datakwaliteit

Labels

Datakwaliteit in Business Intelligence

Data Quality (DQ), ofwel datakwaliteit, is een veelgebruikte term in business intelligence trajecten. In elk project komen op een bepaald moment wel enige data-issues boven. Deze kunnen soms snel verholpen worden, maar het kan ook voorkomen dat deze issues langer blijven spelen. Indien dit laatste het geval is, vormt dit een ernstige bedreiging voor het succes van het systeem. Immers, een rapportagesysteem dat onduidelijke, incomplete, onbetrouwbare of foutieve informatie levert, is eigenlijk onbruikbaar. Lees verder...

Door datathatworks, 10 maart 2022

"Verborgen gebreken"

icebergHet success van business intelligence trajecten wordt vaak afgemeten aan de zichtbare resultaten van projecten. Het uiterlijk van de opgeleverde dashboards, de snelheid waarmee de rapporten zijn opgeleverd, de hoeveelheid rapporten die wordt opgeleverd, de performance van rapporten, de hoeveelheid data die beschikbaar is, etc. Het success op de lange termijn is echter in sterke mate afhankelijk van de resultaten die voor grote groepen gebruikers onzichtbaar zijn. Denk hierbij aan: de datakwaliteit, de mate waarin informatie op het juiste moment bij de juiste persoon aanwezig is, het vertrouwen dat verschillende doelgroepen in de informatie hebben, etc. In die zin kan je het vergelijken met de bekende ijsberg waarvan 80% zich onder het water oppervlak bevindt. Als alle betrokkenen vanaf dezelfde positie naar deze 'ijsberg' zouden kijken, ziet men welliswaar niet alles, maar wel allemaal hetzelfde. Het typische van business intelligence projecten is dat verschillende betrokkenen vanuit verschillende disciplines, en vanuit verschillende lagen van het bedrijf, elk vanuit zijn eigen perspectief naar deze 'ijsberg' kijkt en daarmee een totaal ander beeld kan hebben dan een andere betrokkene. Klik op Lees verder... om de verborgen gebreken te kunnen herkennen.