TDWI Data Quality Fundamentals Eğitimi

  • Eğitim Tipi: Classroom / Virtual Classroom / Online
  • Süre: 1 Gün
  • PDF indir
  • Bu eğitimi kendi kurumunuzda planlayabilirsiniz. Bize Ulaşın!

Veri kalitesinin yönetimi, bilgi yönetiminin en can sıkıcı sorunlarından biridir. Birçok kuruluş uzun yıllara dayanan ve gereksiz verilerin yarattığı zorluklarla, satın alınan uygulama ve veritabanları ile eski sistemlerdeki veritabanları ile birden çok veri sağlayıcısı ve tüketicisiyle eksik dokümantasyon ile ve veri kalitesinin tanımlanmasındaki belirsizlikler ile büyüyen ve serpilen veri kalitesi sorunlarıyla karşı karşıyadır.

Veri kalitesinin iyileştirilmesine çalışmak kolay bir süreç değildir. Hem kalite yönetimi ilkeleri ve uygulamalarının anlaşılmasını hem de bu uygulamaları karmaşık ve sürekli değişen bir veri kaynağına uyarlayabilme yetkinliğine sahip olunmasını gerektirir. Hedefiniz ister geniş kapsamlı bir kurumsal veri kalitesi programı isterseniz de hedefe yönelik bir veri kalitesi projesi olsun, önce veri kalitesinin değerlendirilmesi ve geliştirilmesine yönelik uygulamaları ve süreçleri anlayarak işe başlamalısınız. Bu eğitim sizlere özellikle bu temel bilgileri vermek üzere tasarlanmıştır.

Herhangi bir ön koşul yoktur.

Bu eğitime veri kalitesi ve veri yönetişimi profesyonelleri, iş zekası/veri ambarı yöneticileri, mimarları, tasarımcıları ve geliştiricileri, veri sahipleri, veri mimarları ve veri yöneticileri, bilgi sistemleri analistleri tasarımcıları ve geliştiricileri, veri kalitesi veya bilgi sistemleri testinde bir rolü olan herkes katılabilir.

  • Kalitenin tanımları ve boyutları
  • Veri kalitesinin eyleme dönüştürülebilir bir tanımı nasıl oluşturulur
  • Veri kalitesi sorunlarının genel nedenleri
  • Veri kalitesi yönetimindeki roller, sorumluluklar ve yükümlülükler
  • Veri kalitesi araçları ve teknolojilerinin rolleri, kullanım alanları ve sınırları
  • Veri kalitesinin değerlendirilmesi ve geliştirilmesine yönelik süreçler ve teknikler

Module One: Data Quality Concepts

Defining Data Quality

  • Common definitions of quality
  • Applying quality definitions to data
  • Data correctness and data integrity
  • Actionable data quality

Dimensions of Data Quality

  • Accuracy
  • Completeness
  • Consistency & dependency
  • Precision & granularity
  • Timeliness
  • Structural integrity

Common Causes of DQ Problems

  • Definition
  • Design & modeling
  • Data entry & data collection
  • Conversion and consolidation
  • Integration

Module Two: Data Quality Practices and Processes

Quality Management Practices

  • Quality Assurance (QA) vs. Quality Control (QC)
  • Quality economics
  • Inspection and detection
  • Correction and prevention

Quality Management and Data

  • Business applications and operational data
  • Integrated data and business information
  • Data quality and defect propagation

Data Quality Organizations

  • Governance
  • Ownership
  • Stewardship
  • Custodianship
  • Architecture
  • Usage (access, update, and application)

Data Quality Processes

  • Data profiling
  • Data quality assessment
  • Data cleansing
  • Process improvement

Data Quality Tools and Technology

  • Profiling
  • Verification & standardization
  • Matching & grouping
  • De-duplication
  • Data transformation

Module Three: Data Quality Assessment

Planning & Preparation

  • Project planning
  • Assessment team
  • Assessment resources

Conducting the Assessment

  • DQ Rule identification
  • DQ Rule execution
  • Analysis and tuning

Assessment Results

  • Error catalog
  • Data quality measures and metrics
  • DQ scorecard

Applied Results

  • Communication & expectations
  • Root cause analysis
  • Quality improvement
  • Process improvement
  • Data cleansing
  • Data governance

Module Four: Data Quality Improvement

Procedural Data Quality

  • Standardization
  • Verification
  • Classification
  • Parsing
  • Geo-coding Matching
  • Grouping
  • De-Duplication

Rule-Based Data Quality

  • Five kinds of data correctness rules
  • Six kinds of data integrity rules
  • Four kinds of timeliness rules
  • Applied DQ rules

IT Processes and Data Quality

  • System architecture & standards
  • Application and database development processes
  • Conversion & migration processes
  • Data warehousing & BI processes

Business Processes and Data Quality

  • Defining Data
  • Creating and updating data
  • Access, analysis, and reporting

Module Five: Summary and Conclusion

  • Summary of Key Points
  • References & Resources


Eğitimlerle ilgili bilgi almak ve diğer tüm sorularınız için bize ulaşın!