Data cleansing tools contain useful

Data cleansing tools contain useful error discovery and error correction features. Learn about them and make use of the tools applicable to your environment. The DBMS itself can be used for data cleansing. Set up a sound data quality initiative in your organization. Within the framework, make the data cleansing decisions.
REVIEW QUESTIONS
1. List five reasons why you think data quality is critical in a data warehouse. 2. Explain how data quality is much more than just data accuracy. Give an example. 3. Briefly list three benefits of quality data in a data warehouse. 4. Give examples of four types of data quality problems. 5. What is the problem related to the reuse of primary keys? When does it usually oc- cur? 6. Describe the functions of data correction in data cleansing tools. 7. Name five common sources of data pollution. Give an example for each type of source. 8. List six types of error discovery features found in data cleansing tools. 9. What is the “clean as you go” method? Is this a good approach for the data ware- house environment? 10. Name any three types of participants on the data quality team. What are their func- tions?
EXERCISES
1. Match the columns: 1. domain integrity A. detect inconsistencies 2. data aging B. better customer service 3. entity integrity C. synchronize all data 4. data consumer D. allowable values 5. poor quality data E. used to pass edits 6. data consistency expert F. uses warehouse data 7. error discovery G. heterogeneous systems integration 8. data pollution source H. lost business opportunities 9. dummy values I. prevents duplicate key values 10. data quality benefit J. decay of field values 2. Assume that you are the data quality expert on the data warehouse project team for a large financial institution with many legacy systems dating back to the 1970s. Re- view the types of data quality problems you are likely to have and make suggestions on how to deal with those. 3. Discuss the common sources of data pollution and provide examples.
312 DATA QUALITY: A KEY TO SUCCESS
4. You are responsible for the selection of data cleansing tools for your data warehouse environment. How will you define the criteria for selection? Prepare a checklist for evaluation and selection of these tools. 5. As a data warehouse consultant, a large bank with statewide branches has hired you to help the company set up a data quality initiative. List your major considerations. Produce an outline for a document describing the initiative, the policies, and the procedures.

Hasil (Bahasa Indonesia) 1:

Data pembersihan alat mengandung penemuan kesalahan berguna dan fitur-fitur koreksi kesalahan. Belajar tentang mereka dan membuat penggunaan tool yang berlaku untuk lingkungan Anda. DBMS itu sendiri dapat digunakan untuk membersihkan data. Mengatur data suara kualitas inisiatif di organisasi Anda. Dalam kerangka ini, membuat data pembersihan keputusan.PERTANYAAN TINJAUAN1. daftar lima alasan mengapa Anda berpikir kualitas data sangat penting dalam sebuah gudang data. 2. jelaskan bagaimana kualitas data adalah jauh lebih dari sekadar keakuratan data. Memberikan contoh. 3. sebentar daftar tiga manfaat kualitas data dalam gudang data. 4. memberikan contoh empat jenis masalah kualitas data. 5. apa itu masalah yang berkaitan dengan penggunaan kembali primary key? Kapan itu biasanya oc skr? 6. menggambarkan fungsi koreksi data data membersihkan alat. 7. nama sumber umum lima data polusi. Memberikan contoh untuk setiap jenis sumber. 8. daftar enam jenis kesalahan fitur pencarian yang ditemukan di alat pembersihan data. 9. Apakah metode "bersih saat Anda pergi"? Ini adalah pendekatan yang baik untuk lingkungan rumah ware data? 10. nama jenis tiga peserta pada tim kualitas data. Apa yang mereka func-tions?LATIHAN1. Match the columns: 1. domain integrity A. detect inconsistencies 2. data aging B. better customer service 3. entity integrity C. synchronize all data 4. data consumer D. allowable values 5. poor quality data E. used to pass edits 6. data consistency expert F. uses warehouse data 7. error discovery G. heterogeneous systems integration 8. data pollution source H. lost business opportunities 9. dummy values I. prevents duplicate key values 10. data quality benefit J. decay of field values 2. Assume that you are the data quality expert on the data warehouse project team for a large financial institution with many legacy systems dating back to the 1970s. Re- view the types of data quality problems you are likely to have and make suggestions on how to deal with those. 3. Discuss the common sources of data pollution and provide examples. 312 DATA QUALITY: A KEY TO SUCCESS4. You are responsible for the selection of data cleansing tools for your data warehouse environment. How will you define the criteria for selection? Prepare a checklist for evaluation and selection of these tools. 5. As a data warehouse consultant, a large bank with statewide branches has hired you to help the company set up a data quality initiative. List your major considerations. Produce an outline for a document describing the initiative, the policies, and the procedures.

Hasil (Bahasa Indonesia) 2:

Alat pembersihan data berisi penemuan kesalahan dan koreksi kesalahan fitur berguna. Belajar tentang mereka dan menggunakan alat-alat yang berlaku untuk lingkungan Anda. DBMS itu sendiri dapat digunakan untuk pembersihan data. Mendirikan sebuah inisiatif kualitas data suara dalam organisasi Anda. Dalam kerangka tersebut, membuat keputusan pembersihan data.
MENINJAU PERTANYAAN
1. Daftar lima alasan mengapa Anda berpikir kualitas data sangat penting dalam data warehouse. 2. Jelaskan bagaimana kualitas data jauh lebih dari sekedar akurasi data. Berikan contoh. 3. daftar singkat tiga manfaat dari data yang berkualitas dalam data warehouse. 4. Berikan contoh dari empat jenis masalah kualitas data. 5. Apa masalah yang berkaitan dengan penggunaan kembali kunci utama? Kapan itu biasanya kadang-skr? 6. Jelaskan fungsi koreksi data dalam alat pembersihan data. 7. Nama lima sumber umum pencemaran data. Berikan contoh untuk setiap jenis sumber. 8. Daftar enam jenis fitur penemuan kesalahan yang ditemukan dalam alat pembersihan data. 9. Apakah metode "bersih saat Anda pergi"? Apakah ini pendekatan yang baik untuk data gudang lingkungan rumah? 10. Nama setiap tiga jenis peserta di tim kualitas data. Apa fungsi-fungsi mereka?
LATIHAN
1. Cocok dengan kolom: 1. domain integritas A. mendeteksi inkonsistensi 2. Data penuaan B. layanan pelanggan 3. integritas entitas yang lebih baik C. menyinkronkan semua data konsumen data 4. D. nilai yang diijinkan 5. Data kualitas buruk E. digunakan untuk melewati suntingan 6 . ahli konsistensi data F. menggunakan data warehouse 7. penemuan kesalahan G. sistem heterogen integrasi data 8. sumber polusi H. kehilangan peluang bisnis 9. nilai boneka I. mencegah nilai-nilai kunci duplikat 10. manfaat kualitas data J. pembusukan nilai bidang 2 . Asumsikan bahwa Anda adalah ahli kualitas data pada tim proyek data warehouse untuk lembaga keuangan besar dengan banyak sistem warisan dating kembali ke 1970-an. Hidupkan ulang melihat jenis masalah kualitas data yang cenderung memiliki dan membuat saran tentang cara untuk berurusan dengan mereka. 3. Diskusikan sumber umum pencemaran data dan memberikan contoh.
KUALITAS 312 DATA: A KUNCI SUKSES
4. Anda bertanggung jawab untuk pemilihan alat data pembersihan lingkungan data warehouse Anda. Bagaimana Anda akan menentukan kriteria untuk pemilihan? Siapkan checklist untuk evaluasi dan seleksi alat ini. 5. Sebagai konsultan data warehouse, sebuah bank besar dengan cabang-cabang di seluruh negara bagian telah mempekerjakan Anda untuk membantu perusahaan mendirikan inisiatif kualitas data. Daftar pertimbangan utama Anda. Menghasilkan garis besar untuk dokumen yang menjelaskan inisiatif, kebijakan, dan prosedur.