В прошлом посте затронула вопросы для оценки данных и шаги для получения показателей качества.

Для оценки данных стоит задаться вопросами:
1️⃣Актуальны ли данные?
2️⃣Полны ли данные?
3️⃣ Соответствуют ли поля ожидаемым диапазонам?
4️⃣Количество не заполненных (NULL/not NULL) полей отвечает вашим ожиданиям?
5️⃣Верна ли схема?

После ответа на эти вопросы можно уже копнуть глубже (это уже от меня):
6️⃣ На что влияют ответы на каждый из них?
7️⃣Что критично?
8️⃣Что можно сделать, чтобы исправить?
9️⃣Ничего ли не сломается после этого исправления?
🔟 Что исправлять следующим?

А что по шагам для получения показателей качества? Нам предлагают следующий порядок действий:
1️⃣Составить список того, что есть - схемы, таблицы, атрибуты. Что это такое в человекочитаемом виде и как оно меняется.
2️⃣Наблюдать за данными, отслеживать актуальность, уникальность, объем, заполненность
3️⃣Составить историю запросов - когда таблица обновляется, когда и как из неё читаются данные, изучить метаданные запросов

Проводя все мероприятия по улучшению и повышению, надо не забывать, к чему мы хоти прийти в итоге - улучшить качество данных, а не показатели.

#dataquality #качестводанных #dqf