Dataprofiler

Introduktion till datakvalitet

Chrissy Bloom

Head of Enterprise Data Strategy & Governance

Vad är dataprofilering?

Dataprofilering: Att köra statistik på en datamängd för att bättre förstå data och beroenden mellan fält

Exempel:

  • Hur många poster finns i datamängden?
  • Vad är min- och maxvärdet för ett visst dataelement?
  • Hur många poster har ett visst dataelement ifyllt?
  • När kolumn A är ifylld, vilka andra kolumner är då också ifyllda?

exempel på dataprofil, min, max, antal null-värden

Introduktion till datakvalitet

Varför är dataprofilering viktigt?

Dataprofilering:

  • Bekräftar det du redan vet
  • Avslöjar det du inte vet
  • Identifierar datakvalitetsproblem
  • Hjälper dig att skriva bättre datakvalitetsregler

datatabell med en ficklampa riktad mot den

Introduktion till datakvalitet

Hur ser en dataprofil ut?

![datatabell]

Introduktion till datakvalitet

Dataprofil för kund-ID

exempel på dataprofil

Introduktion till datakvalitet

Dataprofil för kundnamn

exempel på dataprofil

Introduktion till datakvalitet

Dataprofil för kundens födelsedatum

exempel på dataprofil

Introduktion till datakvalitet

Dataprofil för kundkontotyp

exempel på dataprofil

Introduktion till datakvalitet

Använda en dataprofil inom datakvalitet

exempel på dataprofil

  • Alla CustomerID-värden måste bestå av 11 numeriska tecken.
  • Alla CustomerFirstName-värden måste vara en textsträng på 1–20 tecken.
  • Alla CustomerLastName-värden måste vara en textsträng på 1–30 tecken.

exempel på dataprofil

  • Alla CustomerBirthDate-värden måste vara i formatet MM/DD/YYYY och ligga mellan 01/01/1900 och 99/99/9999.
  • Alla CustomerAccountType-värden måste vara Loan, Deposit, Loan and Deposit eller Credit Card.
Introduktion till datakvalitet

Nu kör vi en övning!

Introduktion till datakvalitet

Preparing Video For Download...