Hvad er datakvalitet? - BiQ

Del denne artikel

For at beskrive hvad (god) datakvalitet er, så må man overveje hvordan man definerer dette begreb.

Grundlæggende bedømmes datakvalitet ud fra, hvor høj grad data er egnet til tilsigtede anvendelser i drift, beslutningstagning, strategi og planlægning.

Kort og godt, er der altså tale om hvor passende et datasæt er, til et bestemt formål. Kvaliteten af et datasæt afhænger derfor af konteksten det skal anvendes i.

Ofte anvendes udtrykket ”fit for purpose”, som er opfundet af den amerikanske data forsker Thomas C. Redman. Redman var den første i datavidenskab til at introducere kvalitetsprincipper for data og information.

Siden hans opfindelse af ”data quality” som begreb, har Redman været en toneangivende fortaler for mulighederne ved en mere aktiv brug af data i forretningssammenhænge.

6 dimensioner, der beskriver hvad god datakvalitet er

Nu hvor oprindelsen af begrebet er afklaret er det nærliggende at se nærmere på de seks dimensioner der ligger til grund for vurdering af datakvalitet.

  • Accuracy (Akkurathed) – Er data’en korrekt? Et data element repræsenterer en faktisk værdi i den virkelige verden. Akkuratheden afhænger af om der forekommer en afvigelse/fejl mellem værdien indkodet i data elementet og den faktiske værdi eksisterende i den virkelige verden. Et eksempel på manglende akkurathed, kunne være en fejlstavning af en adresse eller et navn.
  • Validity (Validitet) – Imødekommer data’en de fastsatte kriterier? Validiteten afhænger af om et datasæt er indkodet under den korrekte klassificering eller ligger inde for rækkevidden af valide værdier bestemt af fastsatte kriterier. Et eksempel på manglende validitet, kunne være en ukorrekt klassificering af firma status eller firma type. Et eksempel kunne også være en fødselsdato som ikke ligger inde for et bestemt fastsat interval.    
  • Timeliness (Aktualitet) – Repræsenterer data’en virkelighed fra det påkrævede tidspunkt? Aktualitet afhænger af om et datasæt eller data element stemmer overens med tiden. Et eksempel på manglende aktualitet kan være at et firmas adresseskift træder i kraft d. 1. september, men adressen først ændres i en database d. 6. september.
  • Completeness (Komplethed) – Er data’en komplet? Kompletheden afhænger af om al påkrævet potentielle data er indkodet i et dataset. Kriterierne som er sat for den påkrævet data, afhænger af hvilken kontekst data’en skal indgå i. Et eksempel på manglende komplethed kunne være en firmaadresse med et manglende postnummer.         
  • Uniqueness (Unikhed) – Er data’en indhentet korrekt og kun indhentet en gang? Unikheden afhænger af at et datapunkt kun bliver indkodet en enkelt gang. Manglende unikhed kan altså findes ved forekomst af dubletter i et dataset. Et eksempel kunne være en person der er registeret i en database to gange, men med forskellige identifikatorer.     
  • Consistency (Overensstemmelse) – Stemmer data’en overens? Overensstemmelse afhænger af om alle datapunkter i et datasæt er stemmer overens og at der ikke forekommer afvigelser ved at eksempelvis to datapunkter modsiger hinanden eller de ikke indkodet i samme format.   

Ved vurdering af datakvalitet er det ikke nødvendigvis alle seks dimensioner som er relevante for et data element. Tager man et dataset med eksempelvis fødselsdatoer som et eksempel, er det kun dimensionerne akkurathed og komplethed der er relevante.

Hvis du vil finde ud af hvor god datakvaliteten er i din database, så tag fat i vores salgsafdeling og hør mere. Du finder deres kontaktinfo her.

Brug for sparring?

Har du brug for sparring til, hvordan du skal tage hul på din egen datapolitik? Så ræk ud til bdq. Vi giver gerne den nødvendige rådgivning og giver dig masser af cases og eksempler på hvordan vi har hjulpet andre virksomheder med at tilrettelægge deres data, så både data og beslutninger bliver af højere kvalitet. Vi tilbyder også monitoreringsløsninger, som sikrer dig daglige opdateringer af dine centrale og kritiske kundedata. Kontakt os på 70 25 50 65 hvis du vil høre mere om mulighederne.

Relateret indlæg

Følg loven - og høst fordelene.
BiQ Datakvalitet

Opdaterede data: Følg loven og høst fordelene

Hvis bare alle fulgte loven, så ville der være høj datakvalitet i alle kunde- og CRM-systemer. Det er selvfølgelig ikke helt så enkelt endda, men

Fraudbekæmper foran sin computer
BiQ fraud

Forstærket fokus på bekæmpelse af svindel

I BIQ har vi altid haft et mål om at sikre bedre datakvalitet. Siden 2021 har vi endvidere haft en strategisk målsætning om at hjælpe

Personlig ejendomsportefølje
BiQ Datakvalitet

Endnu bedre overblik over ejendomsbesiddelser

Hos BiQ har vi i længere tid arbejdet på at skabe det bedst mulige overblik over en persons ejendomsbesiddelser, såvel de nuværende som de historiske.

Brug for hjælp?

Så kontakt os og lad os tale om dine behov for data. Det er gratis og uforpligtende at kontakte os og at prøve vores løsninger!

Vil du vide mere?

Så kontakt os og lad os tale om dine behov for data

Gratis prøveadgang

Vil du prøve en af vores dataløsninger helt gratis? Sæt kryds ud for den løsning du ønsker adgang til.
Er du eksisterende kunde og ønsker at bestille ekstra brugere til BiQ Insight, skal du klikke her

Bestil gratis demo

Tilmeld dig vores gratis online demonstration af vores løsninger. 

Vi vil ringe eller skrive til dig for at aftale den tid, som passer dig bedst. Du er velkommen til at få en gennemgang uanset om du er helt ny bruger, en garvet bruger der gerne vil have lidt tips og tricks til endnu smartere brug eller om du overvejer om det er en løsning for dig. 

Gennemgangen tager ca. en time.