دانلود مقالات ISI درباره کیفیت داده + ترجمه فارسی

کیفیت داده ها یک ادراک یا ارزیابی آمادگی داده ها برای رسیدن به هدف خود در یک زمینه خاص است. جنبه های کیفیت داده ها عبارتند از: دقت، تکمیل، وضعیت به روز رسانی، ارتباط، سازگاری در منابع داده، قابلیت اطمینان، ارائه مناسب دسترسی. در یک سازمان، کیفیت داده مورد تایید برای فرآیندهای عملیاتی و قابلیت اطمینان تجزیه و تحلیل اطلاعات کسب و کار یا گزارش کسب و کار بسیار مهم است. کیفیت داده تحت تأثیر نحوه ورود داده ها، ذخیره و مدیریت قرار می گیرد. تضمین کیفیت داده ها (DQA) فرایند تایید قابلیت اطمینان و کارایی داده ها است. کیفیت داده ها اهمیت بسیار زیادی دارد چراکه تعیین کننده قابل استفاده بودن داده ها و همچنین تعیین کننده کیفیت تصمیمات گرفته شده بر مبنای آنهاست. در موارد بسیاری داده هایی که حتی استاندارد نیز شده اند ممکن است نادرست، ناقص یا مبهم باشند. برای مثال فرض کنید روی یک قلم کالای دارویی یا خوراکی یا روی کاتالوگ آنها، تاریخ انقضا به اشتباه درج شده باشد در حالی که نحوه درج این داده ممکن است استاندارد باشد. برآورد شده زیان های اقتصادی و اجتماعی ناشی از داده های بی کیفیت برای سازمان ها در ایالات متحده آمریکا میلیاردها دلار بوده است. کیفیت داده ‌ها ده ها سال است که به علت اهمیت آن در تصمیم گیری و تبادل داده ها مورد توجه است. مثالی از مشکلات معمول در کیفیت داده ها، علل آنها و راه حل های ممکن برای رفع آنها در جدول زیر آورده شده است. ابعاد کیفیت داده‌ها: کیفیت داده‌ها از ابعاد مختلفی قابل ارزیابی است و چارچوب‌های متعددی برای آن ارائه شده است. در بیشتر چارچوب‌های مطرح شده چهار بعد اصلی آن شامل بر کیفیت ذاتی داده‌ها، کیفیت زمینه‌ای داده‌ها، قابلیت بازنمایی داده‌ها و قابلیت دسترسی داده‌ها شناخته شده‌اند که تعریف این ابعاد کیفی در ادامه آورده شده است. کیفیت ذاتی داده ها: کیفیت ذاتی داده ها نه تنها صحت و عینیت را در بر دارد بلکه باورپذیری و اعتبار عمومی را نیز شامل می‌شود. صحت به معنی ارائه مقادیر واقعی مشخصه های مورد نظر یک مفهوم در حوزه عملیاتی مورد نظر است. مشتریان داده ها برخلاف باور سنتی مهندسان IT فقط صحت و عینیت را مورد توجه قرار نمی دهند بلکه باورپذیری و اعتبار عمومی داده ها نیز برایشان مهم است. برای مثال صحت و عینیت داده های آماری زمانی باورپذیرتر می شود که به مرجع ارائه آمار نیز اشاره شود. کیفیت زمینه ای داده ها: کیفیت داده‌ها باید در زمینه کاری که داده ها استفاده می شود مورد توجه قرار ‌گیرد. این بعد شامل بر ابعاد فرعی ارزش افزوده داشتن، مرتبط بودن، زمان مند بودن، کامل ‌بودن و کافی بودن داده هاست. از آن جا که کارهایی که با داده ها انجام می گیرد در طول زمان متغیر بوده و نیز کاربران داده ها نیز متفاوت هستند ارزیابی کیفیت زمینه ای داده ها کاری دشوار است. یک روش برای انجام این ارزیابی، تعیین پارامترهای ابعاد ارزیابی هر کار است تا مشتری بتواند بر مبنای آن مشخص کند که چه نوع کاری در حال انجام است و ویژگی داده های مورد استفاده چگونه باید باشد.