डेटा की गुणवत्ता

डेटा की गुणवत्ता यह बताती है कि डेटा अपने उपयोग के उद्देश्यों के लिए उपयुक्त है या नहीं, और यही वह कारक है जो इसके आधार पर निर्मित हर चीज़ के मूल्य को निर्धारित करता है। परिष्कृत विश्लेषण, मशीन लर्निंग मॉडल और कार्यकारी डैशबोर्ड सभी अपने इनपुट की गुणवत्ता पर निर्भर करते हैं, और संगठन अक्सर अंतर्निहित डेटा की जांच किए बिना विश्लेषणात्मक परत में भारी निवेश करते हैं।

पारंपरिक आयाम एक उपयोगी चेकलिस्ट प्रदान करते हैं। सटीकता इस बात से संबंधित है कि क्या मान वास्तविकता का सही वर्णन करते हैं। पूर्णता इस बात से संबंधित है कि क्या अपेक्षित मान मौजूद हैं। संगति इस बात से संबंधित है कि क्या एक ही तथ्य को सभी प्रणालियों में समान रूप से दर्शाया गया है। समयबद्धता इस बात से संबंधित है कि क्या डेटा उस निर्णय के लिए पर्याप्त रूप से अद्यतन है जिसका वह समर्थन करता है। वैधता परिभाषित प्रारूपों और नियमों के अनुरूपता से संबंधित है। विशिष्टता इस बात से संबंधित है कि क्या संस्थाओं को एक बार ही दर्शाया गया है न कि दोहराया गया है।

अधिकांश गुणवत्ता संबंधी समस्याएं प्रोसेसिंग के बजाय डेटा कैप्चर करने के चरण में ही उत्पन्न होती हैं। नियंत्रित मानों की आवश्यकता वाले मुक्त टेक्स्ट फ़ील्ड, असंभावित प्रविष्टियों की अनुमति देने वाले फ़ॉर्म, बार-बार छोड़े जाने वाले वैकल्पिक फ़ील्ड और एक ही ग्राहक को बार-बार बनाने की अनुमति देने वाली प्रक्रियाएं - ये सभी ऐसी कमियां पैदा करती हैं जिन्हें बाद में किए जाने वाले सुधार पूरी तरह से ठीक नहीं कर पाते। डेटा संग्रह में सुधार करना निरंतर सुधार की तुलना में अधिक प्रभावी और काफी सस्ता है, हालांकि इसके लिए उन प्रणालियों को बदलना आवश्यक है जो अन्य लोगों के स्वामित्व में हैं।

ग्राहक डेटा में डुप्लिकेट रिकॉर्ड सबसे लगातार और सबसे गंभीर समस्या है। विश्वसनीय पहचान निर्धारण के बिना, एक ही व्यक्ति कई बार दिखाई देता है, जिससे ग्राहक गणना में गड़बड़ी होती है, खरीद इतिहास विभाजित हो जाता है, जीवनकाल मूल्य की गणना कमजोर हो जाती है, और एक ही व्यक्ति से अलग-अलग संदेशों के साथ कई बार संपर्क करने की स्पष्ट विफलता उत्पन्न होती है। डुप्लिकेशन को दूर करने के लिए एक बार की सफाई के बजाय सुनियोजित मिलान नियमों और निरंतर अनुप्रयोग की आवश्यकता होती है।

माप ही वह प्रक्रिया है जो गुणवत्ता को एक तात्कालिक धारणा से प्रबंधित संपत्ति में परिवर्तित करती है। डेटा का विश्लेषण करके पूर्णता, वैधता और दोहराव की दर को मापना, समय के साथ इन मापों पर नज़र रखना और जाँच शुरू करने के लिए सीमाएँ निर्धारित करना, निर्णय प्रभावित होने से पहले ही गिरावट को उजागर करता है। जो संगठन गुणवत्ता का मापन नहीं करते, उन्हें उन समस्याओं का पता तब चलता है जब कोई ऐसी चीज़ विफल हो जाती है जो गुणवत्ता पर निर्भर करती है।

स्वामित्व वह संगठनात्मक शर्त है जिसके बिना कुछ भी बेहतर नहीं हो सकता। गुणवत्ता संबंधी समस्याएं आमतौर पर एक प्रणाली में उत्पन्न होती हैं, दूसरी में देखी जाती हैं और तीसरी को प्रभावित करती हैं, और जिम्मेदारी के निर्धारण के अभाव में प्रत्येक विभाग इसे किसी और की समस्या मानता है। प्रत्येक महत्वपूर्ण डेटासेट के लिए एक मालिक का नाम तय करना, जो केवल उसकी उपलब्धता के लिए नहीं बल्कि उसकी गुणवत्ता के लिए भी उत्तरदायी हो, पहचानी गई समस्याओं को हल करने में सहायक होता है।

पुराने डेटा से जुड़े फैसले अक्सर संगठन टाल देते हैं। पहले की प्रक्रियाओं, अधिग्रहीत प्रणालियों या सत्यापन प्रणाली के अस्तित्व में आने से पहले एकत्र किए गए ऐतिहासिक रिकॉर्ड अक्सर त्रुटिपूर्ण होते हैं, और उन्हें सुधारने में लगने वाला खर्च उनके विश्लेषणात्मक मूल्य से कहीं अधिक हो सकता है। विश्वसनीय और अविश्वसनीय इतिहास को चुपचाप मिलाने की बजाय, यह स्पष्ट रूप से तय करना कि कौन से ऐतिहासिक काल विश्वसनीय हैं, उनकी सीमा का दस्तावेजीकरण करना और बाकी को विश्लेषण से बाहर रखना कहीं अधिक ईमानदार तरीका है।

उद्देश्य के लिए उपयुक्तता वह मानदंड है जो प्रयास को उचित अनुपात में रखता है। दिशात्मक प्रवृत्ति की पहचान करने के लिए पर्याप्त डेटा वित्तीय रिपोर्टिंग या व्यक्तियों के बारे में स्वचालित निर्णय लेने वाले मॉडल के लिए पूरी तरह से अपर्याप्त हो सकता है। एकसमान पूर्णता की खोज करने के बजाय, प्रत्येक उपयोग के लिए आवश्यक मानक को परिभाषित करने से त्रुटि के सबसे गंभीर परिणामों वाले क्षेत्रों में सुधार निर्देशित होता है और ऐसे डेटा पर महंगे काम से बचा जा सकता है जिसकी अस्पष्टता मायने नहीं रखती।

क्योंकि कारण आमतौर पर विश्लेषणात्मक कार्य के बजाय परिचालन प्रणालियों और प्रक्रियाओं में निहित होते हैं, इसलिए सुधार के लिए उन टीमों के सहयोग की आवश्यकता होती है जिनके उद्देश्यों में डेटा गुणवत्ता शामिल नहीं होती है। व्यवहार में माप और प्रोफाइलिंग स्थापित की जाती है डेटा विश्लेषणकैप्चर-साइड फिक्स के लिए, इसके माध्यम से किए गए परिवर्तनों की आवश्यकता होती है। उत्पाद विकासऔर जहां दोष रूपों और प्रक्रियाओं के डिजाइन में उत्पन्न होते हैं, वहां अक्सर समाधान इसी में निहित होता है। यूएक्स ऑडिट सबसे पहले उन इंटरफेस पर काम करें जो डेटा एकत्र करते हैं।