Il Capitolo 1 introduce i termini fondamentali sulla qualità dei dati, tra cui le dimensioni della qualità dei dati e i ruoli e le responsabilità nella qualità dei dati. Imparerai anche l'importanza e il valore della qualità dei dati in un contesto aziendale.

Importanza della qualità dei dati

Valore della qualità dei dati

Domande sulla qualità dei dati

Termini e concetti di qualità dei dati

Definizione di qualità dei dati in contesto

Dimensioni bonus della qualità dei dati

Pratica sulla dimensione della qualità dei dati

Importanza della coerenza

Ruoli e responsabilità nella qualità dei dati

Il team di governance dei dati

Il ruolo per la qualità dei dati adatto

Quale ruolo ricopre responsabilità

Definire i termini della qualità dei dati

Inizierai il capitolo 2 identificando le regole di qualità dei dati per ogni dimensione della qualità dei dati utilizzando i profili dei dati. Imparerai anche a conoscere i metadati e la derivazione dei dati, prima di esplorare il processo di qualità dei dati in generale per individuare e risolvere i problemi.

Regole di qualità dei dati utilizzando le dimensioni

Regole di qualità dei dati

Scenari di qualità dei dati

Profili dei dati

Regole di qualità dei dati basate su un profilo di dati

Conclusioni sul profilo dei dati

Metadati e qualità dei dati

Identificare i metadati

Ordine di derivazione dei dati

Gestione dei problemi di qualità dei dati

Utilizzo della derivazione dei dati e dei metadati

Esecuzione dei processi di qualità dei dati

Processi e componenti della qualità dei dati

Nel capitolo 3 imparerai a conoscere i diversi tipi di regole di qualità dei dati e il concetto di soglie di allarme per la qualità dei dati. Terminerai il capitolo con un esercizio che mette insieme dimensioni, regole di qualità dei dati, processi di qualità dei dati e avvisi di qualità dei dati.

Regole investigative per la qualità dei dati

Identificare le regole investigative

Processo di correzione dei problemi rilevati

Correzione dei problemi rilevati

Regole preventive sulla qualità dei dati

Quando utilizzare una regola preventiva

Opzioni

Regola investigativa sulla qualità dei dati

Regola preventiva sulla qualità dei dati

Regole di qualità dei dati di tipo investigativo o preventivo

Rilevamento delle anomalie

Quando utilizzare il rilevamento delle anomalie

Gestione delle anomalie

Soglie di qualità dei dati

Selezione della soglia

Livello 1 - Avvertimento

Livello 2 - Allarme di criticità

Livello 3 - Prevenzione di criticità

Abbinare la soglia alla criticità

Conclusione

Regole di qualità dei dati in azione

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. Potrai comprendere il processo di qualità dei dati ed essere 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 da considerare 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 il 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 completate. 
<h2>Padroneggia le basi della gestione della qualità dei dati</h2>
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 applicando le tecniche di base sulla qualità dei dati trattate 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. Impara i concetti chiave, le dimensioni e le tecniche per monitorare e migliorare la qualità dei dati.

Fondamenti di governance dei dati

Tutti i record devono avere un tipo di conto cliente popolato. Se oltre il 10% dei record non è popolato, comunicalo al produttore dei dati. 

Tutti i tipi di clienti in dataset1 devono corrispondere ai tipi di clienti in dataset2. Se oltre il 10% dei record è incoerente, comunicalo al produttore dei dati.

Tutti i record devono avere una data di apertura del conto cliente nel passato. Se vengono riscontrati degli errori, avvisa il produttore dei dati e segnala la correzione per l’SLA.

Tutti i record con uno stato aperto devono avere una data di apertura entro 3 giorni. Se viene riscontrato un errore, avvisa il produttore dei dati e segnala la correzione per l'SLA.

Tutti i record dei clienti devono avere un saldo corrente popolato. Se il 10% o più dei record dà errore, non caricare i dati e avvisa il produttore dei dati.

Abbinare la soglia alla criticità

Introduzione alla qualità dei dati

Esercizio pratico interattivo