Értékelés:
A kritikák általánosan dicsérik Danette McGilvray „Az adatminőségi projektek végrehajtása” című könyvét, amely átfogó és gyakorlati útmutató az adatminőség és -kezelés javításához. Sok felhasználó értékeli a strukturált megközelítést, a valós példákat és a második kiadásban bemutatott frissített módszertanokat. Néhány kritikus azonban aggodalmát fejezi ki amiatt, hogy a könyv az eredeti adatminőségre való összpontosításon túlmutatóan bővült, ami a könyv alapvető céljának felhígulásához vezet.
Előnyök:Átfogó és gyakorlatias útmutató, strukturált megközelítés világos módszertanokkal, valós példákban és sablonokban gazdag, jól szervezett a könnyű hivatkozás érdekében, kitér az adatleírások és -definíciók fontosságára, szisztematikus, tízlépéses, különböző forgatókönyvekhez adaptálható megközelítést nyújt, és a terület elismert szakértője írta.
Hátrányok:Néhány kritikus úgy érzi, hogy a könyv terjedelme túlságosan „kúszott” az adatminőségen túli kapcsolódó témákba, ami felhígíthatja az elsődleges hangsúlyt. Kisebb nézeteltérések vannak a könyvben használt konkrét terminológiával és értelmezésekkel kapcsolatban.
(10 olvasói vélemény alapján)
Executing Data Quality Projects: Ten Steps to Quality Data and Trusted Information (Tm)
Az adatminőségi projektek végrehajtása, második kiadás egy strukturált, mégis rugalmas megközelítést mutat be az adatok és információk minőségének létrehozásához, javításához, fenntartásához és kezeléséhez bármely szervezeten belül.
A tanulmányok azt mutatják, hogy az adatminőségi problémák évente több milliárd dollárba kerülnek a vállalkozásoknak, mivel a rossz adatok pazarlással és hatékonysághiánnyal, az ügyfelek és beszállítók körében sérült hitelességgel, valamint azzal járnak, hogy a szervezet képtelen megalapozott döntéseket hozni. Itt a segítség! Ez a könyv egy bevált tízlépéses megközelítést ír le, amely az információminőség megértésének fogalmi keretét kombinálja a megközelítés gyakorlati megvalósításához szükséges technikákkal, eszközökkel és utasításokkal - a végeredmény pedig a kiváló minőségű, megbízható adatok és információk, amelyek oly fontosak a mai adatfüggő szervezetek számára.
A tízlépéses megközelítés minden típusú adatra és minden típusú szervezetre alkalmazható - nyereséges bármely iparágban, non-profit, kormányzati, oktatási, egészségügyi, tudományos, kutatási és orvosi területen. Ez a könyv számos sablont, részletes példát és gyakorlati tanácsokat tartalmaz minden egyes lépés végrehajtásához. Ugyanakkor az olvasók tanácsot kapnak arra vonatkozóan, hogyan válasszák ki a releváns lépéseket, és hogyan alkalmazzák azokat különböző módokon, hogy a legjobban kezeljék a számos helyzetet, amellyel szembesülni fognak. Az elrendezés lehetővé teszi a gyors hivatkozást a könnyen használható formátummal, amely kiemeli a kulcsfogalmakat és meghatározásokat, a fontos ellenőrzési pontokat, a kommunikációs tevékenységeket, a legjobb gyakorlatokat és a figyelmeztetéseket. A Tíz lépés tényleges ügyfeleinek és felhasználóinak tapasztalatai valós példákat nyújtanak a lépések kimeneteire, valamint kiemelt, oldalsávos esettanulmányokat a Tíz lépés a gyakorlatban címmel.
Ez a könyv a projekteket használja az adatminőségi munka eszközeként, és a szó tágan értelmezve magában foglalja: 1) célzott adatminőség-javító projektek, mint például az ellátási lánc menedzsmentjében használt adatok javítása, 2) adatminőségi tevékenységek más projektek keretében, mint például új alkalmazások létrehozása és adatok migrálása régi rendszerekből, adatok integrálása fúziók és felvásárlások miatt, vagy adatok kibogozása szervezeti szétválások miatt, és 3) adatminőségi lépések, technikák vagy tevékenységek ad hoc alkalmazása a napi munka során. A tízlépéses megközelítés egy szervezet standard SDLC-jének (akár szekvenciális, akár agilis) gazdagítására is használható, és kiegészíti az olyan általános fejlesztési módszereket, mint a hat szigma vagy a lean. Nincs két egyforma adatminőségi projekt, de a Tíz lépés rugalmas jellege azt jelenti, hogy a módszertan mindegyikre alkalmazható.
Az új, második kiadás többek között olyan témákat emel ki, mint a mesterséges intelligencia és a gépi tanulás, a dolgok internete, a biztonság és az adatvédelem, az analitika, a jogi és szabályozási követelmények, az adattudomány, a big data, az adattavak és a felhőalapú számítástechnika, hogy bemutassa ezek adatoktól és információktól való függését, valamint azt, hogy az adatminőség miért fontosabb és kritikusabb most, mint valaha.