داده کاویداده کاوی برای مدیران
ممیزی داده در داده کاوی کسب و کار
ممیزی و بررسی اعتبار داده ها و منابعی که داده های از آن استخراج شده اند یک گام اصلی در هر فرایندی است که با داده های کسب و کار، سروکار دارد. این فرایند محدود به داده کاوی نمی باشد و هر نوع فرایندی از یک ساده مانند تهیه یک گزارش اماری تا انجام یک تحلیل آماری سنگین بر روی داده های حجیم را شامل می شود.
فرض کنید ما قصد داریم یک پروژه در یک کسب و کار تعریف کنیم که به بخشی از داده های ان کسب و کار نیاز دارد ، بعلاوه فرض کنید داده های کسب و کار به صورت دیجیتالی نگه داری می شوند.
اول گام برای انجام این پروژه این است که ، فایل ها و بانک های اطلاعاتی که فایل ها در آن نگهداری می شود را شناسایی کنیم. این گام معمولا با کمک متخصصان بخش IT کسب و کار انجام می شود. نکته مهمی که باید به آن توجه داشت این است که یک داده ممکن است از چندین منبع اطلاعاتی متفاوت به دست بیایید، در این صورت باید منابع داده ای ممیزی شوند و اعتبار آنها مورد بررسی قرار گیرد. تا در نهایت بهترین آنها انتخاب شود. اینکه چه حدی از سخت گیری ممیزی اعمال شود وابسته به پروژه ای است که قصد انجام آن را داریم.
یک نکته مهم در این گام آن است که ممکن است داده های و منابع ای که در اختیار داریم چندان معتبر نباشند یا حتی بخشی از داده های مورد نظر ما وجود نداشته باشد. در این حالت در ممیزی داده های سعی می شود تا موارد زیر رو مشخص شود:
- لیست داده های ناموجود و نا معتبر
- رنج (Rage) مقادیری که هر یک داده های نامعتبر یا ناموجود میتوانند داشته باشند
- مقادیر مانند مقدار کمینه، بیشینه و میانگین داده های ناموجود و نامعتبر
- تعداد مقادیر یکتایی (unique values) که داده های ناموجود و نامعتبر دارند
خروجی ممیزی داده ، مشخص میکند که آیا داده ها برای پروژه ای که می خواهیم انجام دهیم مناسب است یا خیر.
به عنوان مثال فرض کنید برای یک پروژه نیاز داریم تا سن مشتریان را بدانیم. این اطلاعات می تواند از منابع داده ای مختلفی که در کسب و کار وجود دارد، به دست آید. فرض کنید نتیجه ممیزی داده های مربوط به سن به شرح زیر است” ۷۵ درصد اطلاعات مربوط به سن مشتریان در دسترس نیست”. این نتیجه نشان میدهد که اطلاعات مربوط به سن نمی تواند معتبر باشد.
منتظر سایر مطلب مرتبط با ممیزی داده های کسب و کار در داده کاوی باشید.
