5 kännetecken för datakvalitet
On oktober 2, 2021 by adminDatakvalitet är avgörande – den bedömer om informationen kan tjäna sitt syfte i ett visst sammanhang (t.ex. dataanalys). Så hur avgör man kvaliteten på en viss mängd information? Det finns egenskaper för datakvalitet som du bör känna till.
Det finns fem egenskaper som du hittar inom datakvalitet: noggrannhet, fullständighet, tillförlitlighet, relevans och aktualitet – läs vidare för att lära dig mer.
- Noggrannhet
- Fullständighet
- Pålitlighet
- Relevans
- Tidsenlighet
Karakteristik | Hur den mäts |
---|---|
Precision | Är informationen korrekt i alla detaljer? |
Fullständighet | Hur omfattande är informationen? |
Trovärdighet | Säger informationen emot andra tillförlitliga källor? |
Relevans | Behövs informationen verkligen? |
Tidighet | Hur aktuell är informationen? Kan den användas för rapportering i realtid? |
Precision
Som namnet antyder innebär denna egenskap för datakvalitet att informationen är korrekt. För att avgöra om uppgifterna är korrekta eller inte frågar du dig själv om informationen återspeglar en verklig situation. Har en kund inom finansiella tjänster till exempel verkligen 1 miljon dollar på sitt bankkonto?
Precision är en viktig egenskap för datakvalitet eftersom felaktig information kan orsaka stora problem med allvarliga konsekvenser. Vi använder exemplet ovan – om det finns ett fel på en kunds bankkonto kan det bero på att någon har haft tillgång till det utan hans vetskap.
Fullständighet
”Fullständighet” avser hur omfattande informationen är. När du tittar på datakompletthet ska du tänka på om alla uppgifter du behöver finns tillgängliga; du kanske behöver en kunds för- och efternamn, men mittinitialen kan vara valfri.
Varför är fullständighet viktigt som en egenskap för datakvalitet? Om informationen är ofullständig kan den vara oanvändbar. Låt oss säga att du ska skicka ut ett utskick. Du behöver kundens efternamn för att försäkra dig om att posten går till rätt adress – utan det är uppgifterna ofullständiga.
Pålitlighet
Inom datakvalitetsegenskaper innebär tillförlitlighet att en uppgift inte motsäger en annan uppgift i en annan källa eller ett annat system. Om en patients födelsedag är den 1 januari 1970 i ett system, men den 13 juni 1973 i ett annat, är informationen otillförlitlig.
Pålitlighet är en viktig egenskap för datakvalitet. När delar av informationen motsäger sig själva kan man inte lita på uppgifterna. Du kan göra ett misstag som kan kosta ditt företag pengar och skada ditt rykte.
Läs vår e-bok
4 sätt att mäta datakvalitet
Se hur bedömningen av datakvalitet ser ut i praktiken. Granska fyra viktiga mått som organisationer kan använda för att mäta datakvalitet
Relevans
När du tittar på datakvalitetsegenskaper kommer relevansen in i bilden, eftersom det måste finnas en bra anledning till varför du samlar in den här informationen överhuvudtaget. Du måste fundera på om du verkligen behöver informationen eller om du samlar in den bara för sakens skull.
Varför spelar relevans en roll som datakvalitetsegenskap? Om du samlar in irrelevant information slösar du både tid och pengar. Dina analyser kommer inte att vara lika värdefulla.
Tidighet
Tidighet avser, som namnet antyder, hur aktuell informationen är. Om den samlades in under den senaste timmen är den aktuell – om inte ny information har kommit in som gör tidigare information oanvändbar.
Informationens aktualitet är en viktig egenskap för datakvalitet, eftersom information som inte är aktuell kan leda till att människor fattar fel beslut. Det kostar i sin tur organisationer tid, pengar och ryktesspridning.
”Aktualitet är en viktig egenskap för datakvalitet – inaktuell information kostar företag tid och pengar”
I dagens affärsmiljö säkerställer datakvalitetsegenskaperna att du får ut det mesta av din information. När din information inte uppfyller dessa standarder är den inte värdefull. Läs mer i vår e-bok: 4 sätt att mäta datakvalitet
Lämna ett svar