Jakość danych w biznesie

Rosnąca ilość danych w organizacjach w większości przypadków nie idzie w parze z ich jakością. Różne źródła danych, różne formaty, różni właściciele, niespójne procesy zarządzania danymi, to wszystko generuje rosnący problem z jakością informacji i jakością decyzji podejmowanych na ich bazie. W ramach szkolenia uczestnicy poznają procesy biznesowe związane z zarządzaniem danymi, ustalaniem odpowiedzialności za dane oraz mierzenia jakości informacji prezentowanych na raportach.

• Znaczenie, dobór i przetwarzanie danych
• Definiowanie jakości danych
• Ocena jakości przechowywanych danych
• Poprawa jakości danych
• Profilowanie danych
• Praktyczne przykłady oceny jakości zbioru danych
• Systemy wspomagające utrzymanie jakości danych: MDM, DQM i inne
• Demonstracja systemu wsparcia jakości danych i jego wpływ na jakość informacji
• Dyskusja nt. nabytej wiedzy i doświadczeń Cogit z wdrożeń

• Osoby odpowiedzialne za zarządzanie danymi w firmie,
• Chief Data Officer,
• członkowie zespołów kompetencyjnych Business Intelligence,
• architekci hurtowni danych i rozwiązań Business Intelligence
• oraz inne osoby, dla których jakość danych jest kluczowym elementem pracy.

Szkolenie jest zaplanowane w formie warsztatów (wykłady teoretyczne połączone z ćwiczeniami praktycznymi). Czas trwania: 2 dni po 8 godzin lekcyjnych po 45 minut.

W przypadku szkoleń dedykowanych możliwe jest rozszerzenie lub skrócenie zakresu merytorycznego.

W trakcie szkolenia uczestnicy zostaną zaznajomieni z teoretycznymi podstawami każdej z sekcji szkolenia a większości tychże sekcji będą oni mogli utrwalić nabytą wiedzę w formie ćwiczeń wykonywanych na indywidualnych stanowiskach komputerowych (zapewniamy sprzęt).

1. Ogólne informacje o znaczeniu, doborze i przetwarzaniu danych

W pierwszej części szkolenia przedstawione zostaną założenia teorii informacji w zakresie opisywania procesów biznesowych poprzez dane; definicja danych; ich znaczenie dla realizacji bieżących i przyszłych potrzeb biznesowych.

Zostanie także omówione pochodzenie danych ze względu na źródło (ręczne wprowadzanie, import (push vs pull), integracja z innymi systemami, transformacje wewnętrzne, inwentaryzacja biznesowa i techniczna (metadane) oraz ocena użyteczności danych vs wymagania biznesowe.

Pierwsza sekcja zakończy się przeglądem systemów przechowywania danych: lokalne i rozproszone bazy danych, pliki tekstowe, arkusze kalkulacyjne, XML, Big Data, relacyjne, wielowymiarowe i dokumentowe bazy danych, EAV.

2. Definiowanie jakości danych

W trakcie tej sekcji uczestnicy zapoznają się z podstawowymi wiadomościami o procedurach opisu danych względem informacji, jakie mają przechowywać:

• Typy danych, dziedziny, zakresy
• Sekcja ta zakończy się ćwiczeniami w zakresie prezentowania typów danych oraz każdego z omówionych typów błędów danych.

Sekcja ta zakończy się ćwiczeniami w zakresie prezentowania typów danych oraz każdego z omówionych typów błędów danych.

3. Ocena jakości danych

Niniejsza sekcja pozwoli uczestnikom na szersze spojrzenie na jakość danych jako część procesu ich zarządzania poprzez pracę z całymi zestawami danych (w porównaniu z poprzednią sekcją skupioną na pojedynczych atrybutach). Jej temat obejmie swoim zakresem:

• Definiowanie „mierzalności” jakości danych (miary jakości, umowne zakresy poprawności)
• Raportowanie pomiarów jakości danych
• Analizowanie błędów i badanie przyczyn złej jakości danych

Mając wiadomości o tworzeniu analizy jakości danych uczestnicy zbudują przykładowy raport jakości danych.

4. Zarządzanie danymi w organizacji

W tej krótkiej części zostaną zaprezentowane podstawy budowy procesów zarządzania danymi od strony biznesowej

• Katalog danych, grupowanie atrybutów, encje i pochodzenie ich atrybutów, ocena atrybutów pod kątem kryteriów jakości danych (dokładność, dostępność, kompletność, rozkład, duplikacja, itp.)
• Formalne zarządzanie danymi jako aktywami wewnątrz organizacji (dostępność, użyteczność, integralność oraz bezpieczeństwo)
• Rola data stewarda

Na zakończenie uczestnicy zapoznają się z przykładami arkuszy klasyfikacji danych jako narzędzi pomocnych w zarządzaniu informacją.

5. Poprawa jakości, metadane oraz profilowanie danych

Ze względu na niekiedy ograniczoną możliwość korekty danych w systemach źródłowych należy tę operację wykonać w trakcie przetwarzania danych. Niniejsza część szkolenia skupi się na metodach zwiększania jakości danych. Będą to m.in.:

• Profilowanie danych
• Ocena i walidacja
• Strategia oczyszczania
• Oczyszczanie i wzbogacanie
• Monitorowanie

Uczestnicy będą także mieli okazję sami przyjrzeć się przykładowemu narzędziu, które pozwala na dostarczanie kompleksowych informacji o danych, w tym o ich jakości.

6. Systemy wspomagające utrzymanie jakości danych: MDM, DQM

W tej części słuchaczom zostaną zaprezentowane dwa rodzaje aplikacji wspomagających utrzymanie jakości danych:

• Master Data Management – zarządzanie „złotym rekordem” w organizacji
• Data Quality Management – automatyczna korekcja danych

7. Dyskusja nt. nabytej wiedzy i doświadczeń Cogit z wdrożeń

Ostatnia część szkolenia obejmie pytania i praktyczne podejście do kwestii jakości danych w różnego rodzaju organizacjach (m.in. instytucjach finansowych).