Measuring Data Quality for Ongoing Improvement: A Data Quality Assessment Framework: The Morgan Kaufmann Series on Business Intelligence

Publicul țintă principal al acestui volum este format din ingineri și manageri de date, analiști de conformitate și profesioniști în Business Intelligence, care primesc un instrumentar metodologic pentru transformarea datelor în active de încredere. Descoperim aici o abordare pragmatică a guvernanței, centrată pe cadrul DQAF (Data Quality Assessment Framework), menit să pună în acord limbajul tehnic al departamentelor IT cu prioritățile strategice de business. Notăm cu interes faptul că Laura Sebastian-Coleman nu tratează calitatea datelor ca pe un proiect cu termen de finalizare, ci ca pe un proces de îmbunătățire continuă, integrat în fluxul operațional.

Subliniem structura riguroasă a celor șase secțiuni, care ghidează cititorul de la definiții conceptuale și modele de metadate, până la scenarii complexe de evaluare și strategii de implementare. În comparație cu Data Quality de Carlo Batini, care oferă o perspectivă teoretică și sistematică asupra reglementărilor internaționale, lucrarea de față este mult mai orientată spre practică, oferind peste trei duzini de tipuri de măsurători specifice pentru dimensiuni precum integritatea și validitatea. De asemenea, dacă The Practitioner's Guide to Data Quality Improvement de David Loshin se concentrează pe socializarea și planificarea programelor de date, Measuring Data Quality for Ongoing Improvement merge în profunzime cu algoritmi de calcul și comparații pentru detectarea anomaliilor.

Această lucrare consolidează expertiza autoarei, fiind o continuare firească a temelor explorate în Navigating the Labyrinth și Meeting the Challenges of Data Quality Management. În timp ce lucrările anterioare puneau accent pe comunicarea cu liderii organizațiilor, volumul de față oferă detaliile tehnice și logice necesare pentru execuția propriu-zisă a strategiei de date.