Visão Geral

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.

Objetivo

• 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

Pre-Requisitos

Materiais

Conteúdo Programatico

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