Rozdział 1 wprowadza podstawowe pojęcia dotyczące jakości danych, w tym wymiary jakości danych oraz role i odpowiedzialności w tym obszarze. Poznasz też znaczenie i wartość jakości danych w kontekście biznesowym.

Znaczenie jakości danych

Wartość jakości danych

Pytania dotyczące jakości danych

Terminy i pojęcia z zakresu jakości danych

Definicja jakości danych w praktyce

Dodatkowe wymiary jakości danych

Ćwiczenie z wymiarów jakości danych

Znaczenie spójności

Role i odpowiedzialności w zakresie jakości danych

Zespół ds. zarządzania danymi

Jaką rolę w zakresie jakości danych pełnisz

Kto jest za co odpowiedzialny

Podstawowe pojęcia jakości danych

Rozdział 2 zaczniesz od definiowania reguł jakości danych dla poszczególnych wymiarów na podstawie profilów danych. Następnie poznasz pojęcia metadanych i rodowodu danych, a potem przyjrzysz się ogólnemu procesowi jakości danych – od klasyfikacji problemów po ich rozwiązywanie.

Reguły jakości danych a wymiary jakości

Reguły jakości danych

Scenariusze jakości danych

Profile danych

Reguły jakości danych na podstawie profilu danych

Wnioski z profilu danych

Metadane a jakość danych

Identyfikowanie metadanych

Kolejność warstw rodowodu danych

Triage problemów z jakością danych

Korzystanie z lineażu danych i metadanych

Realizacja procesów jakości danych

Procesy i komponenty jakości danych

W rozdziale 3 poznasz różne typy reguł jakości danych oraz koncepcję progów alertów jakości danych. Rozdział zakończysz ćwiczeniem, które łączy wymiary, reguły jakości danych, procesy jakości danych oraz alerty jakości danych.

Detektywistyczne reguły jakości danych

Identyfikowanie reguł detektywnych

Proces naprawczy dla wykrytych problemów

Usuwanie wykrytych problemów

Prewencyjne reguły jakości danych

Kiedy stosować regułę prewencyjną

Opcje

Detektywistyczna reguła jakości danych

Prewencyjne reguła jakości danych

Detektywistyczne a prewencyjne reguły jakości danych

Wykrywanie anomalii

Kiedy stosować wykrywanie anomalii

Weryfikacja anomalii

Progi jakości danych

Dobór progów alertów

Poziom 1 – ostrzeżenie

Poziom 2 – alert o problemie krytycznym

Poziom 3 – blokada problemu krytycznego

Dopasowywanie progu do krytyczności

Podsumowanie

Reguły jakości danych w praktyce

Cheat Sheet - Data Quality Dimensions

Jakość danych to fundamentalne pojęcie, które warto rozumieć, jeśli pracujesz z danymi. Koncepcje i procesy związane z jakością danych są stosowane w wielu branżach i mogą być wykorzystywane przez każdą osobę, która przetwarza lub korzysta z danych. Kurs obejmuje podstawy: wymiary jakości danych, role i odpowiedzialności oraz typy reguł jakości danych. Zrozumiesz proces zapewniania jakości danych i będziesz gotowy do monitorowania jakości własnych danych. <br><br>
Zaczniesz od poznania definicji jakości danych i jej znaczenia w podejmowaniu decyzji biznesowych. Następnie poznasz sześć podstawowych wymiarów jakości danych. Wykorzystasz je do definiowania wykrywczych i prewencyjnych reguł jakości danych. <br><br>
Po ukończeniu kursu będziesz wiedzieć, jak monitorować, identyfikować i rozwiązywać problemy z jakością danych. Nauczysz się krytycznie patrzeć na dane i dostrzegać potencjalne problemy jeszcze przed ich użyciem. Dzięki poznanym technikom będziesz podejmować lepsze decyzje i ufać swoim danym.

<h2>Poznaj podstawy jakości danych</h2>
Jakość danych to podstawowe pojęcie, które warto zrozumieć, jeśli pracujesz z danymi. Koncepcje i procesy związane z jakością danych obejmują różne branże i mogą być stosowane przez każdą osobę, która tworzy dane lub z nich korzysta. Ten kurs obejmuje podstawy, w tym wymiary jakości danych, role i obowiązki oraz rodzaje reguł jakości danych. Zdobędziesz zrozumienie procesu jakości danych i będziesz gotowy(-a), aby zacząć monitorować jakość własnych danych. 
<h2>Dowiedz się o wymiarach jakości danych</h2>
Zaczniesz od poznania definicji jakości danych i tego, dlaczego jest ona tak ważna przy podejmowaniu decyzji biznesowych. Gdy zrozumiesz, dlaczego to ważne, poznasz sześć podstawowych wymiarów jakości danych. Będziesz używać tych wymiarów do definiowania detekcyjnych i prewencyjnych reguł jakości danych. <br><br> Nauczysz się także podstaw wykrywania anomalii, bardziej zaawansowanego sposobu monitorowania jakości danych. Połączysz te koncepcje, stosując proces jakości danych. Dowiesz się, która rola odpowiada za konkretne zadania związane z jakością danych oraz w jakiej kolejności należy je wykonać. 
<h2>Opanuj podstawy zarządzania jakością danych</h2>
Po ukończeniu tego kursu będziesz rozumieć, jak monitorować, identyfikować i rozwiązywać problemy z jakością danych. Będziesz patrzeć na swoje dane bardziej krytycznym okiem i zastanowisz się nad potencjalnymi problemami z jakością danych, zanim je wykorzystasz. Ostatecznie będziesz w stanie podejmować lepsze decyzje i mieć większe zaufanie do swoich danych, stosując podstawowe techniki jakości danych omówione w tym kursie.

Poznaj podstawy zarządzania jakością danych. Naucz się kluczowych pojęć i technik poprawy jakości.

Wprowadzenie do jakości danych

Poznaj podstawy zarządzania jakością danych. Poznaj kluczowe pojęcia, wymiary i techniki monitorowania oraz poprawy jakości danych.

Podstawy zarządzania danymi

Wszystkie rekordy muszą mieć uzupełniony typ konta klienta. Jeśli 10% lub więcej rekordów nie jest uzupełnionych, należy poinformować producenta danych.

Wszystkie typy klientów w zbiorze danych dataset1 muszą odpowiadać typom klientów w zbiorze danych dataset2. Jeśli 10% lub więcej rekordów jest niespójnych, należy poinformować producenta danych.

Wszystkie rekordy muszą mieć datę otwarcia konta klienta w przeszłości. W przypadku wykrycia błędów należy powiadomić producenta danych i raportować realizację SLA naprawy.

Wszystkie rekordy ze statusem otwartym muszą mieć datę otwarcia w ciągu ostatnich 3 dni. W przypadku wykrycia błędu należy powiadomić producenta danych i raportować realizację SLA naprawy.

Wszystkie rekordy klientów muszą mieć uzupełnione bieżące saldo. Jeśli 10% lub więcej rekordów nie spełnia tego warunku, danych nie należy wczytywać – producent danych powinien zostać natychmiast powiadomiony.

Dopasowywanie progu do krytyczności

Wprowadzenie do jakości danych

Interaktywne ćwiczenie praktyczne