適切なデータクオリティツールの選択方法

組み込みのデータクオリティを使用しないのであれば、お金を溝に捨てているのと同じです。Harvard Business Reviewによると、不備のあるデータを使用すると、作業を完了するまでに10倍のコストがかかります。適切なデータクオリティツールを見つけるのは常に困難でした。組み込みの品質管理機能を備えた、スマートでワークフロー主導のセルフサービス型データクオリティツールを選択して活用することで、拡張性に優れた信頼できるシステムを実装できます。ここでは、各組織に適したデータクオリティツールを見つけるための方法をいくつか紹介します。

スタンドアロンのデータクオリティツールでは不十分な理由

市場では、スタンドアロンのデータクオリティツールが多数提供されています。ビッグデータ関連の展示会では、データクオリティの問題に対処するために役立つデータプレパレーション/スチュワードシップツールが多数紹介されています。しかし、誰でも利用できるデータクオリティ管理を提供するツールはごくわずかです。

適切なデータクオリティツールの選択方法をダウンロードする
詳細

スタンドアロンのツールは、一時しのぎの策としては役立ちますが、長期的な問題解決には使えません。一般的なのは、展開を成功させるために高度な専門知識を必要とする特殊なデータクオリティツールです。通常これらのツールは複雑で、導入と活用には専門性の高いトレーニングが必要です。こうしたツールは強力ですが、短期間でデータクオリティの優先課題に取り組む場合は、期限内で完了することができないでしょう。たとえば、新人パイロットにジャンボジェット機の操縦を任せることはできません。航空計器の操作は高度な技能を必要とし、新人が適切に扱えるものではありません。

データクオリティを統合に組み込む

データクオリティへの積極的なアプローチにより、実際にコアシステムに到達する前に品質レベルをチェックして測定できます。社内、クラウド、Web、モバイルの各アプリケーションでそのデータにアクセスして監視することは大きな課題です。これらすべてのシステムにわたってこの種の監視を拡張する唯一の方法は、データ統合を利用することです。そのため、リアルタイムでデータを管理できるデータクオリティツールが必要です。

もちろん、データ統合プロセスに制御ルールを挿入して、誤ったデータの伝播を回避することが重要です。適切なデータクオリティツールと統合されたデータを使用することで、全体的なデータ完全性の問題の根本原因を検出して報告する機能を使用できます。

The Definitive Guide to Data Qualityをダウンロードする
今すぐダウンロード

さらに、アプリケーションやシステムの環境全体でデータを追跡する必要があります。これにより、リアルタイムでデータを解析、標準化、照合できます。必要に応じてアクティビティを整理して正しいデータを確認できます。

その一方で、単純で堅牢であっても、高度にサイロ化され、包括的なデータクオリティプロセスに注入できないアプリケーションもあります。たとえシンプルなUIでビジネス担当者に適切に焦点を当てたものであっても、協業的なデータ管理という重要要素が欠けています。まさにこれが課題なのです。成功は、データクオリティのツールと機能自体だけでなく、相互にやりとりできる能力にかかっています。したがって、データ、アクション、モデルを一緒に共有、運用、転送できるプラットフォームベースのソリューションが必要となります。

データクオリティツールをクラウドに置くべき理由

いずれ、ユーザーやチームが単独でデータを管理できない可能性のある、さまざまなユースケースに直面するでしょう。それらに対処するには、クラウドのデータクオリティツールを備えた統合プラットフォームが必要です。データのライフサイクルでビジネスユーザーと協力して支援することで、データのクレンジング、調整、照合、解決といった、従来のデータクオリティの障害を克服するための大きな力を得ることができます。次の3つの機能は、真のデータクオリティを達成するために不可欠であり、優れたクラウドのデータクオリティツールセットには必ず組み込まれています。

  • データプロファイリング:企業全体でさまざまな形式で格納されているデータの性質と状態を測定するプロセス。データプロファイリングは、組織のデータを管理するための重要な最初のステップとして一般的に認識されています。このステップの鍵は、個々のデータソースや特定のレコードを含む、データに対する深い可視性です。この可視性により、統計的なデータプロファイリングが実行され、組織の標準を満たしていないデータに対してカスタムルールやその他の変更が適用されます。
  • データスチュワードシップ:キュレーションからリタイヤまでのデータライフサイクルを管理するプロセス。データスチュワードシップでは、データモデルの定義と維持、データの文書化、データのクレンジング、ルールとポリシーの定義を行います。監視、調整、洗練、重複排除、クレンジング、集計を含むアクティビティに対応する、明確なデータガバナンスプロセスを実装することで、アプリケーションとエンドユーザーに高品質なデータを提供します。
  • データプレパレーション:データのクレンジング、標準化、変換、またはエンリッチメントのプロセス。データ駆動型の組織は、データエキスパートなどのデータ専門家が行っていたタスクを、データをもっともよく知る業務担当者が実行できるようにするため、セルフサービス型アクセスを提供するデータプレパレーションツールに依存しています。それには、Excelに似たUIとスマートガイダンスを備えた、ワークフロー主導の使いやすいツールが必要です。

クラウドベースのデータクオリティツールを導入することは、組織全体の成功につながります。質の高いデータは、より多くのデータの使用につながるとともに、誤った分析を使用して下された意思決定などの「劣悪なデータクオリティ」に伴うコストを削減します。データの負荷が過度に高まっている現在、スタンドアロンのデータクオリティツールでは不十分です。すべてのビジネス部門にわたってリアルタイムで機能し、データエンジニアのレベルの知識を必要としないソリューションが必要です。Talend Data Fabricにより、統合データ、データプレパレーション、データスチュワードシップを組み合わせることで、ビジネスとITは協力してクラウド、オンプレミス、ハイブリッドで単一の信頼できるデータソースを作成できます。

| 最終更新日時: September 18th, 2019