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.

Regras de qualidade de dados usando dimensões

Regras de qualidade de dados

Alternativas

Validade

Temporalidade

Acurácia

Cenários de qualidade de dados

Perfis de dados

Regras de qualidade de dados baseadas em um perfil de dados

Conclusão válida

Precisa de mais informações

Conclusões do perfil de dados

Metadados e qualidade de dados

Identificação de metadados

Camadas de linhagem de dados e metadados

Ordem da linhagem de dados

Triagem de problemas de qualidade de dados

Uso da linhagem de dados e metadados

Processo de qualidade de dados

Execução de processos de qualidade de dados

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

A qualidade de dados é um conceito fundamental que deve ser entendido se você trabalha com dados. Os conceitos e processos de qualidade de dados abrangem vários setores e podem ser aplicados por qualquer pessoa que produza ou consuma dados. Este curso aborda os conceitos básicos, incluindo dimensões de qualidade de dados, funções e responsabilidades e tipos de regras de qualidade de dados. Você entenderá o processo de qualidade de dados e estará preparado para começar a monitorar a qualidade de seus próprios dados. <br><br>
Você começará aprendendo a definição de qualidade de dados e por que é tão importante considerá-la na tomada de decisões de negócios. Depois de entender a importância, você aprenderá sobre seis dimensões fundamentais da qualidade de dados. Você usará essas dimensões para definir regras de qualidade de dados preventivas e detectivas. <br><br>
Ao final deste curso, você entenderá como monitorar, identificar e resolver problemas de qualidade de dados. Você examinará seus dados com uma lente mais crítica e pensará em possíveis problemas de qualidade de dados antes de usá-los. Por fim, você poderá tomar decisões melhores e ter mais confiança em seus dados aplicando as técnicas básicas de qualidade de dados abordadas neste curso.

<h2>Explore os fundamentos da qualidade de dados</h2>
A qualidade de dados é um conceito fundamental que deve ser entendido se você trabalha com dados. Os conceitos e processos de qualidade de dados abrangem vários setores e podem ser aplicados por qualquer pessoa que produza ou consuma dados. Este curso aborda os conceitos básicos, incluindo dimensões de qualidade de dados, funções e responsabilidades e tipos de regras de qualidade de dados. Você entenderá o processo de qualidade de dados e estará preparado para começar a monitorar a qualidade de seus próprios dados. 
<h2>Saiba mais sobre as dimensões da qualidade dos dados</h2>
Você começará aprendendo a definição de qualidade de dados e por que é tão importante considerá-la na tomada de decisões de negócios. Depois de entender a importância, você aprenderá sobre seis dimensões fundamentais da qualidade de dados. Você usará essas dimensões para definir regras de qualidade de dados preventivas e detectivas. <br><br> Você também aprenderá os fundamentos da detecção de anomalias, uma forma mais avançada de monitorar a qualidade dos dados. Você reunirá esses conceitos aplicando o processo de qualidade de dados. Você saberá qual função é responsável por tarefas específicas de qualidade de dados e a ordem em que essas tarefas devem ser concluídas. 
<h2>Domine os princípios básicos do gerenciamento da qualidade dos dados</h2>
Ao final deste curso, você entenderá como monitorar, identificar e resolver problemas de qualidade de dados. Você examinará seus dados com uma lente mais crítica e pensará em possíveis problemas de qualidade de dados antes de usá-los. Por fim, você poderá tomar decisões melhores e ter mais confiança em seus dados aplicando as técnicas básicas de qualidade de dados abordadas neste curso.

Explore os fundamentos da gestão da qualidade de dados. Aprenda conceitos, dimensões e técnicas.

Introdução à Qualidade de Dados

Explore fundamentos da gestão da qualidade de dados: principais conceitos, dimensões e técnicas para monitorar e melhorar a qualidade de dados.

Fundamentos da governança de dados

Departamento de Gerenciamento de Riscos: preocupação com os valores no campo de saldo da conta, pois eles frequentemente encontram valores que parecem muito grandes.

Operações comerciais: preocupação com as datas de vencimento de pagamentos com formatação incorreta que dificultam a filtragem para clientes específicos.

Tecnologia da Informação: preocupação em garantir que seus pipelines de ETL estejam funcionando conforme o esperado e que os dados sejam carregados de acordo com o SLA diário.

Departamento de marketing: precisa que os e-mails dos clientes estejam atualizados e disponíveis todas as manhãs para enviar e-mails aos clientes sobre novos produtos.

Contabilidade: preocupação em garantir que todas as contas de clientes tenham um saldo preciso, preenchido para prever quanto dinheiro o banco precisa.

Desenvolvimento de negócios: preocupação com a precisão dos endereços de e-mail dos clientes. Se estiver incorreto, é impossível entrar em contato com o cliente.

Cenários de qualidade de dados

Introdução à Qualidade de Dados

exercicio interativo prático