我们的一些读者可能还记得，我们曾发表过 我们 «实地观察 »系列的第一本书, 专用于 data governance, 前不久，我们出版了这套书的第二册。现在，我们很高兴推出该系列的第二本书，专门介绍 data 的质量。事实上，我们已经看到许多大型的
近年来，客户对 data 的质量越来越重视。他们已经意识到，data 的质量已成为一个不可或缺甚至至关重要的因素。
在开发 data 产品的过程中，如何使其发挥作用并带来价值？此外，他们中的许多人痛惜 data 的质量问题只是被发现了
在生产过程中遇到这些问题的业务团队提出投诉后。因此，data 质量已成为确保其核心业务活动的连续性和改进的关键因素。我们还注意到，有关 data 质量工具的问题很快就会出现：我应该购买现成的解决方案还是自己开发？市场上最好的解决方案是什么？实施这种解决方案的投资回报率是多少？

我们甚至会提到几个 生成式人工智能为 data 质量管理工具开辟了新视角. .然而，在提出这些问题的同时，还必须提出其他同样重要的问题，这些问题涉及 data 质量角色和责任、流程、方法，以及 确定 data 质量行动的优先次序并为其提供资金. .那么，您将在这本电子书中找到什么呢？首先，我们将通过定义几个关键概念为 data 质量奠定基础。然后，我们将回顾过去几年 data 质量管理方法的演变。然后，我们将讨论 data 质量工具的问题。我们还将了解生成式人工智能将如何为 data 质量管理带来新的解决方案。最后，我们将探讨持续改进 data 质量的组织和流程方面的问题。.

请注意，本电子书基于我们与客户和合作伙伴的合作经验。它并非详尽无遗。相反，我们针对最常见的问题提出了自己的观点。.

目录

  • 电子书简介和目的
  • 先看几个定义
  • data 质量差会对企业造成哪些常见影响？
  • 近年来，data 的质量管理方法是如何演变的？
  • data 质量管理的工具有哪些？
  • 生成式人工智能将如何加强 data 质量管理？
  • data 质量管理应采用哪些运行模式？
  • 总结：要记住的三个关键信息
  • 术语表

分享本报告