Obsah
- Definice - Co znamenají špinavé údaje?
- Úvod do Microsoft Azure a Microsoft Cloud V této příručce se dozvíte, o čem cloud computing je a jak vám může Microsoft Azure pomoci migrovat a řídit podnikání z cloudu.
- Techopedia vysvětluje Dirty Data
Definice - Co znamenají špinavé údaje?
Špinavá data se týkají dat, která obsahují chybné informace. Může být také použit při odkazování na data, která jsou v paměti a dosud nebyla načtena do databáze. Úplné odstranění špinavých dat ze zdroje je nepraktické nebo prakticky nemožné.
Následující data lze považovat za špinavá data:
- Zavádějící údaje
- Duplicitní data
- Nesprávná data
- Nepřesná data
- Neintegrovaná data
- Data, která porušují obchodní pravidla
- Data bez generalizovaného formátování
- Nesprávně interpunkční nebo hláskovaná data
Úvod do Microsoft Azure a Microsoft Cloud V této příručce se dozvíte, o čem cloud computing je a jak vám může Microsoft Azure pomoci migrovat a řídit podnikání z cloudu.
Techopedia vysvětluje Dirty Data
Kromě nesprávného zadávání dat mohou být znečištěná data generována kvůli nesprávným metodám správy a ukládání dat. Níže jsou vysvětleny některé špinavé typy dat:
- Nesprávná data - Aby se zajistilo, že data jsou platná nebo správná, měla by zadaná hodnota odpovídat platným hodnotám polí. Například hodnota zadaná v poli měsíc by se měla pohybovat od 1 do 12, nebo věk jednotlivců musí být menší než 130. Správnost hodnoty dat může být programově vynucena pomocí vyhledávacích tabulek nebo pomocí kontrol úprav.
- Nepřesná data - Je možné, že hodnota dat může být správná, ale ne přesná. Někdy je praktické zkoumat proti jiným souborům nebo polím a zjistit, zda je hodnota dat přesná na základě toho, co se používá. Přesnost však může být často ověřena pouze ručním ověřením.
- Porušení obchodních pravidel - Data, která porušují obchodní pravidla, jsou dalším typem špinavých dat. Například datum účinnosti musí vždy předcházet datu uplynutí platnosti. Dalším příkladem porušení obchodních pravidel může být nárok pacienta na pojištění Medicare, kde může být pacient ještě ve věku odchodu do důchodu a nemá nárok na Medicare.
- Nekonzistentní data - Nekontrolovaná redundance dat vede k nekonzistenci dat. Každá organizace je ovlivněna nekonzistentními a opakujícími se údaji. To je typické zejména u zákaznických dat.
- Neúplná data - Data s chybějícími hodnotami jsou hlavním typem neúplných dat.
- Duplicitní data - Duplicitní data mohou nastat v důsledku opakovaného odesílání, nesprávného spojení dat nebo chyby uživatele.
Aby se zvýšila kvalita dat a zabránilo se špinavým datům, měly by organizace začlenit metodiky, které zajistí úplnost, platnost, konzistenci a správnost údajů.