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.

Boyutları kullanarak veri kalitesi kuralları

Veri kalitesi kuralları

Seçenekler

Geçerlilik

Zamanlılık

Doğruluk

Veri kalitesi senaryoları

Veri profilleri

Veri profiline dayalı veri kalitesi kuralları

Geçerli sonuç

Daha fazla bilgiye ihtiyacım var

Veri profili sonuçları

Meta veri ve veri kalitesi

Meta verilerin tanımlanması

Veri Soyağacı Katmanları ve Meta Veriler

Veri soyağacı sırası

Veri kalitesi sorunları triyajı

Veri soyağacını ve meta verileri kullanma

Veri Kalitesi Süreci

Veri kalitesi süreçlerinin yürütülmesi

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

Veri kalitesi, verilerle çalışıyorsanız anlamanız gereken temel bir kavramdır. Veri kalitesi kavramları ve süreçleri sektörleri kapsar ve veri üreten veya tüketen herhangi bir kişi tarafından uygulanabilir. Bu eğitim, veri kalitesi boyutları, roller ve sorumluluklar ve veri kalitesi kurallarının türleri dahil olmak üzere temel konuları kapsamaktadır. Veri kalitesi süreci hakkında bir anlayış kazanacak ve kendi verilerinizin kalitesini izlemeye başlamaya hazır olacaksınız. <br><br>
Veri kalitesinin tanımını ve işle ilgili karar alma süreçlerinde neden bu kadar önemli olduğunu öğrenerek başlayacaksınız. Önemini anladıktan sonra, altı temel veri kalitesi boyutunu öğreneceksiniz. Bu boyutları, tespit edici ve önleyici veri kalitesi kurallarını tanımlamak için kullanacaksınız. <br><br>
Bu eğitimin sonunda, veri kalitesi sorunlarını nasıl izleyeceğinizi, belirleyeceğinizi ve çözeceğinizi anlayacaksınız. Verilerinize daha eleştirel bir gözle bakacak ve kullanmadan önce olası veri kalitesi sorunları hakkında düşüneceksiniz. Nihayetinde, bu eğitimde ele alınan temel veri kalitesi tekniklerini uygulayarak daha iyi kararlar alabilecek ve verilerinize daha fazla güven duyabileceksiniz.

Veri kalitesi yönetiminin temellerini keşfedin. Veri kalitesini izleme ve iyileştirme tekniklerini öğrenin.

Veri Kalitesine Giriş

Veri kalitesini izlemeye ve iyileştirmeye yönelik temel kavramlar, boyutlar ve tekniklerle veri kalitesi yönetimini keşfedin.

Veri Yönetişiminin Temelleri

Risk Yönetimi Departmanı - Sık sık çok büyük görünen değerler buldukları için hesap bakiyesi alanındaki değerlerle ilgili endişeleri var.

Ticari Operasyonlar - Belirli müşterilere filtrelemeyi zorlaştıran yanlış biçimlendirmeye sahip son ödeme tarihleriyle ilgili endişeler.

Bilgi Teknolojisi - ETL boru hatlarının beklendiği gibi çalıştığından ve verilerin günlük SLA tarafından yüklendiğinden emin olmakla ilgilenir.

Pazarlama Departmanı - Müşterilere yeni ürünler hakkında e-posta göndermek için müşteri e-postalarının her sabah güncellenmesi ve kullanılabilir olması gerekir.

Muhasebe - Tüm müşteri hesaplarının, bankanın ne kadar nakde ihtiyacı olduğunu tahmin etmek için doldurulmuş doğru bir bakiyeye sahip olmasını sağlamakla ilgilenir.

İş Geliştirme - Müşteri e-posta adreslerinin doğru olması konusunda ilgilenir. Hatalı ise müşteriye ulaşmak mümkün değildir.

Veri kalitesi senaryoları

Veri Kalitesine Giriş

Uygulamalı etkileşimli egzersiz