کیفیت داده

Data Quality میزان مناسب بودن داده برای استفاده موردنظر است. کامل بودن، صحت، سازگاری، تازگی، یکتایی و اعتبار ساختاری از ابعاد رایج کیفیت داده هستند.

نحوه استفاده در عمل

اگر در جدول سفارش‌ها شناسه مشتری گم شده یا تاریخ سفارش در آینده ثبت شده باشد، گزارش‌گیری و آموزش مدل ممکن است دچار خطا شوند.

کیفیت داده باید با قواعد قابل‌آزمون و سنجه‌های پیوسته پایش شود، نه فقط بررسی دستی گاه‌به‌گاه.

در همین واژه‌نامه، حاکمیت داده و تبار داده از مفاهیم مرتبط هستند.

چند معیار قابل تست کیفیت داده

-- Find duplicated external transaction IDs
SELECT external_id, COUNT(*)
FROM payments
GROUP BY external_id
HAVING COUNT(*) > 1;

کیفیت داده فقط حذف NULL نیست. یکتایی، تازگی، درستی دامنه مقادیر و سازگاری بین سیستم‌ها باید با آزمون قابل تکرار پایش شوند.