Datenqualität und die Römer

Als eine Person, die sich für Geschichte interessiert, insbesondere für die Geschichte der Römer, bin ich fasziniert davon, wie gut sie ihr Reich aufgebaut haben. Es gibt Straßen, Aquädukte und Gebäude, die heute noch funktionieren, mehr als 2000 Jahre nachdem sie gebaut wurden. Wie haben diese Denkmäler den Test der Zeit überstanden? Dafür gibt es ein Wort: Qualität. Es gibt sechs Kerndimensionen der Datenqualität. Wie stellen wir sicher, dass Ihre Daten von der Wiege bis zur Bahre diesen und anderen Qualitäts- und Governance-Prinzipien entsprechen?

Datenqualität ist der Schlüssel für jedes Unternehmen, das Daten in beliebiger Menge erstellt und diese nicht nur für Analysen und Data Science verwendet. Qualität hält das Geschäft am Laufen, und das mit so wenig Schluckauf wie möglich. Qualität hält das Licht an und Sie können nachts gut schlafen, während Ihr Geschäft läuft, so wie es das Römische Reich über Hunderte von Jahren am Laufen hielt.

Es gibt sechs Dimensionen der Datenqualität ( DAMA-DMBOK 2nd Edition ):

• Genauigkeit: Wir messen die Genauigkeit von Daten als den Grad, in dem die Daten die reale Welt korrekt beschreiben
• Vollständigkeit: Der Anteil der gespeicherten Daten gegenüber dem Potenzial von 100 %
• Konsistenz: Bei Daten beziehen wir uns auf die Abwesenheit von Unterschieden, wenn zwei oder mehr Darstellungen einer Sache mit einer Definition verglichen werden
• Gültigkeit: Daten sind gültig, wenn sie der Syntax (Format, Typ, Bereich) ihrer Definition entsprechen
• Aktualität: In der Welt der Daten bezeichnen wir damit den Grad, in dem Daten die Realität zum gewünschten Zeitpunkt abbilden
• Eindeutigkeit: Für Daten beschreiben wir dies so, dass keine Entitätsinstanz (Ding) mehr als einmal aufgezeichnet wird, basierend darauf, wie dieses Ding identifiziert wird

Was wäre, wenn Business, Data Governance und Engineering zusammenarbeiten würden? Der Hauptvorteil einer engen Verbindung Ihres Data-Governance-Teams mit Ihren Engineering- und Business-Teams besteht darin, dass diese Datenqualitätsdimensionen in jede Anwendung integriert werden können und kein nachträglicher Gedanke sind. Es sind also immer saubere Daten rein und saubere Daten raus und nicht unser oft gesagtes „Garbage in, Garbage out“. Die Geschäfts- und Produktbesitzer arbeiten sowohl mit dem Engineering- als auch mit dem Datenteam zusammen, um Softwareanforderungen und Datenanforderungen zu kommunizieren.

Diese Datenanforderungen und -definitionen sollten mindestens die sechs Qualitätsdimensionen aufweisen, aber auch alles über den gesamten Datenlebenszyklus beinhalten, von der Wiege bis zur Bahre, einschließlich Sicherheit, Abstammung, Speicherung usw. Dadurch wird sichergestellt, dass Sie die Qualität haben, die Sie gebaut haben. in Ihre Systeme für Business, Analytics und Data Science.

Ich bewundere, dass diese gut konzipierten Systeme stark auf die Qualität der erstellten Daten ausgerichtet sind, genauso wie auf den Erfolg des Unternehmens. Ich glaube, dass diese Hand in Hand gehen, genauso wie die Römer den Erfolg ihres Imperiums auf die Qualität ihrer Konstruktion gesetzt hätten.

Wenn Sie diesen Artikel interessant finden oder sich für Daten, Führung und Technologie interessieren, folgen Sie mir bitte hier und auf LinkedIn: Bryan McMaster