Bab 1 memperkenalkan istilah dasar kualitas data, termasuk dimensi kualitas data serta peran dan tanggung jawab terkait kualitas data. Anda juga akan mempelajari pentingnya dan nilai kualitas data dalam konteks bisnis.

Pentingnya kualitas data

Nilai kualitas data

Pertanyaan kualitas data

Istilah dan konsep kualitas data

Definisi kualitas data dalam konteks

Dimensi kualitas data tambahan

Latihan dimensi kualitas data

Pentingnya konsistensi

Peran dan tanggung jawab kualitas data

Tim Tata Kelola Data

Peran kualitas data yang paling tepat

Peran mana yang bertanggung jawab

Mendefinisikan Istilah Kualitas Data

Anda akan memulai bab 2 dengan mengidentifikasi aturan kualitas data untuk setiap dimensi kualitas data menggunakan profil data. Anda juga akan mempelajari metadata dan garis keturunan data sebelum menelusuri proses kualitas data secara keseluruhan untuk triase dan perbaikan masalah.

Aturan kualitas data menggunakan dimensi

Aturan kualitas data

Skenario kualitas data

Profil data

Aturan kualitas data berdasarkan profil data

Kesimpulan dari profil data

Metadata dan kualitas data

Mengidentifikasi metadata

Urutan data lineage

Triase masalah kualitas data

Menggunakan data lineage dan metadata

Menjalankan proses kualitas data

Proses dan Komponen Kualitas Data

Di bab 3, Anda akan mempelajari berbagai jenis aturan kualitas data dan konsep ambang batas peringatan kualitas data. Anda akan menutup bab ini dengan latihan yang menggabungkan dimensi, aturan kualitas data, proses kualitas data, dan peringatan kualitas data.

Aturan Kualitas Data Detektif

Mengidentifikasi aturan detektif

Proses remediasi untuk masalah yang terdeteksi

Memperbaiki masalah yang terdeteksi

Aturan Kualitas Data Preventif

Kapan menggunakan aturan preventif

Opsi

Aturan kualitas data detektif versus preventif

Deteksi anomali

Kapan menggunakan deteksi anomali

Menangani anomali

Ambang batas kualitas data

Pemilihan ambang batas

Level 1 - Peringatan

Level 2 - Peringatan isu kritis

Level 3 - Pencegahan isu kritis

Menyelaraskan ambang batas dengan tingkat kritikalitas

Penutup

Aturan Kualitas Data dalam Praktik

Cheat Sheet - Data Quality Dimensions

Kualitas data adalah konsep mendasar yang penting dipahami jika Anda bekerja dengan data. Konsep dan proses kualitas data menjangkau berbagai industri dan dapat diterapkan oleh siapa pun yang memproduksi atau menggunakan data. Kursus ini membahas dasar-dasarnya, termasuk dimensi kualitas data, peran dan tanggung jawab, serta jenis aturan kualitas data. Anda akan memahami proses kualitas data dan siap mulai memantau kualitas data Anda sendiri. <br><br>
Anda akan mulai dengan mempelajari definisi kualitas data dan mengapa hal ini sangat penting dipertimbangkan dalam pengambilan keputusan bisnis. Setelah memahami pentingnya, Anda akan mempelajari enam dimensi dasar kualitas data. Anda akan menggunakan dimensi ini untuk mendefinisikan aturan kualitas data yang bersifat detektif dan preventif. <br><br>
Pada akhir kursus, Anda akan memahami cara memantau, mengidentifikasi, dan menyelesaikan masalah kualitas data. Anda akan meninjau data dengan lebih kritis dan mempertimbangkan potensi masalah kualitas data sebelum menggunakannya. Pada akhirnya, Anda akan dapat membuat keputusan yang lebih baik dan memiliki kepercayaan lebih tinggi pada data Anda dengan menerapkan teknik dasar kualitas data yang dibahas dalam kursus ini.

<h2>Jelajahi Dasar-Dasar Kualitas Data</h2>
Kualitas data adalah konsep dasar yang sangat penting untuk dipahami jika Anda bekerja dengan data. Konsep dan proses kualitas data mencakup berbagai industri dan dapat diterapkan oleh siapa pun yang memproduksi atau mengonsumsi data. Kursus ini mencakup dasar-dasar, termasuk dimensi kualitas data, peran dan tanggung jawab, serta jenis-jenis aturan kualitas data. Anda akan memahami proses kualitas data dan siap untuk mulai memantau kualitas data Anda sendiri. 
<h2>Pelajari Dimensi Kualitas Data</h2>
Anda akan memulai dengan mempelajari definisi kualitas data dan mengapa hal ini sangat penting untuk dipertimbangkan dalam pengambilan keputusan bisnis. Setelah Anda memahami pentingnya hal ini, Anda akan mempelajari enam dimensi kualitas data yang mendasar. Anda akan menggunakan dimensi-dimensi ini untuk mendefinisikan aturan kualitas data detektif dan preventif. <br><br> Anda juga akan mempelajari dasar-dasar deteksi anomali, metode yang lebih canggih untuk memantau kualitas data. Anda akan menggabungkan konsep-konsep ini dengan menerapkan proses kualitas data. Anda akan mempelajari peran mana yang bertanggung jawab atas tugas-tugas kualitas data tertentu dan urutan pelaksanaan tugas-tugas tersebut. 
<h2>Menguasai Dasar-Dasar Manajemen Kualitas Data</h2>
Pada akhir kursus ini, Anda akan memahami cara memantau, mengidentifikasi, dan menyelesaikan masalah kualitas data. Anda akan menganalisis data Anda dengan lebih kritis dan mempertimbangkan potensi masalah kualitas data sebelum menggunakannya. Pada akhirnya, Anda akan dapat membuat keputusan yang lebih baik dan memiliki kepercayaan yang lebih besar terhadap data Anda dengan menerapkan teknik-teknik kualitas data dasar yang dibahas dalam kursus ini.

Jelajahi dasar manajemen kualitas data. Pelajari konsep, dimensi, dan teknik untuk memantau dan meningkatkan kualitas data.

Pengantar Kualitas Data

Jelajahi dasar-dasar manajemen kualitas data. Pelajari konsep utama, dimensi, dan teknik untuk memantau dan meningkatkan kualitas data.

Dasar-Dasar Tata Kelola Data

Semua record harus memiliki jenis akun pelanggan terisi. Jika 10%+ record tidak terisi, beri tahu produsen data.

Semua jenis pelanggan di dataset1 harus cocok dengan jenis pelanggan di dataset2. Jika 10%+ record tidak konsisten, beri tahu produsen data.

Semua record harus memiliki tanggal pembukaan akun pelanggan di masa lalu. Jika ditemukan kesalahan, beri peringatan kepada produsen data dan laporkan terhadap SLA remediasi.

Semua record dengan status terbuka harus memiliki tanggal pembukaan dalam 3 hari. Jika ditemukan kesalahan, beri peringatan kepada produsen data dan laporkan terhadap SLA remediasi.

Semua record pelanggan harus memiliki saldo saat ini yang terisi. Jika 10% atau lebih record gagal, jangan muat data dan beri peringatan kepada produsen data.

Menyelaraskan ambang batas dengan tingkat kritikalitas

Pengantar Kualitas Data

Latihan interaktif langsung