ความคิดเกี่ยวกับการรู้ ข้อมูลและคุณภาพของข้อมูล

ข้อมูลและคุณภาพของข้อมูล สัปดาห์ที่แล้ว เราได้นำเสนอการสัมมนาผ่านเว็บในชุดการกำกับดูแลข้อมูล — แนวทางปฏิบัติ ที่ดีที่สุด เกี่ยวกับคุณภาพของข้อมูล แนวทางปฏิบัติที่แนะนำ ได้แก่ การระบุประเภทของปัญหาคุณภาพข้อมูล (หรือปัญหา) ที่คุณกำลังเผชิญอยู่ การจัดลำดับความสำคัญของการเปลี่ยนแปลง/ผลลัพธ์ที่จำเป็น และพัฒนากระบวนการเพื่อดึงดูดผู้ใช้ ณ จุดต่างๆ ในวงจรชีวิตข้อมูล เห็นได้ชัดว่าเรามีอคติเล็กน้อย แต่เราเชื่อว่าเราเสนอคำแนะนำเชิงปฏิบัติที่มีประโยชน์มากซึ่งองค์กรต่างๆ สามารถนำไปใช้ได้ ไม่ว่าพวกเขาจะพบว่าตนเองอยู่ในตำแหน่งใดในการกำกับดูแลข้อมูลและความพร้อมด้านข้อมูลข่าวกรอง บล็อกโพสต์นี้จะให้ข้อคิดเกี่ยวกับคุณภาพข้อมูลรวมถึงมิติข้อมูล

ข้อสังเกตที่สำคัญประการหนึ่งจากการสัมมนาทางเว็บคือ ความสงสัยหรือการรับรู้เกี่ยวกับคุณภาพข้อมูลที่ไม่ดีนั้นทรงพลังพอๆ กับความเป็นจริง เราสงสัยว่าทุกคนเห็นพ้องต้องกันว่าการมีข้อมูลคุณภาพสูงเป็นสิ่งสำคัญ แต่ทำไมคุณภาพของข้อมูลจึงมีความสำคัญ 

คำตอบหนึ่งสำหรับคำถามนี้มีดังต่อไปนี้: เมื่อเราไม่สามารถมั่นใจในคุณภาพข้อมูลของเราได้อย่างน้อยในระดับหนึ่ง องค์กรจะใช้ข้อมูลเพื่อประกอบการตัดสินใจ ประเมินโปรแกรม เสนอความคิดริเริ่มใหม่ หรือแม้แต่ดำเนินการประจำวันได้ยากขึ้น การดำเนินงาน อีกครั้งทำไมเป็นเช่นนั้นจริงหรือ หากข้อมูลถูกพิจารณาว่าไม่น่าเชื่อถือ ไม่สมบูรณ์ หรือสรุปไม่ได้ ก็เป็นเรื่องธรรมดาที่ผู้คนจะลดราคาหรือใช้ข้อมูลนั้นในบางสถานการณ์เท่านั้น หรือไว้วางใจในวิธีการแก้ปัญหาและแหล่งข้อมูลอื่นๆ ลองนึกถึงความยากที่องค์กรต่างๆ จะใช้ข้อมูลได้อย่างมีประสิทธิภาพแม้ว่าพวกเขาจะรู้ว่าไม่มีที่ติก็ตาม ตอนนี้ให้นึกถึงองค์กรเหล่านั้นเมื่อต้องเผชิญกับความไม่แน่นอนที่มากยิ่งขึ้น

ในการสัมมนาผ่านเว็บ เราได้อธิบายกระบวนการเพื่อปรับปรุงคุณภาพข้อมูลทางโปรแกรม หรือลดข้อผิดพลาดด้านคุณภาพข้อมูลให้เหลือน้อยที่สุด มันเกี่ยวข้องกับลู่ทางสำหรับผู้ใช้ในการรายงานปัญหา มันเกี่ยวข้องกับการสร้างกฎหรือมาตรฐานคุณภาพข้อมูล และมันเกี่ยวข้องกับการทำโปรไฟล์และประเมินข้อมูลเป็นประจำเพื่อค้นหาปัญหาที่อาจเกิดขึ้น

เราได้คิดเล็กน้อยเกี่ยวกับปัญหาคุณภาพของข้อมูลที่รับรู้ ซึ่งอาจสะท้อนหรือไม่สะท้อนถึงปัญหาที่เกิดขึ้นจริงกับการบันทึกและจัดเก็บข้อมูล ไม่ใช่การเปรียบเทียบที่สมบูรณ์แบบ แต่เมื่อผู้ใช้รายงานปัญหาด้านคุณภาพข้อมูลซึ่งไม่ได้แสดงถึงปัญหาเกี่ยวกับคุณภาพของข้อมูลจริง สิ่งนี้ทำให้เรานึกถึงข้อผิดพลาดประเภท II ที่มีการทดสอบสมมติฐานทางสถิติ (“ค่าลบที่ผิดพลาด”) เราต้องใช้รายงานเหล่านี้อย่างจริงจัง แม้ว่าการตรวจสอบของเราจะพบว่าคุณภาพของข้อมูลที่เป็นปัญหาอยู่ในเกณฑ์ดีก็ตาม แต่งานนี้กินเวลา ซึ่งมักจะเป็นเวลาของพนักงานที่ผ่านการฝึกอบรมมาอย่างดี (เช่น ราคาแพง) และมีค่าเสียโอกาสด้วย

องค์กรสามารถทำอะไรได้บ้างเพื่อจัดการกับการรับรู้ว่าคุณภาพของข้อมูลไม่ดี (หรือดีพอ) พวกเขาจะลดอุบัติการณ์ของการรายงานเชิงลบที่ผิดพลาดเหล่านี้ได้อย่างไร และพวกเขาสร้างความไว้วางใจและการพึ่งพาข้อมูลมากขึ้นได้อย่างไร

สิ่งหนึ่งที่ทำได้คือมี  กระบวนการรายงาน ตรวจสอบ และแก้ไขปัญหา  ด้านคุณภาพของข้อมูล เมื่อเวลาผ่านไป หนึ่งหรือทั้งสองอย่างมีแนวโน้มที่จะเกิดขึ้น: ปัญหาด้านคุณภาพข้อมูลจริงจะถูกค้นพบและได้รับการดูแล ดังนั้นอัตราการรายงานข้อผิดพลาดจะลดลง หรือ ปัญหาคุณภาพข้อมูลที่รายงานไม่ได้สะท้อนถึงปัญหาของข้อมูล แต่เป็นปัญหาเกี่ยวกับความรู้ของผู้ใช้เกี่ยวกับข้อมูล และการตรวจสอบและการอภิปรายเกี่ยวกับปัญหาที่ไม่ได้รับการรายงานเหล่านี้จะช่วยเพิ่มความรู้ด้านข้อมูลของผู้ใช้เหล่านี้ อย่างไรก็ตาม เป็นเรื่องที่ควรสังเกตว่าองค์กรต่างๆ ควรสนับสนุนให้มีการรายงานปัญหาคุณภาพของข้อมูลที่รับรู้ แม้ว่าจะมีเหตุผลให้เชื่อได้ว่ารายงานมีข้อผิดพลาดก็ตาม เราต้องการให้ทุกคนใช้ข้อมูลอย่างจริงจังและพยายามใช้ข้อมูลให้มากที่สุด!

อีกสิ่งหนึ่งที่องค์กรสามารถทำได้คือการระบุระดับของ  ความรับผิดชอบด้านคุณภาพข้อมูลในสจ๊วตข้อมูลของตน องค์กรหลายแห่งได้ขยายคำจำกัดความของผู้ดูแลข้อมูลเพื่อให้บุคคลเหล่านี้ไม่เพียง แต่จัดการการเข้าถึงข้อมูลที่พวกเขาควบคุม แต่ยังกำหนดข้อมูลนั้นต่อสาธารณะเพื่อประโยชน์ของส่วนที่เหลือในองค์กร ขั้นตอนต่อไปตามธรรมชาติคือผู้ดูแลข้อมูลในการพัฒนา แบ่งปัน และบังคับใช้มาตรฐานคุณภาพข้อมูลที่เกี่ยวข้องกับคำจำกัดความของข้อมูลเหล่านี้ หากเป็นไปได้ สจ๊วตข้อมูลที่ทำงานมานานอาจมีกฎพื้นฐานเกี่ยวกับสิ่งที่แสดงถึงข้อมูลคุณภาพในโดเมนของตน แต่สจ๊วตใหม่สำหรับองค์กรหรือบทบาท หรือทั้งสองอย่าง อาจต้องการคำแนะนำและการฝึกอบรมโดยตรงในงานนี้

สิ่งที่สามที่องค์กรสามารถทำได้คือการ  เพิ่มพูนความรู้ด้านข้อมูล  ในตัวบุคคลและทั่วทั้งองค์กรโดยทั่วไป เราได้เขียนเกี่ยวกับ  การรู้ข้อมูลของข้อมูล  ไว้ที่นี่แล้ว แต่โปรดจำไว้ว่ามันเกี่ยวข้องกับความสามารถในการเข้าใจข้อมูลที่นำเสนอในรูปแบบต่างๆ การโต้ตอบกับข้อมูลอย่างมีความหมายในบริบททางธุรกิจ การสื่อสารข้อมูลโดยใช้ข้อมูล และเพื่อถามคำถามที่มีข้อมูลเกี่ยวกับมัน . มาดูมิติด้านคุณภาพข้อมูลที่ยอมรับกันโดยทั่วไปเพื่อดูว่าความรู้ด้านข้อมูลในระดับที่สูงขึ้น (ซับซ้อนมากขึ้น) สามารถส่งผลต่อการรับรู้คุณภาพข้อมูลได้อย่างไร

มิติที่ผู้ใช้เข้าใจดีที่สุดคือ  ความแม่นยำซึ่งเป็นวิธีการอธิบายว่าข้อมูลของเราสะท้อนความเป็นจริง (ภายนอก) ได้ดีเพียงใด (จากประสบการณ์ของเรา ผู้ใช้ที่รู้ข้อมูลน้อยที่สุดมักคิดว่าคุณภาพของข้อมูลเริ่มต้นและจบลงด้วยความถูกต้อง) ข้อมูลที่ไม่ถูกต้องมีแนวโน้มที่จะก่อให้เกิดรายงานการดำเนินงานที่ไม่ถูกต้องและการวิเคราะห์ที่ทำให้เข้าใจผิด ดังนั้นจึงมีข้อโต้แย้งที่รุนแรงที่สนับสนุนการดำเนินการดังกล่าว เพื่อรักษาที่เก็บข้อมูลที่ถูกต้องให้ได้มากที่สุด ถึงกระนั้น การประยุกต์ใช้ความรู้ด้านข้อมูลที่เหนือกว่าอาจเป็นประโยชน์ ดังในตัวอย่างนี้ บางทีฉันอาจเข้าร่วมการประชุมของเราพร้อมกับสินค้าจำนวน 1,495 ชิ้นที่ขายไป และคุณมีสินค้าจำนวน 1,505 ชิ้นในความหมายเดียวกัน การรู้ข้อมูลระดับสูงในสภาพแวดล้อมข้อมูลที่มีการควบคุมจะช่วยให้เราทุกคนทราบสิ่งต่อไปนี้: ก) ไม่ว่าคุณและฉัน กำลังนับสิ่งเดียวกัน b) คุณและฉันปฏิบัติตามกฎเดียวกันเพื่อแยกจำนวนเหล่านี้หรือไม่¹บ่งชี้ว่าเราต้องมองลึกลงไปในความแตกต่างนี้ ข้อมูลและคุณภาพของข้อมูล

ความสมบูรณ์ซึ่งเป็นอีกมิติทั่วไปของคุณภาพข้อมูลก็เป็นกรณีที่น่าสนใจเช่นกัน สำหรับองค์ประกอบข้อมูลบางอย่าง อาจเป็นแบบฝึกหัดเล็กๆ น้อยๆ เพื่อบอกว่าเราอยู่ใกล้หรือไกลแค่ไหนถึงความสมบูรณ์ 100% หากเรามีระเบียนที่อยู่ 10,000 รายการ และแต่ละระเบียนประกอบด้วย 10 ฟิลด์ เราคาดว่าจะมีข้อมูล 100,000 ชิ้น อย่างไรก็ตาม การตั้งค่าเกณฑ์ที่นี่อาจเป็นได้ทั้งแบบตามอำเภอใจและไร้ความหมาย จะเกิดอะไรขึ้นถ้าเกณฑ์ของเราคือ 95% หมายความว่าเรามีข้อมูลที่อยู่ 95,000 ชิ้นใช่หรือไม่ หรือหมายความว่าสำหรับ 9,500 เรกคอร์ด เรามีฟิลด์ทั้งหมด 10 ฟิลด์ และอาจมีข้อมูลที่น่าสนใจหลายชิ้นที่ประเมินความครบถ้วนได้ยาก สมมติว่าเราต้องการดูว่ามีการใช้อาคารหรือพื้นที่มากเพียงใด แต่ผู้ที่มีสิทธิ์เข้าถึงบางคนใช้คีย์การ์ดดิจิทัลในขณะที่คนอื่นใช้คีย์จริง ในฐานะนักวิเคราะห์ธุรกิจรายใหม่ที่ไม่รู้เกี่ยวกับคีย์ทางกายภาพแบบดั้งเดิมเหล่านี้ ฉันอาจคิดว่าฉันได้พัฒนาข้อมูลเชิงลึกที่น่าสนใจบางอย่างเกี่ยวกับการใช้พื้นที่ของเราในลักษณะที่แตกต่างกัน หรือรีเซ็ตการควบคุม HVAC บางอย่างเพื่อประหยัดเงิน หรือใครจะรู้บ้าง ความเข้าใจที่ไร้เดียงสาเกี่ยวกับความสมบูรณ์ของข้อมูลจะปฏิเสธการวิเคราะห์ใหม่ของฉัน เพราะฉันไม่มีข้อมูลทั้งหมด! แต่จะเป็นอย่างไรหากการรูดคีย์การ์ดคิดเป็น 90% ของทางเข้าออกทั้งหมด 

จะเป็นอย่างไรหากไม่มีความแตกต่างระหว่างเวลาที่ผู้ใช้คีย์การ์ดและผู้ใช้คีย์จริงเข้าถึงอาคาร ข้อมูลเชิงลึกของฉันอาจสมควรได้รับการตรวจสอบเพิ่มเติม

หรือบางทีฉันอาจต้องเรียนรู้เพิ่มเติมเกี่ยวกับข้อมูลที่ฉันพยายามวิเคราะห์ ความเข้าใจที่ไร้เดียงสาเกี่ยวกับความสมบูรณ์ของข้อมูลจะปฏิเสธการวิเคราะห์ใหม่ของฉัน เพราะฉันไม่มีข้อมูลทั้งหมด! แต่จะเป็นอย่างไรหากการรูดคีย์การ์ดคิดเป็น 90% ของทางเข้าออกทั้งหมด 

จะเป็นอย่างไรหากไม่มีความแตกต่างระหว่างเวลาที่ผู้ใช้คีย์การ์ดและผู้ใช้คีย์จริงเข้าถึงอาคาร ข้อมูลเชิงลึกของฉันอาจสมควรได้รับการตรวจสอบเพิ่มเติม หรือบางทีฉันอาจต้องเรียนรู้เพิ่มเติมเกี่ยวกับข้อมูลที่ฉันพยายามวิเคราะห์ ความเข้าใจที่ไร้เดียงสาเกี่ยวกับความสมบูรณ์ของข้อมูลจะปฏิเสธการวิเคราะห์ใหม่ของฉัน เพราะฉันไม่มีข้อมูลทั้งหมด! แต่จะเป็นอย่างไรหากการรูดคีย์การ์ดคิดเป็น 90% ของทางเข้าออกทั้งหมด จะเป็นอย่างไรหากไม่มีความแตกต่างระหว่างเวลาที่ผู้ใช้คีย์การ์ดและผู้ใช้คีย์จริงเข้าถึงอาคาร ข้อมูลเชิงลึกของฉันอาจสมควรได้รับการตรวจสอบเพิ่มเติม หรือบางทีฉันอาจต้องเรียนรู้เพิ่มเติมเกี่ยวกับข้อมูลที่ฉันพยายามวิเคราะห์

การมีคุณภาพข้อมูลสูงไม่ได้แปลว่าคุณมีข้อมูลที่ถูกต้อง 100% หรือมีความสมบูรณ์ 100% ในบันทึกของคุณ หรือไม่มีเวลาในการบันทึกข้อมูล คุณภาพของข้อมูลสูงหมายความว่าคุณมีข้อมูลที่ถูกต้อง สมบูรณ์ ทันเวลา และสอดคล้องกันเพียงพอที่จะมีส่วนร่วมในการดำเนินงานปกติอย่างมั่นใจและให้ข้อมูลวิเคราะห์ การไปสู่จุดนั้นจะเกี่ยวข้องกับการระบุเกณฑ์คุณภาพข้อมูลที่สำคัญในฐานะองค์กร การกำหนดมาตรฐานและความคาดหวังที่เกี่ยวข้องเพื่อให้เป็นไปตามเกณฑ์เหล่านั้น และให้ความรู้แก่ผู้ใช้ในทุกระดับความเชี่ยวชาญในคำศัพท์เกี่ยวกับข้อมูลธุรกิจ พารามิเตอร์ทั่วไปสำหรับช่วงข้อมูล และเทคนิคการคำนวณและการวิเคราะห์ที่เหมาะสม

THAI-PDPA เปิดให้คำปรึกษาโดยผู้เชี่ยวชาญแบบครบวงจร ด้วยเทคโนโลยี Data Protection Services ที่แนะนำให้ไปประยุกต์ใช้เพื่อปกป้องข้อมูลพนักงานและลูกค้า

ผู้ที่สนใจใช้บริการ Data Protection Services ของ THAI-PDPA สามารถติดต่อฝ่ายขายที่ดูแลคุณหรือฝ่ายการตลาดได้ที่เบอร์ 0-2860-6659 หรืออีเมล dcs@ko.in.th สอบถามได้สบายใจทั้ง เรื่องค่าบริการ ราคา และ งบประมาณ เพราะเป็นราคาที่สุดคุ้มที่สุด

หากท่านมีความสนใจ บทความ หรือ Technology
สามารถติดต่อได้ตามเบอร์ที่ให้ไว้ด้านล่างนี้
Tel.086-594-5494
Tel.095-919-6699

สนใจรับคำปรึกษาด้านวางระบบจัดการเอกสารอิเล็กทรอนิกส์  EDMS โดยทีมงานผู้เชี่ยวชาญจาก K&O ที่มีประสบการณ์มากว่า 15 ปี รวมถึงซอฟต์แวร์ระดับโลก ติดต่อ 0 2 – 8 6 0 – 6 6 5 9

หรือ E m a i l : c s @ k o . i n . t h สอบถามได้สบายใจทั้ง เรื่องค่าบริการ ราคา และ งบประมาณ เพราะเป็นราคาที่สุด คุ้มที่สุด