Data Quality i Data Cleansing
Aliasy: Element Bazy Wiedzy nie posiada aliasów
Czyszczenie danych i zapewnianie ich jakości.
Spis Treści
Data Quality z biznesowego punktu widzenia
Dane w systemach źródłowych są często błędne i niekompletne. Niejednokrotnie wprowadzane są przez ludzi, co powoduje różnego rodzaju pomyłki i niejasności. Dla przykładu ten sam klient może istnieć w systemie jako dwie różne osoby, ponieważ zmienił nazwisko. Ten sam adres może być wpisany na wiele różnych sposobów z różną kolejnością jego elementów. Niektórych danych może w systemie zwyczajnie brakować. Tego typu niespójności i błędy w danych usuwane są podczas procesu ich czyszczenia (Data Cleansing) i zapewniania ich jakości (Data Quality).
