Search in webcontent

Beschrijving datakwaliteiten

Datakwaliteiten beschrijven welke eisen aan gegevens gesteld kunnen worden en op welke wijze zij bijdragen aan een adequate bedrijfsarchitectuur. Na een beschrijving van de verschillende data kwaliteiten wordt ingegaan op maatregelen waarmee data kwaliteiten verhoogd worden. Op basis van deze maatregelen gerelateerd aan de data kwaliteiten kan per gegevensverzameling bepaald worden welke niveau van data kwaliteiten relevant is en welke maatregelen daartoe genomen dienen te worden.

Canonieke Data Ontsluiting in de praktijk

Het uitwerken van een canonieke data-architectuur houdt niet op bij het uitwerken van (data)modellen. Het inzetten van een Data Virtualisatie Laag of Canonieke Data Ontsluiting op basis van canonieke datamodellen biedt een meerwaarde voor veel organisaties. Dit whitepaper beschrijft de verschillende aspecten van de implementatie van een dergelijke generieke voorziening. Zo komen de volgende onderwerpen aan de orde: • Scenario’s • Beheerprocessen • Eigenaarschap De uitwerking is praktisch van opzet. Hiermee kan dit document ingezet worden bij het inrichten van een canonieke data-omgeving bij organisaties die een volgend niveau willen bereiken in de volwassenheid van de data-architectuur.

Data kwaliteiten inzetten in architectuur

Dama biedt een aantal mooie onderdelen doe goed ingezet kunnen worden voor de uitwerking van architectuur. Dit document geeft een voorbeeld. Dit document geeft een uitwerking van een workshop om data kwaliteiten met een groep stakeholders te inventariseren

Datamodellering toepassen data quality

Data quality is bij steeds meer organisaties een belangrijk werkveld. Inzetten van data quality kan veel redenen hebben, echter vrijwel altijd dient er een antwoord gevonden te worden op problemen rond de kwaliteit van data. Binnen data quality speelt data modellering een belangrijke zo niet centrale rol. Met name het leggen van verbanden tussen de data entiteiten en een lijst van kwaliteiten inclusief een score is essentieel. In een vroeg stadium nadenken welke modelleervormen relevant zijn, hoe deze aan elkaar verbonden worden en hoe de stakeholders daarbij betrokken zijn ondersteunt de introductie van data quality. In dit whitepaper hebben we een combinatie van modelleervormen beschreven die een (minimale) set is van notatiewijzen op basis waarvan data quality in organisaties gemodelleerd kunnen worden.

Datamodellering: Score Matrix

Score matrix is een datamodellering notatie waarmee een score, bijvoorbeeld van 0 - 10 worden gecombineerd met Data entiteiten en eisen, requirements of kwaliteiten. De notatie wordt toegepast op met name de conceptuele datamodellering. Naast toepassingen in de datamodellering wordt de score matrix met name gebruikt binnen data management, data kwaliteiten, data security en data privacy. Hierbij gaat het veelal om twee perspectieven, bijvoorbeeld de huidige en de gewenste situatie.