Chapter 1 introduces basic data quality terms, including data quality dimensions and data quality roles and responsibilities. You will also learn the importance and value of data quality in a business context.

Importance of data quality

Value of data quality

Data quality questions

Data quality terms and concepts

Data quality definition in context

Bonus data quality dimensions

Data quality dimension practice

Importance of consistency

Data quality roles and responsibilities

The Data Governance Team

Which data quality role fits

Which role is responsible

Defining Data Quality Terms

You’ll start chapter 2 by identifying data quality rules for each data quality dimension using data profiles. You’ll also learn about metadata and data lineage before exploring the overall data quality process for triaging and remediating issues.

Data quality rules using dimensions

Data quality rules

Data quality scenarios

Data profiles

Data quality rules based on a data profile

Data profile conclusions

Metadata and data quality

Identifying metadata

Order of data lineage

Data quality issues triage

Using data lineage and metadata

Executing data quality processes

Data Quality Processes and Components

In chapter 3, you’ll learn about the different types of data quality rules and the concept of data quality alert thresholds. You’ll finish the chapter with an exercise that puts dimensions, data quality rules, data quality processes, and data quality alerts together.

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

Data Quality Rules In Action

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

Dasar-Dasar Tata Kelola Data

Semua Nomor Rekening harus terdiri dari 10 digit. Lanjutkan memuat data ke hilir jika kesalahan teridentifikasi.

Semua Tanggal Pembukaan Rekening harus berada di masa lalu. Lanjutkan memuat data ke hilir jika kesalahan teridentifikasi.

Semua rekening dengan status Open harus memiliki Jumlah Saldo lebih dari 0,00. Lanjutkan memuat data ke hilir jika kesalahan teridentifikasi.

Semua rekaman harus memiliki nomor rekening yang terisi. Jangan memuat data ke hilir jika kesalahan teridentifikasi.

Semua rekaman harus memiliki nama peminjam yang terisi. Jangan memuat data ke hilir jika kesalahan teridentifikasi.

Semua rekaman harus memiliki nomor jaminan sosial peminjam. Jangan memuat data ke hilir jika kesalahan teridentifikasi.

Aturan kualitas data detektif versus preventif

Pengantar Kualitas Data

Latihan interaktif praktis