Curso Fundamentos de Qualidade de Dados

O gerenciamento de qualidade de dados é um dos problemas de gerenciamento de informações mais irritantes. A maioria das organizações tem persistentes e duradouros problemas de qualidade de dados – problemas que crescem e se propagam com os desafios da redundância de dados, compraram aplicativos e bancos de dados, bancos de dados legados, vários provedores de dados e consumidores, documentação ausente e incerteza na definição de qualidade de dados.

Aumentar a melhoria da qualidade dos dados não é fácil. Ele exige uma compreensão dos princípios e práticas de gerenciamento de qualidade e a capacidade de aplicar essas práticas a um recurso de dados complexo e em constante mudança. Se o seu objetivo é um amplo programa de qualidade de dados em toda a empresa ou um projeto de qualidade de dados altamente segmentado, você deve começar por entender as práticas e os processos de avaliação e melhoria da qualidade dos dados. Este curso foi projetado especificamente para fornecer esse conhecimento fundamental.

Você vai aprender

• Definições e dimensões de qualidade
• Como criar uma definição acionável de qualidade de dados
• Causas típicas de problemas de qualidade de dados
• Funções, responsabilidades e responsabilidades no gerenciamento da qualidade de dados
• Funções, usos e limites de ferramentas e tecnologia de qualidade de dados
• Processos e técnicas para avaliação da qualidade dos dados e melhoria da qualidade dos dados

Publico Alvo:

• Profissionais de qualidade de dados e governança de dados; Gerentes, arquitetos, designers e desenvolvedores de BI / DW; administradores de dados, arquitetos de dados e administradores de dados; analistas de sistemas de informação, designers e desenvolvedores; qualquer pessoa com um papel na qualidade dos dados ou no teste de sistemas de informação

Conteúdo Programático:

1-Data Quality Concepts
Defining Data Quality
Common definitions of quality
Applying quality definitions to data
Data correctness and data integrity
Actionable data quality

Dimensions of Data Quality
Accuracy
Completeness
Consistency & dependency
Precision & granularity
Timeliness
Structural integrity

Common Causes of DQ Problems
Definition
Design & modeling
Data entry & data collection
Conversion and consolidation
Integration

2- Data Quality Practices and Processes
Quality Management Practices
Quality Assurance (QA) vs. Quality Control (QC)
Quality economics
Inspection and detection
Correction and prevention

Quality Management and Data
Business applications and operational data
Integrated data and business information
Data quality and defect propagation

Data Quality Organizations
Governance
Ownership
Stewardship
Custodianship
Architecture
Usage (access, update, and application)

Data Quality Processes
Data profiling
Data quality assessment
Data cleansing
Process improvement

Data Quality Tools and Technology
Profiling
Verification & standardization
Matching & grouping
De-duplication
Data transformation

3-Data Quality Assessment
Planning & Preparation
Project planning
Assessment team
Assessment resources

Conducting the Assessment
DQ Rule identification
DQ Rule execution
Analysis and tuning

Assessment Results
Error catalog
Data quality measures and metrics
DQ scorecard

Applied Results
Communication & expectations
Root cause analysis
Quality improvement
Process improvement
Data cleansing
Data governance

4-Data Quality Improvement
Procedural Data Quality
Standardization
Verification
Classification
Parsing
Geo-coding
Matching
Grouping
De-Duplication

Rule-Based Data Quality
Five kinds of data correctness rules
Six kinds of data integrity rules
Four kinds of timeliness rules
Applied DQ rules

IT Processes and Data Quality
System architecture & standards
Application and database development processes
Conversion & migration processes
Data warehousing & BI processes

Business Processes and Data Quality
Defining Data
Creating and updating data
Access, analysis, and reporting

5-Summary and Conclusion
Summary of Key Points
References & Resources