Datakvalitet

Datakvalitet refererer til kvalitative eller kvantitative egenskaber ved information. Der er mange definitioner af datakvalitet, men data bliver generelt betragtet som at have høj kvalitet hvis det "egner sig til den tilsigtede brug i drift, beslutningstagning og planlægning".^[1][2][3] Derudover er data af højere kvalitet hvis det korrekt repræsenterer den virkelige verden, som den omhandler. Udover disse definitioner er spørgsmålet om intern datakonsistens blevet mere signifikant i takt med at antallet af datakilder stiger. Der er kan også være uoverensstemmelser imellem folks syn på datakvalitet, selv hvis det omhandler det samme sæt data, der anvendes til det samme formål. I disse tilfælde bruge datastyring til at danne et aftalt sæt definitioner og standarder for datakvalitet. Datavask, inklusive standardisering, kan være nødvendig for at sikre datakvalitet.^[4]

Sikring af datakvalitet — det er processen med profilering af data for at identificere afvigelser og andre anomalier i dataene, samt udførelse af datarensning^[5] (f.eks. fjernelse af udliggere, interpolation af manglende data) for at forbedre datakvaliteten. Disse handlinger kan udføres som led i et datalager eller som del af databaseadministrationen af eksisterende applikationssoftware.

Berigelse af databasen — alle processer, der har til formål at forbedre kvaliteten, fuldstændigheden og pålideligheden af de oplysninger, der findes i et forretnings- eller markedsføringsinformationssystem. Denne praksis løser et strukturelt problem: databaser forringes naturligt over tid.^[6]

Kontrol af datakvalitet er processen med at overvåge brugen af data i en applikation eller en proces.^[7][8] Denne proces udføres både før og efter processen for sikring af datakvalitet (QA),^[9] som består i at identificere og rette afvigelser i dataene.

ISO 8000 er en international standard for datakvalitet.^[10][11][12] ISO 8000-standarderne, udviklet af Den Internationale Standardiseringsorganisation,^[13] omhandler og beskriver

• Generelle aspekter af datakvalitet, herunder principper, terminologi og målemetoder.
• datastyring
• styring af datakvalitet
• vurdering af datakvalitet
• kvalitet af masterdata, herunder udveksling af attributdata og identifikatorer.
• kvalitet af industridata

Kontroller for overholdelse af standarder og integritetskontroller behøver ikke nødvendigvis at blive inkluderet i alle forretningsopgaver; det afhænger fuldstændigt af de valg, der er truffet i databasearkitekturen.

Der findes en række videnskabelige arbejder, der analyserer datakvaliteten i åbne datakilder såsom Wikipedia, Wikidata, DBpedia og andre. I Wikipedia kan kvalitetsanalysen vedrøre hele artiklen. Kvalitetsmodelleringen dér udføres ved hjælp af forskellige metoder. Nogle af dem anvender maskinlæringsalgoritmer, herunder Random Forest, Support Vector Machines og andre. Metoder til vurdering af datakvalitet i Wikidata, DBpedia og andre LOD-kilder varierer.

Spire Denne artikel om software og programmering er en spire som bør udbygges. Du er velkommen til at hjælpe Wikipedia ved at udvide den.