data quality
Soluzioni e Tecnologie
Settori di mercato
Analytics
Big Data
Business Analytics
Business Intelligence
Customer Intelligence
Data Management
Data Integration
Data Quality
Enterprise Data Access
Master Data Management
Financial Intelligence
Fraud & Security Intelligence
High-Performance Analytics
Human Capital Intelligence
IT Management
Intelligence Storage
Risk Management
Performance Management
Supply Chain Intelligence
Sustainability Management
Indice A-Z
 
 

Data Quality

Assicurare l'eccellenza delle informazioni lungo il loro ciclo di vita

La qualità dei dati è un fattore critico per il successo delle iniziative di Business Intelligence aziendali. I dati di scarsa qualità possono facilmente e rapidamente propagarsi all’interno degli altri sistemi. Se le informazioni condivise dalle molteplici istanze applicative aziendali risultano essere contraddittorie, inconsistenti o imprecise allora anche le relazioni con clienti, fornitori e partner si baseranno su informazioni inesatte ed approssimative, innalzando i costi, riducendo la credibilità aziendale e causando perdite sensibili in termini di giro di affari.

SAS Data Quality Services
Data Quality
- Immagine più grande
 
Con SAS Data Quality, componente di SAS Data Management, le aziende possono analizzare i dati, ovunque essi originariamente si trovino, rilevando anomalie e mettendo in luce preziose informazioni prima del processo di trasformazione e caricamento all’interno dei sistemi di destinazione. In questo modo, i dati vengono opportunamente standardizzati secondo precise regole di business personalizzabili ed in linea con le esigenze aziendali facilitando la successiva fase di confronto ed arricchimento, rilevando eventuali duplicazioni anche in presenza di valori anomali, inconsistenti o mancanti.

Pertanto l’impiego di SAS Data Management, dalle fasi iniziali di caricamento fino a quelle di aggiornamento e di immissione, facilita l’arricchimento dei dati esistenti con nuove informazioni accrescendone l’utilità ed il valore.

Principali benefici

  • Riduzione delle finestre temporali per distribuire informazioni precise ed affidabili grazie all’inserimento delle funzionalità di bonifica e qualità dei dati all’interno dei processi di integrazione – sia in modalità batch che in tempo reale.
  • Riduzione di costosi errori impedendo la propagazione di dati incompleti, anomali, inconsistenti e/o mancanti correggendoli ed arricchendoli direttamente dal sistema sorgente.
  • Aggiornamento ed accrescimento della qualità dei dati mediante regolari processi di auditing e di bonifica.
  • Standardizzazione dei dati provenienti dai molteplici sistemi sorgente e riduzione delle ridondanze a beneficio delle attività di reportistica, analisi e supporto decisionale.
  • Valore aggiunto ai dati esistenti generando e/o arricchendoli con informazioni provenienti dalle altre istanze informative/applicazioni aziendali.

Principali caratteristiche

  • Bonifica di Database/Data Warehouse/Data Mart mediante una varietà di tecniche e metodologie, fra cui la standardizzazione, la trasformazione e la razionalizzazione dei dati.
  • Profilazione dei dati per identificare dati incompleti, inaccurati o ambigui.
  • Accrescimento della qualità ed arricchimento dei dati.
  • Creazione di regole di business per la bonifica e qualità dei dati riutilizzabili invocabili da programmi già esistenti, code dei messaggi e Web Services.
  • Pulizia in tempo reale dei dati transazionali utilizzando regole di business di tipo standard.

Data Quality firewall

La qualità dei dati è un aspetto cruciale. I portali web e le transazioni con realtà esterne in tempo reale – ad esempio attraverso gli standard di scambio informativo EDI (Electronic Data Interchange) – rischiano ogni giorno di compromettere la qualità dei dati. Per evitare che ciò accada, è necessario realizzare quello che Gartner definisce il “data quality firewall”.

Come i firewall delle reti hanno lo scopo di tenere lontani gli hacker informatici, virus e altri indesiderata, il data quality firewall è utile a assicurare il corretto funzionamento delle applicazioni grazie a dati validi e consistenti. La qualità dei dati è garantita attraverso metodologie reattive[1], “lavorando” i dati presenti nei differenti sistemi, e proattive, processando, bonificando e validando i dati esterni o interni all’azienda in tempo reale.

[1] In questo caso i dati devono poter essere analizzati e verificati in modalità automatica, tramite un ambiente grafico di reporting che ne documenti accuratamente strutture e contenuti. Una “vista di sintesi” in grado di evidenziare eventuali difetti o relazioni e generare regole di riconversione (per esempio ricondurre la parola SPA in S.p.A, oppure aggiornare i CAP con i nuovi previsti dalle Poste Italiane).

- Per maggiori informazioni [ www.sas.com ]

-
Come possiamo aiutarvi?
Chiamateci al Numero Verde 800 012921 oppure utilizzate il nostro form.
 
 
infografica
Infografica
 
data quality (US)
White Paper
Referenze