, ponieważ sprint byłby skoncentrowany na konkretnym obszarze biznesowym, umożliwia szybszą analizę, a tym samym szybsze wyniki (odczyt wartości w Agile)

 Wykorzystaj zestawy narzędzi:

Przechwytywanie ogromnych ilości danych z różnych systemów i próba ich analizy w celu odblokowania ich prawdziwej wartości może okazać się dość trudnym zadaniem dla analityków, ponieważ proces ten jest nie tylko uciążliwy ręcznie, ale także nieefektywny czasowo i podatny na błędy. Dzięki mnóstwu dostępnych zestawów narzędzi do profilowania i czyszczenia danych, spierania się o dane, firmy muszą zainwestować we właściwe narzędzie, umożliwiające firmom naprawdę dostarczanie cennych spostrzeżeń w najbardziej optymalny sposób

Ciągłe skupienie się na jakości danych jest warte każdego grosza z inwestycji, ponieważ nie tylko pomoże wzbudzić zaufanie firmy do danych, ale także pomoże czerpać korzyści ze wszystkich innych istniejących rozwiązań dla przedsiębiorstw 

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• Platoblockchain. Web3 Inteligencja Metaverse. Wzmocniona wiedza. Dostęp tutaj.
• Źródło: https://www.finextra.com/blogposting/23987/data-quality–the-tipping-point?utm_medium=rssfinextra&utm_source=finextrablogs