سلام خدمت دوستان عزیزم
امیدوارم حالتون عالی عالی باشه
یکی از موضوعاتی که جدیدا بحثش داغ شده و شاید اسمش رو از گوشه کنار شرکتها بشنوید، بحث حاکمیت داده هست.
مباحثی مانند:
> Master Data
> Data Quality
> Data Security
زیر مجوعه این مهم خواهند بود.
هدف از این بحث ، سیاستگذاری های دسترسی به داده ، کنترل کیفیت داده ها، یکپارچه سازی اطلاعات جهت رسیدن به گزارشات جامع و تجزیه و تحلیل های دقیق ، جهت پیشبرد اهداف سازمانها و همچنین بهبود فرآیندها و افزایش درآمد و کاهش هزینه های سازمانها می باشد .
خوشحال خواهم نقطه نظرات شمارو در این بحث بشنوم .
حتما در پستهای مختلفی در خصوص این موضوعات باهم صحبت خواهیم کرد

شاد و سالم باشید 🙂🙂

حمیدرضا صادقیان
#Data_Quality
#Data_Governance
#Data_Security
#Data_Management
#DataQuality
#DataGovernance
#DataSecurity
#DataManagement

@Hamidreza_Sadeghian

سلام خدمت دوستان عزیزم
امیدوارم حالتون خوب باشه
پیرو صحبت قبلی در خصوص Data Governance و حاکمیت داده ، یکی از موضوعات اساسی کیفیت داده ها است.
بیایم اول ببینیم کیفیت داده ها یعنی چی؟
برای این منظور باید هر داده ای از جنبه سوالات زیر بررسی شود .
آیا درست است؟
آیا معتبر است؟
آیا به موقع است؟
آیا کامل است؟
آیا منحصر به فرد است؟
آیا پایدار و ثابت است ؟
این سوالات برای صحت سنجی یک داده بررسی می شود.
در واقع همان ابعاد کیفیت داده می شود که به Data Quality Dimensions نیز مشهور است.

نکته مهم این هست که همه ابعاد کیفیت داده برای همه داده ها مناسب نیستند و نیازی هم نیستند که بررسی شوند.

بیایم با یک مثال این سوالات رو بررسی کنیم.
تاریخ تولد یک فرد رو در نظر بگیرید.
برای تاریخ تولد بررسی کامل بودن و معتبر بودن آن کفایت می کند.
مثلا به وقت بودن یا Timeliness بودن آن نیازی نیست بررسی شود. زیرا در زمان خود اتفاق افتاده و موثر بوده و نیازی نیست د ریک زمان خاص بررسی شود. در همه زمانها معتبر است.

یا مثلا منحصر به فرد بودن یا Uniqueness بودن آن نیز نیازی نیست بررسی شود چون مسلما برای افراد گوناگون تاریخ تولدهای یکسان وجود دارد.

ادامه دارد....

در پست بعد حتما در خصوص ادامه این موضوع باهم صحبت خواهیم کرد.
خوشحال میشم نقطه نظرات شمارو هم داشته باشم و پیرامون این موضوع باهم صحبت کنیم و توضیح بدین شما چطور دارید صحت داده هارو بررسی می کنید؟

ارادتمند شما
حمیدرضا صادقیان
#DQ_Part1
#Data_Quality
#Data_Governance
#Data_Security
#Data_Management
#DataQuality
#DataGovernance
#DataSecurity
#DataManagement

@Hamidreza_Sadeghian

SQLServer Telegram Channel : @SQL_Server
SQLServer Telegram Group : https://t.me/+uIc1qhv58gU0NWQ0

با سلام خدمت همه دوستان عزیزم
امیدوارم حالتون عالی عالی باشه
یکی از مسائلی که جدیدا خیلی دارم باهاش برخورد می کنم و مشاهده می کنم ، علاقمندی شدید شرکتها وسازمانها در حرکت به سمت و سوی تحلیل داده هاست که صدالبته مسیر بسیار درستیه.
ولی به نظرم چالش از اینجا شروع میشه که قبل از تعریف حاکمیت داده و طراحی معماری داده سازمان ،‌به سمت تحلیل داده ها حرکت کنیم. به نظرم به همون میزانی که جذابه به همون میزان هم میتونه مارو به سرعت به سمت دره های خطرناک سوق بده.
وقتی مواردی مانند ساختارهای اطلاعات پایه ،‌ نحوه دسترسی اطلاعات ، نحوه پاکسازی اطلاعات ، یکپارچگی داده ها دیده نشده ،‌ مسلما داده هایی که مورد آنالیز و تحلیل قرار می گیرند مسیر درستی رو به ما نشون نمیدن و خطای بالایی رو تولید می کنند.
به نظر شما در یک سازمانی که سالها مشغول به فعالیت هست و شرکتهای مختلفی در زیرمجموعه آن مشغول به فعالیت هستند ،‌چطور میتوان حاکمیت داده رو ایجاد کرد و معماری داده ای اون رو طراحی کرد که کمترین درد و خونریزی روبرای سازمان داشته باشه؟
منتظر نظرات ارزشمند شما هستم

شاد باشین و شکرگزار ☺️☺️
حمیدرضا صادقیان


Hello to all my dear friends,

I hope you're all doing great. One of the issues I've been encountering a lot lately, and I've noticed, is the strong interest of companies and organizations in moving towards data analysis. Of course, this is a very promising path. However, I believe the challenge starts when we move towards data analysis before defining data governance and designing a data architecture for the organization. In my opinion, as appealing as it may be, it can also quickly lead us towards dangerous pitfalls.

When fundamental information structures, data access methods, data cleansing procedures, and data integration are not well-established, the data being analyzed and scrutinized will not guide us in the right direction and will produce significant errors.

What do you think about establishing data governance and designing a data architecture in an organization that has been operating for years and has various subsidiaries? How can we minimize the pain and bleeding for the organization?

I look forward to your valuable insights.

Stay happy and grateful ☺️☺️

Telegram Channel : @SQL_Server
Telegram ID : @Hamidreza_Sadeghian

#DataGovernance #MasterData #MDM #DataQuality #DataCleansing #DataArchitecture