|
시장보고서
상품코드
1398690
IDC PlanScape : 데이터 품질 관리IDC PlanScape: Data Quality Management |
||||||
이 IDC PlanScape에서는 데이터 품질 관리의 중요성에 대해 논의합니다. 데이터 품질의 차원은 단순해 보이지만, 데이터 품질 문제는 복잡합니다. IDC의 데이터 인텔리전스 및 통합 소프트웨어 연구 담당 리서치 부사장인 스튜어트 본드(Stewart Bond)는 "나쁜 데이터가 어디에서 시스템에 유입되는지 파악하지 않고 업무 및 분석 리포지토리에 있는 데이터를 정리하는 것은 구멍이 어디에 있는지 모른 채 배를 띄우는 것과 같습니다. 구멍이 어디에 있는지, 나쁜 데이터가 어디서 들어오는지, 왜 들어오는지 파악해 문제를 해결하고 구멍을 막음으로써 지속적인 데이터 정화의 에너지가 소진되지 않도록 해야 합니다."라고 말했습니다.
IDC PlanScape 도표
주요 요약
데이터 품질 관리가 중요한 이유는 무엇입니까?
데이터 품질 관리란 무엇인가요?
주요 이해관계자는 누구입니까?
우리 조직은 데이터 품질 관리를 어떻게 활용할 수 있습니까?
- 데이터 품질 전략 정의
- 데이터 품질 평가
- 근본 원인 분석
- 솔루션
- 깨끗하고 적절한
- 측정 및 모니터링
- 데이터 오퍼레이션
기술 바이어에 대한 어드바이스
관련 조사
ksm 24.01.03This IDC PlanScape discusses the importance of data quality management. The dimensions of data quality may seem simple, but data quality issues are complex. "Dirty data is often a symptom of deeper people, process, and technology issues that impact the quality of the data, but getting to the root cause can be difficult and time-consuming and may shed light on less-than-optimal processes and practices," says Stewart Bond, research vice president, Data Intelligence and Integration Software research at IDC. "Cleaning up data within operational and analytical repositories without first understanding where the bad data is entering the system is the equivalent of bailing a boat without knowing where the holes are. Figure out where the holes are and where the bad data is coming from and why, then correct the issue and plug the hole so that you don't run out of energy continuously cleansing the data."
IDC PlanScape Figure
Executive Summary
Why Is Data Quality Management Important?
What Is Data Quality Management?
Who Are the Key Stakeholders?
How Can My Organization Take Advantage of Data Quality Management?
- Defining a Data Quality Strategy
- Data Quality Assessments
- Root Cause Analysis
- Resolution
- Clean and Correct
- Measure and Monitor
- DataOps
