Author Porpor

การจัดการเนื้อหาขององค์กร เมื่อเร็วๆ นี้ฉันได้รับคำถามว่า ฉันสามารถสนับสนุนองค์กรในเส้นทาง การปรับปรุงแนวทางสู่ Enterprise Content Management (ECM) ได้หรือไม่ ฟังดูเหมือน เป็นคำถามที่น่าสนใจที่จะดำดิ่ง ลงไป ฉันไม่ใช่ผู้เชี่ยวชาญในด้านนั้น แต่ฉันได้เห็นหลายสิ่งหลายอย่างที่เกี่ยวข้องกับ ECM ในองค์กร และได้มีส่วนร่วมใน การอภิปรายมากมายเกี่ยวกับหัวข้อนี้ นอกจากนี้ ฉันมีแรงผลักดันจากภายในที่จะพยายามทำความเข้าใจสิ่งต่างๆ เช่นนี้ ดังนั้นฉันจึงตกลงที่จะ สนับสนุนพวกเขา ไม่น่าแปลกใจสำหรับคุณที่ ECM เกี่ยวข้องอย่างใกล้ชิด กับการจัดการข้อมูล เนื้อหามักถูกพิจารณาว่าเป็น “ข้อมูลที่ไม่มีโครงสร้าง” แม้ว่าจะมีพื้นที่สีเทาระหว่างข้อมูล ที่มีโครงสร้าง และไม่มีโครงสร้างก็ตาม ผู้คนยังพูดถึงข้อมูลกึ่งโครงสร้าง ซึ่งหมายถึงข้อมูลที่มีโครงสร้างบางอย่าง เช่น “แท็ก” ที่ระบุว่ารายการข้อมูลบางอย่าง หมายถึงอะไร เมื่อคุณใช้ Google “Enterprise Content Management” คุณจะพบข้อมูลมากมาย รวมถึงโมเดลจำนวนหนึ่งที่บอกคุณว่า ECM นั้นเกี่ยวกับอะไร การตีความโดยเฉลี่ยคือ ECM เป็นทุกอย่างที่เกี่ยวข้องกับการจัดการเนื้อหาทุกประเภท ตั้งแต่เอกสาร รูปภาพ ไปจนถึงข้อความบนโซเชียลมีเดีย โดยทั่วไป ECM จะเกี่ยวข้องกับด้านต่างๆ […]

ข้อมูลคุณภาพต่ำใน CRM ของคุณเป็นทรัพย์สิน ที่มีค่าสำหรับบริษัท ของคุณอย่าง ปฏิเสธไม่ได้ แต่จะเกิดอะไรขึ้น เมื่อข้อมูลภายในการลงทุน ที่มีราคาแพงนี้ไม่ได้รับการดูแล Forbes รายงานว่า 84% ของ CEO มีความกังวลเกี่ยวกับคุณภาพ ของข้อมูลที่ใช้ประกอบการตัดสินใจ ทางธุรกิจ ด้วยจำนวนเงินที่ต้องสงสัยที่หายไปถึง 3.1 ล้านล้านดอลลาร์ต่อปี ในสหรัฐอเมริกา เพียงแห่งเดียว เนื่องจากข้อมูลคุณภาพต่ำ จึงไม่น่าแปลกใจ ข้อมูลคุณภาพสูงช่วยลดความเสี่ยง ของการตัดสินใจทางธุรกิจที่ไม่ดี และเพิ่มความมั่นใจ ในข้อมูลของคุณ แต่คุณต้องเสียค่าใช้จ่ายอะไรบ้างในการไม่รักษาข้อมูล และปล่อยให้ข้อมูลเสื่อมสลาย แม้ว่าจะมีค่าใช้จ่ายที่เห็นได้ชัดซึ่งมาพร้อมกับ ข้อมูลลูกค้าที่มีคุณภาพต่ำ เช่น การจ่ายเงินเพิ่ม สำหรับพื้นที่จัดเก็บ CRM ที่มีข้อมูลที่เสีย ซ้ำซ้อน หรือมีรูปแบบที่ไม่ถูกต้อง นอกจากนี้ยังมีความเสี่ยงซ่อนเร้น อีกมากมาย ที่คุณอาจมองไม่เห็นในตอนแรก ต้นทุนแฝงของข้อมูลลูกค้าคุณภาพต่ำ แคมเปญเพื่อเลิกใช้ข้อมูลลูกค้า ความถูกต้องและความถูกต้อง ของข้อมูลลูกค้าเป็นสิ่งสำคัญ สำหรับทีมการตลาดเพื่อให้แน่ใจ ว่างานของพวกเขาได้รับการปรับให้เหมาะสมเพื่อผลลัพธ์ที่ดีที่สุด เมื่อพวกเขาใช้เวลาหลายวัน หรือหลายเดือน ในการสร้างแคมเปญ การเห็นอีเมลตีกลับ และอีเมลที่ยังไม่ได้เปิดอาจ […]

การเก็บถาวรและการกู้คืน การเก็บถาวรข้อมูลเป็นสิ่งสำคั ญของการกำกับดูแลข้อมูล และการจัดการข้อมูล การเก็บถาวรไม่เพียงแต่ช่วย ลดค่าใช้จ่ายด้านฮาร์ดแวร์ และการจัดเก็บเท่านั้น แต่ยังเป็นส่วนสำคัญ ของการเก็บรักษาข้อมูลในระยะยาว และมีส่วนสำคัญในการปฏิบัติ ตามกฎระเบียบอีกด้วย เมื่อกำหนดให้มีการเก็บรักษา ข้อมูลระยะยาวกับข้อมูลของคุณ—นานกว่าสองสามปี—การเก็บถาวรอาจเป็นทางออกที่ดีที่สุด ประการแรก การเก็บข้อมูลถาวรสามารถปรับปรุง ประสิทธิภาพของแพลตฟอร์มการดำเนินงาน ของคุณได้ เนื่องจากมีข้อมูล ที่ต้องประมวลผลและจัดการน้อยลง ประการที่สอง ข้อมูลจำนวนมากที่ต้องจัดเก็บ เป็นเวลานานอาจท้าทาย ขีดจำกัดของแพลตฟอร์ม การปฏิบัติงานของคุณ และประการสุดท้าย ที่เก็บถาวรได้รับการออกแบบ มาเพื่อควบคุม ความถูกต้องของข้อมูล และการลบข้อมูลเมื่อพ้นระยะเวลาการเก็บรักษา มั่นใจได้ถึงการกู้คืนข้อมูลที่เหมาะสม หากเราเก็บข้อมูลของเราไว้ในที่เก็บข้อมูล ถาวรแยกต่างหาก เราจะต้องรวมนโยบายการเก็บถาวร ของเราเข้ากับตารางการสำรองข้อมูลของเรา นี่เป็นข้อบังคับเพื่อให้แน่ใจ ว่าการกู้คืนข้อมูลซึ่งไม่ได้กำหนดไว้ ตามข้อกำหนดสามารถดำเนินการได้ อย่างถูกต้องและมีประสิทธิภาพ การเก็บถาวรข้อมูลคือ กระบวนการลบบันทึก ข้อมูลที่เลือกออกจากระบบปฏิบัติการของคุณ เมื่อข้อมูลนั้นไม่คาดว่าจะถูกอ้างอิงอีก นอกจากนี้ ข้อมูลจะถูกจัดเก็บไว้ในที่เก็บข้อมูลถาวร ซึ่งสามารถเรียกค้นข้อมูลได้ตามต้องการ สิ่งสำคัญคือต้องระลึกไว้เสมอว่าเมื่อข้อมูลถูกเก็บถาวร จากแพลตฟอร์มการปฏิบัติงาน ไม่ว่าจะเป็นระบบฐานข้อมูล แพลตฟอร์มอีเมล หรือกลไกการจัดเก็บข้อมูลอื่นใด ข้อมูลนั้นจะไม่ถูกจัดเก็บใน แหล่งปฏิบัติการอีกต่อไป เฉพาะใน คลังเก็บเอกสารสำคัญ. จนถึงตอนนี้ดีมาก แต่ตอนนี้ ลองคิดถึงสถานการณ์การกู้คืน ที่อาจเกิดขึ้น สมมติว่าในระหว่างรอบแบทช์ […]

สร้างแบบจำลองข้อมูล ชื่อของบทความนี้เป็นชื่อของการสัมมนาผ่านเว็บเรื่อง Real-World Data Governanceที่ฉันจะมอบให้ในเดือนกันยายนกับ DATAVERSITY และแขกรับเชิญพิเศษ Dave Hay Dave Hay เป็นนักสร้างโมเดลข้อมูลที่ยอดเยี่ยมและเป็นผู้เขียนหนังสือชั้นนำในอุตสาหกรรมหลายเล่มเกี่ยวกับการสร้างโมเดลข้อมูล เขาได้เขียนบทความมากมายให้กับ ในอดีตและมองทุกอย่างเป็นแบบจำลองข้อมูลได้รวดเร็วมาก ซึ่งเป็นข้อเท็จจริงที่ชัดเจนมากสำหรับฉันเมื่อเราทำงานร่วมกันในองค์กรระดับสูงของรัฐบาลเมื่อหลายปีก่อน เมื่อพูดถึงการสัมมนาทางเว็บ เราทั้งคู่คิดว่าหัวข้อนี้น่าจะเป็นบทความที่น่าสนใจเช่นกัน ชื่อเรื่องควรดึงดูดความสนใจของผู้ที่สร้างแบบจำลองข้อมูลรวมถึงผู้กำกับดูแลข้อมูล และบางทีอาจดึงความสนใจของพวกเขาทั้งคู่ได้มากพอที่จะดึงดูดความสนใจของพวกเขา ความจริงก็คือการสร้างแบบจำลองข้อมูลโดยตัวมันเองไม่ใช่การกำกับดูแลข้อมูล – โดยสิ้นเชิง แต่ … การสร้างแบบจำลองข้อมูลคือการกำกับดูแลข้อมูล ให้ฉันอธิบาย การสร้างแบบจำลองข้อมูลเป็นระเบียบวินัยของข้อมูล เราออกแบบข้อมูลขององค์กร ลดความซ้ำซ้อน ทำตามมาตรฐาน และสร้างคำจำกัดความที่เป็นประโยชน์ทางธุรกิจสำหรับข้อมูล การสร้างแบบจำลองข้อมูลทำได้มากกว่านั้นจริงๆ ถามผู้สร้างแบบจำลองข้อมูลของ Mr. Hay, Mr. Hoberman, Ms. Lopez และ Mr. Silverston พวกเขาสามารถบอกคุณได้ว่าการสร้างแบบจำลองข้อมูลที่มีคุณค่านำมาสู่องค์กรดีกว่าที่ฉันทำได้ การสร้างแบบจำลองข้อมูลสามารถทำได้ดีหรือ … ไม่ดี โมเดลข้อมูลบางโมเดลรวมถึงคำจำกัดความของ “ชีสเบอร์เกอร์” (ชีสเบอร์เกอร์คืออะไร – เบอร์เกอร์กับชีส) และบางโมเดลมีการคิดมาอย่างดีและตรวจสอบความถูกต้องของคำอธิบายทางธุรกิจของข้อมูลที่ทำให้การผลิตและการใช้งานข้อมูลนั้นมีค่ามากขึ้นอย่างไม่มีสิ้นสุด การใช้การสร้างแบบจำลองข้อมูลนั้นแตกต่างกันไปในแต่ละองค์กร บางองค์กรมี Enterprise Data Models (EDM) ที่สร้างขึ้นเพื่อออกแบบข้อมูลทั้งหมดสำหรับองค์กร ผมขอเขียนอีกครั้งเพื่อเน้น – ออกแบบ […]

ความเข้าใจความลับของข้อมูล ฉันไม่ชอบพูดถึงทฤษฎีสัมพันธ์ของข้อมูล เป็นพื้นฐานอย่างยิ่งในการทำความเข้าใจข้อมูลอย่างลึกซึ้ง แต่ผู้ปฏิบัติงานส่วนใหญ่ก็เข้ากันได้ดีหากไม่มีข้อมูลดังกล่าว ผู้ใช้ระบบจัดการฐานข้อมูล (DBMS) จำเป็นต้องเข้าใจทฤษฎีเชิงสัมพันธ์มากกว่า ดังนั้น การสอนทฤษฎีเชิงสัมพันธ์ให้กับผู้ปฏิบัติงานทั่วไปจึงค่อนข้างเหมือนกับการทรมานผู้คนด้วยทฤษฎีที่ไม่เกี่ยวข้องก่อนที่คุณจะปล่อยให้พวกเขาเริ่มทำธุรกิจ ยิ่งกว่านั้น ผู้ที่เข้าใจทฤษฎีเชิงสัมพันธ์บางคนใช้ความรู้ของตนเอาชนะคนอื่นแบบหัวปักหัวปำ ฉันไม่ต้องการที่จะเชื่อมโยงกับแนวทางระดับสูงในทฤษฎีที่สำคัญนี้ แต่ฉันได้รับการกระตุ้น Google ทำให้ฉันทำมัน ความสนใจของฉันถูกดึงดูดไปที่วิดีโอที่บางคนที่ Google นำเสนอการสร้างแบบจำลองข้อมูลสำหรับ BigQuery วิดีโอส่วนใหญ่ใช้ได้ดี แต่มันทำให้การแสดงข้อมูลที่ขัดต่อข้อเท็จจริงเกี่ยวกับทฤษฎีเชิงสัมพันธ์ที่ทำให้ฉันคลั่งไคล้ พวกเขาทำซ้ำความเข้าใจผิดที่ยอมรับกันทั่วไปเกี่ยวกับฐานข้อมูลเชิงสัมพันธ์—ความเข้าใจผิดที่โชคไม่ดีที่ได้ผลักดัน “ความก้าวหน้า” บางอย่างที่เราเคยเห็นในช่วงหลังของขอบเขตของเทคโนโลยีฐานข้อมูล มีความก้าวหน้าที่แท้จริงอยู่บ้าง แต่เทคโนโลยีใหม่บางอย่างก็แตกต่างออกไปโดยไม่ได้ดีไปกว่านั้น หากคุณเป็นผู้ปฏิบัติงานด้านการออกแบบ การนำไปใช้ และการใช้ฐานข้อมูล ไม่ว่าจะเป็น SQL หรือ NoSQL สิ่งนี้จะไม่สำคัญกับคุณมากนัก แม้ว่าการเรียนรู้เพิ่มเติมเล็กน้อยเกี่ยวกับทฤษฎีข้อมูลจะไม่ใช่เรื่องเสียหายก็ตาม อย่างไรก็ตามหากคุณเป็นโปรแกรมเมอร์ซึ่งอาจเป็นผู้สร้าง NoSQL mega-star คนต่อไปที่จะมาแทนที่เทคโนโลยีที่มีอายุหลายสิบปี คุณต้องรู้เรื่องนี้ เพราะความรู้นี้จะช่วยให้คุณมองไม่เห็นผู้ขาย DBMS ที่จัดตั้งขึ้นทุกราย ไม่ว่าจะเป็น SQL หรือ NoSQL ดังนั้นฉันจะแก้ไขบันทึกที่นี่ ทฤษฎีข้อมูลเชิงสัมพันธ์ไม่ได้บอกเราถึงวิธีการจัดเก็บข้อมูล (ในตาราง) แต่มันบอกเราถึงวิธีการทำความเข้าใจข้อมูล ดูเผินๆ ดูเหมือนว่าทฤษฎีเชิงสัมพันธ์นำเสนอแนวคิดในการจัดเก็บข้อมูลในรูปแบบตาราง และมีความจริงบางประการสำหรับสิ่งนั้น อย่างไรก็ตาม เมื่อคุณถือว่าทฤษฎีเชิงสัมพันธ์เป็นตรรกะล้วน ๆ โดยแยกออกจากสมมติฐานใด ๆ เกี่ยวกับหน่วยเก็บข้อมูลจริง คุณตระหนักดีว่าทฤษฎีดังกล่าวให้ทฤษฎีข้อมูลที่ครอบคลุมเพียงทฤษฎีเดียวที่ใช้ได้ผลกับข้อมูลที่จัดเก็บในรูปแบบต่าง […]

การรวบรวมข้อมูลขนาดใหญ่ สื่อดิจิทัลมีความซับซ้อนมากขึ้นเรื่อยๆ ในแต่ละวัน ด้วยเหตุนี้ ข้อมูลจึงถูกสร้างและเก็บเกี่ยวทั่วโลก ผู้เชี่ยวชาญในโลกของการตลาดมักจะมองหาวิธีการใหม่ๆ ในการซื้อหรือขายข้อมูลที่อาจเป็นประโยชน์ต่อระบบและแนวทางปฏิบัติของพวกเขา การทำเช่นนี้เริ่มยากขึ้นเรื่อย ๆ และได้สร้างอุตสาหกรรมใหม่ทั้งหมดสำหรับนักพัฒนาเทคโนโลยีที่จะฟันฝ่าและปรับปรุงข้อเสนอบริการของพวกเขา การเติบโตของอุตสาหกรรมนี้มีข้อดีและข้อเสีย ทุกวันนี้ ความจำเป็นในการบันทึกและนำรูปร่างมาสู่ข้อมูลเชิงลึกและข้อมูล และรวบรวมเป็นแพลตฟอร์มที่เป็นหนึ่งเดียวคือความท้าทายที่นักพัฒนาซอฟต์แวร์กำลังเผชิญอยู่ในขณะนี้ และผลลัพธ์ของปัญหานั้นเรียกว่า Data Management Platform (DMP) คุณสามารถติดตั้งแพลตฟอร์มการจัดการข้อมูลได้หลายวิธี ตัวอย่างเช่น หากคุณกำลังเรียนรู้วิธีสร้างเว็บไซต์คุณจะเข้าใจว่าคุณจำเป็นต้องจัดระเบียบข้อมูลบุคคลที่หนึ่ง ที่สอง และบุคคลที่สามจากโฆษณาบนเว็บไซต์ของคุณ ในการทำเช่นนี้ คุณจะได้เรียนรู้วิธีใช้ DMP เพื่อสร้างโฆษณาที่ตรงเป้าหมายมากขึ้นและการปรับแต่งเนื้อหา DMP ทำงานอย่างไร DMP มีความสามารถในการเก็บเกี่ยวและบันทึกข้อมูลในรูปแบบต่างๆ ที่หลากหลายจากแหล่งข้อมูลที่หลากหลาย พวกเขาสามารถรับข้อมูลจากการท่องเว็บบนเดสก์ท็อปและอุปกรณ์พกพา เครื่องมือวิเคราะห์ CRM โซเชียลมีเดีย และบางครั้งแม้แต่จากวิทยุหรือทีวี DMP ที่ดีที่สุดใช้เทคโนโลยีขั้นสูงสุดเพื่อเจาะลึกมากกว่าข้อมูลพื้นผิว ทำให้ได้ชุดข้อมูลที่รอบด้านมากขึ้นซึ่งมีประโยชน์มากกว่าสำหรับผู้ที่กำลังเก็บเกี่ยวข้อมูล ข้อมูลจากบุคคลที่หนึ่ง เช่น ข้อมูลที่รวบรวมจากลูกค้าและลูกค้าของคุณเอง สามารถรับได้โดยตรงจากการโต้ตอบกับเว็บไซต์ เช่น การคลิกและการดาวน์โหลด ข้อมูลมักจะรวมถึงความสนใจ เช่น กีฬาและงานอดิเรก ตลอดจนตำแหน่งที่ตั้งและข้อมูลประชากร ข้อมูลนี้สามารถใช้เพื่อกำหนดเป้าหมายตลาดเฉพาะได้ เช่น พ่อที่มีอายุ 27-32 ปี จะเกิดอะไรขึ้นหลังจากการรวบรวมข้อมูล หลังจากจัดเรียงข้อมูลจากบุคคลที่หนึ่งแล้ว โดยปกติแล้ว […]

ข้อมูลที่ควรหลีกเลี่ยง ทุกวันนี้มีเหตุผลที่จะกล่าวว่าธุรกิจ ไม่มีโอกาสประสบความสำเร็จ มากนักหากปราศจากการดำเนินการ ด้านข้อมูลที่แข็งแกร่ง อย่างไรก็ตาม ในทางกลับกัน การสันนิษฐานว่านั่นหมายความว่า ทุกธุรกิจจำเป็นต้องใช้เงินจำนวนมาก ไปกับเทคโนโลยีขั้นสูงที่เกี่ยวข้อง กับการรวบรวมข้อมูล ค่อนข้างจะขึ้นอยู่กับการจัดการที่ดี คำกล่าวอ้างของ Inc. ที่ว่าทุกธุรกิจเป็นธุรกิจข้อมูล  ถือว่าเหมาะสมในเรื่องนี้ โดยแนะนำว่าข้อมูลที่มีประสิทธิภาพ ต้องการเพียงแผนเท่านั้น ไม่ใช่ AI หรือการเรียนรู้ของเครื่อง น่าเสียดาย ที่นี่ยังคงเป็นที่ที่หลายบริษัทล้มเหลว! ในหลายกรณี แนวคิดในการรวบรวมและใช้ประโยชน์จากข้อมูล ยังค่อนข้างใหม่ และแม้แต่เจ้าของที่ระมัดระวัง และธุรกิจที่ดำเนินกิจการมาอย่างดี ก็สามารถทำผิดพลาดได้ในการนำทางทั้งหมด ในท้ายที่สุดสิ่งนี้หลีกเลี่ยงได้ง่ายที่สุด ด้วยการปฏิบัติ เจ้าของธุรกิจจะรับทราบว่า การลองผิดลองถูกเป็นส่วนหนึ่ง ของกระบวนการ แต่การคิดเชิงกลยุทธ์ ในตอนเริ่มต้นของการใช้กลยุทธ์ข้อมูล สามารถช่วยได้อย่างแน่นอน ดังนั้น เราขอแนะนำให้คุณอ่านประเด็นต่อไปนี้เกี่ยวกับข้อผิดพลาดทั่วไป ที่ควรหลีกเลี่ยงในพื้นที่นี้ ไม่ต้องมีคนรับผิดชอบ โดยเฉพาะอย่างยิ่งเนื่องจากแนวปฏิบัติจำนวนมาก ที่เกี่ยวข้องกับข้อมูลในปัจจุบันเป็นแบบอัตโนมัติ จึงเป็นเรื่องง่ายที่จะติดนิสัยคิดว่า การดำเนินการด้านข้อมูลส่วนใหญ่ จะดูแลตัวเองได้ ในฐานะเจ้าของธุรกิจ คุณอาจปล่อยให้แผนกต่างๆ พิจารณาข้อมูลตามความจำเป็น หรือเพียงแค่ดูข้อมูลด้วยตัวคุณเอง แล้วดูว่าคุณสามารถรวบรวมข้อมูลเชิงลึกใดบ้าง ดัง ที่เราได้กล่าวไปแล้วเมื่อ  พูดถึง ‘บทบาทของ Data Steward ในองค์กรสมัยใหม่’ควรมีใครสักคนที่รับผิดชอบเรื่องนี้โดยเฉพาะ สามารถกำหนดสจ๊วต หรือผู้จัดการข้อมูลโดยเฉพาะเพื่อให้แน่ใจว่า ข้อมูลถูกรวบรวม […]

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) […]

การวิเคราะห์คุณภาพข้อมูล การวิเคราะห์คุณภาพข้อมูล คือวิธีที่คุณมั่นใจได้ว่าข้อมูลของคุณ… มีคุณภาพสูง กล่าวอีกนัยหนึ่งคือ ช่วยให้คุณมั่นใจได้ว่าข้อมูลของคุณถูกต้อง เกี่ยวข้อง เป็นปัจจุบัน และเหมาะสมกับการใช้งาน และแอปพลิเคชันที่ต้องการ การวิเคราะห์คุณภาพข้อมูลมักเป็นส่วนหนึ่ง ของกระบวนการจัดการคุณภาพข้อมูล การจัดการคุณภาพข้อมูล การจัดการคุณภาพข้อมูล เป็นกระบวนการที่ทำให้มั่นใจว่าทีมของคุณสามารถ เข้าถึงข้อมูลคุณภาพสูงได้ ซึ่งจะต้องมีการดึงข้อมูลเชิงลึกเกี่ยวกับความสมบูรณ์ของข้อมูลของคุณ เพื่อปรับปรุงประสิทธิภาพดังกล่าว สิ่งนี้นำไปสู่การประยุกต์ใช้ข้อมูล ที่ถูกต้องและสร้างชุดข้อมูลขนาดใหญ่ขึ้น เมตริกคุณภาพข้อมูล เมตริกคุณภาพข้อมูลคือวิธีที่คุณกำหนดคุณภาพของข้อมูล อย่างแท้จริง ซึ่งเป็นการวัดเฉพาะ ที่คุณใช้ในการวิเคราะห์ข้อมูล เมตริกคุณภาพข้อมูลเป็นสิ่งที่กำหนด ระดับความถูกต้อง ความเกี่ยวข้อง แอปพลิเคชัน ฯลฯ ของข้อมูลของคุณ ดังนั้น คุณจะทราบได้ว่าข้อมูลของคุณมีคุณภาพสูง (หรือต่ำ) เพียงใด ต่อไปนี้เป็นเมตริกคุณภาพข้อมูลที่พบบ่อยที่สุดที่ควรดู: จำนวนค่าว่าง จำนวนค่าที่ซ้ำกัน ค่าใช้จ่ายในการจัดเก็บข้อมูล แนวทางปฏิบัติที่ดีที่สุดในการจัดการคุณภาพข้อมูล ต่อไปนี้เป็นแนวทางปฏิบัติที่ดีที่สุด สำหรับการจัดการคุณภาพข้อมูล ที่ควรคำนึงถึงขณะวิเคราะห์คุณภาพข้อมูลของคุณ 1. กำหนดเมตริกที่สำคัญที่สุดของทีมคุณ คุณสามารถใช้เมตริกที่เราร่างไว้ด้านบน หรือสร้างใหม่ก็ได้ สิ่งสำคัญคือการเลือก และติดตามเฉพาะเมตริกที่จะช่วยคุณในการตัดสินใจ ตัวอย่างเช่น คุณไม่ต้องการรายงาน เกี่ยวกับจำนวนรายการข้อมูลทั้งหมด หากทีมของคุณไม่มีเป้าหมาย […]