5 karakteristika ved datakvalitet

Datakvalitet er afgørende – den vurderer, om oplysninger kan tjene deres formål i en bestemt sammenhæng (f.eks. dataanalyse). Så hvordan bestemmer man kvaliteten af et givet sæt oplysninger? Der er karakteristika for datakvalitet, som du bør være opmærksom på.

Der er fem karaktertræk, som du finder inden for datakvalitet: nøjagtighed, fuldstændighed, pålidelighed, relevans og aktualitet – læs videre for at få mere at vide.

• Nøjagtighed
• Fuldstændighed
• Pålidelighed
• Relevans
• Taktsomhed

Nøjagtighed

Som navnet antyder, betyder denne datakvalitetskarakteristik, at oplysningerne er korrekte. For at afgøre, om data er korrekte eller ej, skal du spørge dig selv, om oplysningerne afspejler en situation i den virkelige verden. Har en kunde inden for finansielle tjenesteydelser f.eks. virkelig 1 million dollars på sin bankkonto?

Præcision er en afgørende egenskab for datakvalitet, fordi unøjagtige oplysninger kan medføre betydelige problemer med alvorlige konsekvenser. Vi bruger eksemplet ovenfor – hvis der er en fejl på en kundes bankkonto, kan det skyldes, at nogen har fået adgang til den uden hans viden.

Fuldstændighed

“Fuldstændighed” henviser til, hvor omfattende oplysningerne er. Når du ser på datakomplethed, skal du tænke på, om alle de data, du har brug for, er tilgængelige; du har måske brug for en kundes for- og efternavn, men det mellemste bogstav kan være valgfrit.

Hvorfor er fuldstændighed vigtig som datakvalitetskarakteristik? Hvis oplysningerne er ufuldstændige, kan de være ubrugelige. Lad os sige, at du skal sende en mailing ud. Du har brug for en kundes efternavn for at sikre, at posten går til den rigtige adresse – uden det er dataene ufuldstændige.

Pålidelighed

Med hensyn til datakvalitetsegenskaber betyder pålidelighed, at et stykke information ikke modsiger et andet stykke information i en anden kilde eller et andet system. Vi bruger et eksempel fra sundhedssektoren: Hvis en patients fødselsdag er den 1. januar 1970 i ét system, men den 13. juni 1973 i et andet, er oplysningerne upålidelige.

Pålidelighed er en vigtig egenskab ved datakvalitet. Når dele af oplysninger modsiger sig selv, kan man ikke stole på dataene. Du kan begå en fejl, som kan koste din virksomhed penge og skade dit omdømme.

Relevans

Når du ser på karakteristika for datakvalitet, kommer relevans ind i billedet, fordi der skal være en god grund til, hvorfor du overhovedet indsamler disse oplysninger. Du skal overveje, om du virkelig har brug for disse oplysninger, eller om du indsamler dem blot for oplysningens skyld.

Hvorfor er relevans vigtig som datakvalitetsegenskab? Hvis du indsamler irrelevante oplysninger, spilder du både tid og penge. Dine analyser vil ikke være lige så værdifulde.

Taktualitet

Taktualitet henviser, som navnet antyder, til, hvor aktuelle oplysningerne er. Hvis den er indsamlet inden for den seneste time, så er den aktuel – medmindre der er kommet nye oplysninger, som gør tidligere oplysninger ubrugelige.

Informationernes aktualitet er en vigtig egenskab for datakvalitet, fordi information, der ikke er aktuel, kan føre til, at folk træffer de forkerte beslutninger. Det koster igen organisationer tid, penge og skader på deres omdømme.

“Aktualitet er en vigtig egenskab ved datakvalitet – forældede oplysninger koster virksomheder tid og penge”

I dagens forretningsmiljø sikrer datakvalitetsegenskaber, at du får det bedste ud af dine oplysninger. Når dine oplysninger ikke opfylder disse standarder, er de ikke værdifulde. Få mere at vide i vores e-bog: 4 måder at måle datakvalitet på