Realizace projektů kvality dat: Deset kroků ke kvalitním datům a důvěryhodným informacím (Tm)

Recenze čtenářů

Recenze všeobecně chválí knihu Danette McGilvrayové „Executing Data Quality Projects“ jako komplexní a praktickou příručku pro zlepšení kvality a řízení dat. Mnoho uživatelů oceňuje strukturovaný přístup, příklady z praxe a aktualizované metodiky představené ve druhém vydání. Někteří recenzenti však vyjadřují obavy, že se kniha rozšířila nad rámec svého původního zaměření na kvalitu dat, což vedlo k rozmělnění jejího hlavního účelu.

Komplexní a praktický průvodce, strukturovaný přístup s jasnými metodikami, bohatý na příklady a šablony z reálného světa, dobře organizovaný pro snadné vyhledávání, zahrnuje důležitost specifikací a definic dat, poskytuje systematický přístup v deseti krocích přizpůsobitelný různým scénářům a je napsán uznávaným odborníkem v oboru.

Někteří recenzenti se domnívají, že rozsah knihy se příliš „vplížil“ do souvisejících témat mimo kvalitu dat, což může rozmělnit její hlavní zaměření. Existují drobné neshody ohledně specifické terminologie a výkladů používaných v celé knize.

(na základě 10 hodnocení čtenářů)

Původní název:

Executing Data Quality Projects: Ten Steps to Quality Data and Trusted Information (Tm)

Obsah knihy:

Druhé vydání publikace Executing Data Quality Projects představuje strukturovaný a zároveň flexibilní přístup k vytváření, zlepšování, udržování a řízení kvality dat a informací v každé organizaci.

Studie ukazují, že problémy s kvalitou dat stojí podniky každoročně miliardy dolarů, přičemž nekvalitní data jsou spojena s plýtváním a neefektivitou, poškozenou důvěryhodností u zákazníků a dodavatelů a neschopností organizace přijímat správná rozhodnutí. Pomoc je zde! Tato kniha popisuje osvědčený přístup v deseti krocích, který kombinuje koncepční rámec pro pochopení kvality informací s technikami, nástroji a návody pro praktické využití tohoto přístupu - s konečným výsledkem vysoce kvalitních důvěryhodných dat a informací, tak důležitých pro dnešní organizace závislé na datech.

Přístup deseti kroků se vztahuje na všechny typy dat a všechny typy organizací - ziskové v jakémkoli odvětví, neziskové, státní, vzdělávací, zdravotnické, vědecké, výzkumné a lékařské. Tato kniha obsahuje řadu šablon, podrobných příkladů a praktických rad pro provedení každého kroku. Zároveň čtenářům radí, jak vybrat příslušné kroky a aplikovat je různými způsoby tak, aby co nejlépe řešili mnoho situací, s nimiž se budou setkávat. Uspořádání umožňuje rychlou orientaci díky snadno použitelnému formátu se zvýrazněním klíčových pojmů a definic, důležitých kontrolních bodů, komunikačních aktivit, osvědčených postupů a varování. Zkušenosti skutečných klientů a uživatelů Deseti kroků poskytují reálné příklady výstupů pro jednotlivé kroky a navíc zvýrazněné, postranní případové studie nazvané Deset kroků v akci.

Tato kniha používá projekty jako prostředek pro práci s kvalitou dat a slovo široce zahrnuje: 1) projekty zaměřené na zlepšování kvality dat, jako je zlepšování dat používaných při řízení dodavatelského řetězce, 2) činnosti v oblasti kvality dat v rámci jiných projektů, jako je budování nových aplikací a migrace dat ze starších systémů, integrace dat z důvodu fúzí a akvizic nebo rozplétání dat v důsledku rozpadu organizace, a 3) ad hoc používání kroků, technik nebo činností v oblasti kvality dat v průběhu každodenní práce. Přístup deseti kroků lze také použít k obohacení standardního SDLC organizace (ať už sekvenčního, nebo agilního) a doplňuje obecné metodiky zlepšování, jako je six sigma nebo lean. Žádné dva projekty v oblasti kvality dat nejsou stejné, ale flexibilní povaha Deseti kroků znamená, že metodiku lze použít na všechny.

V novém druhém vydání jsou zdůrazněna témata, jako je umělá inteligence a strojové učení, internet věcí, bezpečnost a ochrana soukromí, analytika, právní a regulační požadavky, datová věda, big data, datová jezera a cloud computing, a další, aby se ukázala jejich závislost na datech a informacích a proč je kvalita dat nyní důležitější a kritičtější než kdykoli předtím.