Data Resource Quality: Turning Bad Habits into Good Practices
暫譯: 數據資源質量：將不良習慣轉化為良好實踐

描述

完整的「自助指南」，以顯著改善商業數據質量。
- 為什麼商業數據會變壞——以及您可以採取的具體措施。
- 十種您今天就可以開始使用的具體數據質量改善技術。
- 顯著提升任何數據倉儲、客戶關係和知識管理應用的投資回報率！

不良的數據質量在許多方面妨礙了當今的組織：它使數據倉儲和知識管理應用變得更昂貴且效果不佳，對電子商務轉型造成重大障礙，削弱日常員工的生產力，並直接導致不良的戰略和戰術決策。在本書中，數據專家 Michael Brackett 提出了十種導致數據不良的「壞習慣」——以及十種經過驗證的解決方案，使商業管理者能夠將這些壞習慣轉變為最佳實踐。《數據資源質量》圍繞著組織所陷入的十種「壞習慣」進行組織：這些習慣不可避免地降低數據質量，浪費資源，增加使用和維護數據資源的成本，並損害商業策略。在每一種情況下，Brackett 展示了「壞習慣」是如何演變的，以及如何用最佳實踐來取代它們，從而顯著改善數據質量，從現在開始。在此過程中，Brackett 清楚地展示了如何為高質量數據建立堅實的基礎——一個全組織的、集成的、以主題為導向的數據架構——然後在該架構內構建高質量的數據資源。適合所有 IT 管理者、顧問和應用使用者——無論是在大型還是小型企業中。

Michael H. Brackett 於 1996 年退休，曾擔任華盛頓州數據資源協調員。他擁有 37 年的信息技術經驗，並撰寫了五本有關數據資源的書籍，包括《使用通用數據架構的數據共享》和《數據倉儲挑戰：馴服數據混亂》。

適合的課程

數據庫管理與設計。

目錄

- 前言。
- 序言。
- 感謝。
- 關於作者。
- 1. 數據資源的狀態。
- 雜散數據資源。
- 商業信息需求。
- 雜散數據。
- 雜散數據循環。
- 雜散數據螺旋。
- 數據資源漂移。
- 對信息質量的影響。
- 高質量數據資源。
- 雜散數據衝擊。
- 數據是資源。
- 可比較數據資源。
- 集成數據資源。
- 以主題為導向的數據資源。
- 術語。
- 可比較數據循環。
- 商業智能價值鏈。
- 數據風險與危害。
- 十組習慣與實踐。
- 總結。

- 2. 正式數據名稱。
- 非正式數據名稱。
- 無意義的數據名稱。
- 非唯一的數據名稱。
- 無結構的數據名稱。
- 錯誤的數據名稱。
- 非正式數據名稱縮寫。
- 未命名的數據資源組件。
- 非正式數據名稱的影響。
- 有限的數據識別。
- 延續的數據差異。
- 生產力損失。
- 正式數據名稱。
- 數據命名分類法。
- 數據命名詞彙。
- 主要數據名稱。
- 標準數據名稱。
- 數據名稱單詞縮寫。
- 數據名稱縮寫算法。
- 正式數據名稱的好處。
- 易於識別的數據。
- 有限的數據差異。
- 生產力提升。
- 最佳實踐。
- 總結。

- 3. 綜合數據定義。
- 模糊的數據定義。
- 不存在的數據定義。
- 無法獲得的數據定義。
- 簡短的數據定義。
- 無意義的數據定義。
- 過時的數據定義。
- 錯誤的數據定義。
- 無關的定義。
- 模糊的數據定義影響。
- 阻礙數據理解。
- 不當的數據使用。
- 延續的數據差異。
- 生產力損失。
- 綜合數據定義。
- 有意義的數據定義。
- 徹底的數據定義。
- 正確的數據定義。
- 基本數據定義。
- 綜合數據定義的好處。
- 改善數據理解。
- 有限的數據差異。
- 生產力提升。
- 最佳實踐。
- 總結。

- 4. 正確的數據結構。
- 不正確的數據結構。
- 詳細過載。
- 錯誤的受眾焦點。
- 不足的商業代表性。
- 不良的數據結構技術。
- 不正確的數據結構影響。
- 不良的商業理解。
- 不良的表現。
- 持續的數據差異。
- 生產力降低。
- 正確的數據結構。
- 數據結構組件。
- 針對受眾的適當細節。
- 正式設計技術。
- 正確的數據結構好處。
- 改善商業代表性。
- 減少數據差異。
- 生產力提升。
- 最佳實踐。
- 總結。

- 5. 精確的數據完整性規則。
- 不精確的數據完整性規則。
- 忽視高數據錯誤率。
- 不完整的數據完整性規則。
- 延遲的數據錯誤識別。
- 默認數據值。
- 不具體的數據領域。
- 不具體的數據選擇性。
- 未定義的數據衍生。
- 不受控的數據刪除。
- 不精確的數據完整性規則影響。
- 不良的認知。
- 不當的商業行為。
- 生產力損失。
- 精確的數據完整性規則。
- 數據規則概念。
- 數據完整性規則名稱。
- 數據完整性規則符號。
- 數據完整性規則類型。
- 基本數據完整性規則。
- 數據完整性規則執行。
- 主動的數據質量管理。
- 精確的數據完整性規則好處。
- 更高的數據質量。
- 有限的數據差異。
- 生產力提升。
- 最佳實踐。
- 總結。

- 6. 強健的數據文檔。
- 有限的數據文檔。
- 數據文檔不完整。
- 數據文檔不最新。
- 數據文檔不可理解。
- 數據文檔冗餘。
- 數據文檔不易獲得。
- 數據文檔存在未知。
- 有限的數據文檔影響。
- 有限的認知。
- 持續的數據差異。
- 生產力損失。
- 強健的數據文檔。
- 數據資源數據概念。
- 數據資源數據方面。
- 完整的數據文檔。
- 當前的數據文檔。
- 可理解的數據文檔。
- 非冗餘的數據文檔。
- 易於獲得的數據文檔。
- 知道存在的數據文檔。
- 附屬數據文檔。
- 強健的數據文檔好處。
- 增加的認知。
- 停止數據差異。
- 生產力提升。
- 最佳實踐。
- 總結。

- 7. 合理的數據導向。
- 不合理的數據導向。
- 實體導向。
- 多重事實導向。
- 流程導向。
- 操作導向。
- 獨立導向。
- 不當的商業導向。
- 不合理的數據導向影響。
- 喪失商業焦點。
- 持續的數據差異。
- 表現問題。
- 生產力損失。
- 合理的數據導向。
- 商業主題導向。
- 商業客戶導向。
- 五層概念。
- 數據正規化。
- 單一架構導向。
- 單一事實導向。
- 合理的數據導向好處。
- 改善商業支持。
- 促進可比較數據資源。
- 生產力提升。
- 最佳實踐。
- 總結。

- 8. 可接受的數據可用性。
- 不可接受的數據可用性。
- 數據不易獲得。
- 不足的數據保護。
- 不足的數據恢復。
- 未受保護的隱私和機密性。
- 不當的數據使用。
- 不可接受的數據可用性影響。
- 有限的數據共享。
- 促進數據差異。
- 對商業的影響。
- 對人員的影響。
- 可接受的數據可用性。
- 足夠的數據可獲得性。
- 足夠的數據保護。
- 足夠的數據恢復。
- 受保護的隱私和機密性。
- 適當的數據使用。
- 可接受的數據可用性好處。
- 更好的員工使用。
- 共享數據資源。
- 更少的影響。
- 最佳實踐。
- 總結。

- 9. 足夠的數據責任。
- 不足的數據責任。
- 無集中控制。
- 無管理程序。
- 無數據管理。
- 不足的數據責任影響。
- 有限的數據共享。
- 鼓勵數據差異。
- 足夠的數據責任。
- 授權的數據管理。
- 合理的管理程序。
- 集中控制。
- 足夠的數據責任好處。
- 共享數據資源。
- 最佳實踐。
- 總結。

- 10. 擴展的數據視野。
- 受限的數據視野。
- 有限的數據範圍。
- 不合理的發展方向。
- 不切實際的規劃視野。
- 受限的數據視野影響。
- 短期影響。
- 未來影響。
- 擴展的數據視野。
- 更廣泛的數據範圍。
- 合理的發展方向。
- 實際的規劃視野。
- 合作建立。
- 擴展的數據視野好處。
- 改善商業支持。
- 最佳實踐。
- 總結。

- 11. 適當的數據識別。
- 不當的數據識別。
- 錯誤的目標受眾。
- 需要不必要的證明。
- 尋找靈丹妙藥。
- 嘗試自動化理解。
- 相信標準。
- 通用數據模型。
- 不當的數據識別影響。
- 商業影響。
- 鼓勵數據差異。
- 適當的數據識別。
- 目標既得利益。
- 直接商業參與。
- 利用知識庫。
- 在當前預算內開始。
- 漸進式的成本效益方法。
- 確鑿的觀點。
- 把握機會。
- 在學習中建立。
- 無責備、無粉飾的態度。
- 無不必要的證明。
- 適當的數據識別好處。
- 持續的商業支持。
- 最佳實踐。
- 總結。

- 12. 數據資源質量方向。
- 快速回顧。
- 壞習慣。
- 壞習慣的影響。
- 好實踐。
- 好實踐的好處。
- 首先實施的最佳實踐。
- 未列入清單的內容。
- 數據資源價值鏈。
- 數據架構價值鏈。
- 數據管理價值鏈。
- 數據資源框架。
- 為質量設定新方向。
- 醒悟。