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.

Regole di qualità dei dati utilizzando le dimensioni

Regole di qualità dei dati

Opzioni

Validità

Tempestività

Accuratezza

Scenari di qualità dei dati

Profili dei dati

Regole di qualità dei dati basate su un profilo di dati

Conclusione valida

Necessità di maggiori informazioni

Conclusioni sul profilo dei dati

Metadati e qualità dei dati

Identificare i metadati

Livelli e metadati della derivazione dei dati

Ordine di derivazione dei dati

Gestione dei problemi di qualità dei dati

Utilizzo della derivazione dei dati e dei metadati

Processo di qualità dei dati

Esecuzione dei processi di qualità dei dati

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.

Detective Data Quality Rules

Identifying detective rules

Remediating detected issues

Preventative Data Quality Rules

When to use a preventative rule

Detective versus preventative data quality rules

Anomaly detection

When to use anomaly detection

Triaging anomalies

Data quality thresholds

Threshold selection

Matching threshold to criticality

Wrap-Up

Data Quality Rules In Action

Cheat Sheet - Data Quality Dimensions

La qualità dei dati è un concetto fondamentale da comprendere se lavori con i dati. I concetti e i processi di qualità dei dati sono trasversali ai settori e possono essere applicati da chiunque produca o consumi dati. Questo corso copre le basi, tra cui le dimensioni della qualità dei dati, i ruoli e le responsabilità e i tipi di regole per la qualità dei dati. Grazie a esso, potrai comprendere il processo di qualità dei dati e iniziare a monitorare la qualità dei tuoi dati. <br><br>
Inizierai imparando la definizione di qualità dei dati e perché è così importante da considerare nel processo decisionale aziendale. Una volta compresa quest'importanza, imparerai a conoscere le sei dimensioni fondamentali della qualità dei dati. Utilizzerai queste dimensioni per definire regole di qualità dei dati di tipo investigativo e preventivo. <br><br>
Alla fine di questo corso, capirai come monitorare, identificare e risolvere i problemi di qualità dei dati. Guarderai i tuoi dati con un occhio più critico e penserai ai potenziali problemi di qualità dei dati prima di utilizzarli. In definitiva, sarai in grado di prendere decisioni migliori e di avere più fiducia nei tuoi dati e applicare le tecniche di base sulla qualità dei dati trattate in questo corso.

<h2>Esplora le basi della qualità dei dati</h2>
La qualità dei dati è un concetto fondamentale da comprendere se lavori con i dati. I concetti e i processi di qualità dei dati sono trasversali ai settori e possono essere applicati da chiunque produca o consumi dati. Questo corso copre le basi, tra cui le dimensioni della qualità dei dati, i ruoli e le responsabilità e i tipi di regole per la qualità dei dati. Acquisirai una comprensione del processo di qualità dei dati e sarai pronto a iniziare a monitorare la qualità dei tuoi dati. 
<h2>Scopri le dimensioni della qualità dei dati</h2>
Inizierai imparando la definizione di qualità dei dati e perché è così importante nel processo decisionale aziendale. Una volta compresa l'importanza, imparerai a conoscere le sei dimensioni fondamentali della qualità dei dati. Utilizzerai queste dimensioni per definire regole di qualità dei dati di tipo investigativo e preventivo. <br><br> Imparerai anche le basi del rilevamento delle anomalie, un metodo più avanzato per monitorare la qualità dei dati. Metterai insieme questi concetti applicando l'intero processo di qualità dei dati. Scoprirai quale ruolo è responsabile di specifiche attività di qualità dei dati e l'ordine in cui queste attività devono essere svolte. 
<h2>Padroneggia le basi della gestione della qualità dei dati</h2>
Alla fine di questo corso, saprai come monitorare, identificare e risolvere i problemi di qualità dei dati. Guarderai i tuoi dati con un occhio più critico e valuterai i potenziali problemi di qualità prima di utilizzarli. In definitiva, sarai in grado di prendere decisioni migliori e di avere maggiore fiducia nei tuoi dati applicando le tecniche di base sulla qualità dei dati illustrate in questo corso.

Esplora le basi della gestione della qualità dei dati. Scopri concetti chiave e tecniche per migliorarla.

Introduzione alla qualità dei dati

Esplora le basi della gestione della qualità dei dati, dai concetti chiave alle tecniche per monitorarla e migliorarla.

Fondamenti di governance dei dati

Dipartimento di gestione dei rischi: si interessa ai valori nel campo del saldo del conto, in quanto spesso trovano valori che sembrano fin troppo grandi.

Operazioni commerciali: questo team si occupa delle date di scadenza dei pagamenti con formattazione errata, la quale rende difficile filtrare clienti specifici.

Tecnologia dell'informazione - Si occupa di garantire che le pipeline ETL funzionino come previsto e che i dati vengano caricati secondo lo SLA giornaliero.

Reparto marketing: ha bisogno che le email dei clienti siano aggiornate e disponibili ogni mattina per poter inviare ai clienti email sui nuovi prodotti.

Contabilità: si occupa di garantire che tutti i conti dei clienti abbiano un saldo accurato e popolato, così da prevedere la liquidità di cui la banca ha bisogno.

Sviluppo commerciale: si interessa che gli indirizzi email dei clienti siano accurati. Se non sono corretti, è impossibile raggiungere il cliente.

Scenari di qualità dei dati

Introduzione alla qualità dei dati

esercizio interattivo pratico