Definizione delle Dimensioni della Qualità dei Dati
Le dimensioni della qualità dei dati sono le caratteristiche individuali utilizzate per descrivere e misurare quanto sia affidabile un insieme di dati, ad esempio se è accurato, completo e aggiornato. Invece di giudicare la qualità dei dati semplicemente come "buona" o "cattiva," le dimensioni la scompongono in qualità specifiche che possono essere ciascuna verificate, misurate e migliorate separatamente.
Quali sono le principali dimensioni della qualità dei dati?
Diversi framework utilizzano elenchi leggermente diversi, ma sei dimensioni compaiono nella maggior parte di essi:
- Accuratezza: i dati descrivono correttamente il fatto del mondo reale. L'indirizzo registrato di un cliente è l'indirizzo dove vive effettivamente.
- Completezza: tutte le informazioni richieste sono presenti. Un record di prodotto privo di peso o descrizione è incompleto.
- Coerenza: le stesse informazioni corrispondono tra record e sistemi. Un fornitore non dovrebbe avere un conto bancario nell'ERP e un altro diverso nello strumento di acquisto.
- Tempestività: i dati sono aggiornati e disponibili quando servono. Un listino prezzi non aggiornato dall'anno scorso non supera questo test, anche se era corretto al momento.
- Validità: i dati seguono il formato e le regole previste. Le date sono date reali, gli indirizzi email contengono "@" e i codici paese provengono da un elenco approvato.
- Unicità: ogni entità del mondo reale è registrata una sola volta. Lo stesso cliente non dovrebbe apparire come tre record separati.
Alcuni framework ne aggiungono altri, come l'integrità (i link tra record sono intatti, ad esempio ogni ordine fa riferimento a un cliente che esiste) e la rilevanza (i dati sono effettivamente utili per il loro scopo).
Perché le dimensioni sono utili?
Le dimensioni forniscono ai team un linguaggio comune per descrivere i problemi dei dati. Dire "i dati dei clienti sono cattivi" non indica una soluzione, ma dire "i dati dei clienti sono completi al 95% ma hanno molti duplicati" mostra esattamente dove concentrarsi. Le dimensioni aiutano anche le organizzazioni a stabilire obiettivi chiari, tracciare i progressi nel tempo e assegnare la giusta soluzione al giusto problema: i duplicati richiedono deduplicazione, mentre i dati obsoleti richiedono aggiornamenti regolari.
Come si misurano le dimensioni della qualità dei dati?
Ogni dimensione viene solitamente trasformata in una o più regole misurabili, con risultati espressi come percentuale o conteggio. Ad esempio, la completezza può essere misurata come la quota di record con tutti i campi obbligatori compilati, e l'unicità come il numero di duplicati sospetti. Questi controlli spesso vengono eseguiti attraverso la profilazione dei dati, e i risultati sono comunemente riepilogati in una scorecard o dashboard che viene revisionata regolarmente.
Alcune dimensioni sono più difficili da misurare di altre. La validità può essere verificata automaticamente rispetto alle regole di formato, ma l'accuratezza spesso richiede il confronto dei dati con una fonte esterna, come un database di indirizzi postali, oppure la conferma diretta da parte del cliente o del fornitore.
Tutte le dimensioni hanno la stessa importanza?
No. Le dimensioni che contano di più dipendono da come vengono utilizzati i dati. Per un indirizzo di consegna, accuratezza e tempestività sono critiche; per un rapporto finanziario, coerenza e completezza potrebbero avere maggiore importanza. Le dimensioni possono anche cambiare nel tempo: i dati che erano accurati al momento dell'inserimento possono diventare obsoleti a causa del decadimento dei dati, motivo per cui la qualità è solitamente monitorata continuamente piuttosto che verificata una sola volta.
