_16.15.48.png)
Desde el punto de vista empresarial, una solución de calidad de datos se basa en cuatro pilares: tecnologia, know-how, procesos y metodología. Echemos un vistazo más de cerca al primero.
Certamente, la tecnología es fundamental por sus funcionalidades intrínsecas, la mejora continua de nuevas funciones, el soporte ofrecido, etc., generando eficiencia con respecto a tiempos de desarrollo y una disminución de costes muy significativa.
La arquitectura a usar en una solución de calidad de datos está formada por varios componentes y, na sua vez, cada uno de estos componentes está especializado en ofrecer soluciones eficientes específicas.
Neste aspecto, crie uma nova consulta e carregue a tabela InvOverRides do arquivo excel, lo primero que necesitamos es un módulo que nos brinde una visión completa de cómo es nuestra base de dadosUm banco de dados é um conjunto organizado de informações que permite armazenar, Gerencie e recupere dados com eficiência. Usado em várias aplicações, De sistemas corporativos a plataformas online, Os bancos de dados podem ser relacionais ou não relacionais. O design adequado é fundamental para otimizar o desempenho e garantir a integridade das informações, facilitando assim a tomada de decisão informada em diferentes contextos.... con respecto a los principales atributos de los datos.
A seguir, necessitamos de um módulo que nos permita desenvolver regras de negócio sobre os defeitos encontrados na nossa base de dados. Este módulo deve ser complementado com dois submódulos adicionais: o identificador de duplicados e o identificador fonético.
Ao mesmo tempo, a arquitetura também deve fornecer os dicionários de verdade, que serão utilizados para identificar e substituir automaticamente as variantes de um nome pelo seu nome real.
E para terminar, e talvez o módulo mais importante, é o firewall que evitará que novos dados incorretos entrem novamente nos sistemas, uma vez que sem ele, um projeto de qualidade de dados não faria sentido.
Técnicas DQ
DQ é uma família de oito ou mais técnicas associadas. A padronização de dados é o método mais utilizado, seguido das verificações, validações, monitoramento, Perfil, comparação, etc.
As instituições, de forma geral, aplicam apenas uma técnica, às vezes um par delas, e, geralmente, a um único tipo de dados. O mais comum é a limpeza de nomes e endereços aplicada a conjuntos de dados de contacto direto, mesmo quando dificilmente se aplica a conjuntos de dados fora das campanhas de marketing direto.
de forma similar, as técnicas de deduplicação, unificação e enriquecimento raramente são aplicadas fora do contexto doméstico.
Muitas DQ focam-se apenas no domínio de dados do cliente. A realidade é que também se poderiam melhorar outras áreas, como produtos, dados financeiros, socios, trabalhadores e localizações.
Os projetos atuais da DQ são uma espécie de hub de qualidade que suporta a troca de dados através de diversas aplicações, tendo que suportar funções básicas de agregação, normalização, resoluçãoo "resolução" refere-se à capacidade de tomar decisões firmes e atingir metas estabelecidas. Em contextos pessoais e profissionais, Envolve a definição de metas claras e o desenvolvimento de um plano de ação para alcançá-las. A resolução é fundamental para o crescimento pessoal e o sucesso em várias áreas da vida, pois permite superar obstáculos e manter o foco no que realmente importa.... de identidades, etc., em tempo real.
DQ em tempo real
A migração gradual para o funcionamento em tempo real é a tendência atual na gestão de dados. Isto inclui as disciplinas de gestão da qualidade de dados,, integração de dados, gestão de dados mestres e processamento de eventos complexos.
Entre estes, a gestão da qualidade em tempo real ocupa o segundo lugar em crescimento, depois do MDM e logo antes da integração.
Os processos comerciais acelerados exigem a limpeza e finalização dos dados assim que os dados são criados ou modificados para apoiar o serviço ao cliente, a entrega no dia seguinte, a BI operacional, as transações financeiras, as vendas cruzadas e ascendentes e as vendas. Campanhas de marketing.
de forma similar, estes mesmos processos exigem a troca de dados em tempo real entre múltiplas aplicações com responsabilidades sobrepostas (como um exemplo, um registo de cliente partilhado entre o planeamento de recursos empresariais e as aplicações CRM).
Para estas e outras situações, a qualidade dos dados em tempo real reduz o risco empresarial e corrige ou melhora a informação enquanto está em movimento num procedimento empresarial.
Perfilagem
A melhoria contínua da qualidade dos dados é um desafio quando se desconhece o estado atual dos seus dados e a sua utilização. Ao mesmo tempo, Compreender os dados comerciais através da criação de perfis é um ponto de partida para escolher quais os dados que precisam de atenção especial.
O que é a elaboração de perfis? É um conjunto de técnicas para identificar dados errados, dados nulos, dados incompletos, dados sem integridade referencial, dados que não cumprem o formato exigido, padrões de informação empresarial, Tendências, médias, desvios padrão, etc.
Um bom perfil é fundamental por dois motivos: 1) a análise do projeto é realista e fiável, e 2) nos permitirá, a partir da segunda iteração, medir e comparar a evolução dos indicadores de qualidade de governação do projeto.
Neste aspecto, para que o perfilamento se torne uma técnica indispensável para DQ, deve cumprir certos requisitos:
Deve ser reutilizável
A geração de perfis, de forma geral, centra-se em gerar estatísticas sobre os tipos de dados e valores de uma única coluna de uma tabela numa base de dados.
Apesar disto, uma boa ferramenta deverá revelar as dependências entre várias tabelas, bases de dados e sistemas.
Monitorização de dados
O acompanhamento de dados é uma forma de perfilamento, uma vez que cada utilização mede o grau de progresso na qualidade. Esta é a chave para corroborar a melhoria contínua dos dados.
Supervisão do procedimento de qualidade dos dados
Esta função compara a origem e o destino para verificar se os dados são carregados corretamente, o que é fundamental em qualquer procedimento de qualidade de dados.
Componentes da arquitectura
A arquitectura compõe-se de vários itens. Vamos analisá-los:
Serviços web de qualidade de dados
É uma função para desenvolver serviços web que são chamados a partir do PowerCenter Web Services Hub com o propósito de invocar mapeamentos que contêm transformações do Informatica Data Quality ou outros processos ou aplicações que utilizam estes serviços web. A principal vantagem é que permitem gerir a informação que entra nos sistemas, evitando a introdução manual de informação.
Resolução de identidade
Fornece um dicionário das palavras mais utilizadas no país para identificar e relacionar a gíria.
Biblioteca de software AddressDoctor
Fornece funções de análise, limpeza, validação e normalização de endereços, assim como atribuição de coordenadas geográficas. É o dicionário da verdade essencial para evitar ter centenas de variantes de ruas no sistema.
explorador de dados
Fornece um ambiente cliente-servidor para três dimensões de elaboração de perfis (coluna, Tabela, tabela cruzada), análise órfã, validação de chaves, identificação e etiquetagem de problemas de qualidade.
Analisador de dados
Desenhado para analisar, normalizar, enriquecer, desduplicar, corrigir e informar todos os tipos de dados mestres, incluindo dados de clientes, produtos, inventários, ativos e financeiros. Posibilita el desarrollo de reglas de calidad personalizadas según las necesidades específicas de cada cliente.
Opción de coincidencia de identidad de calidad de datos
Proporciona búsquedas, coincidencias y muestra duplicados de datos almacenados en bases de datos relacionales y archivos planos.
Postagem Relacionada:
