دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Maydanchik Arkady
سری:
ISBN (شابک) : 0977140024, 9780977140022
ناشر: Technics Publications, LLC
سال نشر: 2007
تعداد صفحات: 245
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 15 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Data Quality Assessment به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب ارزیابی کیفیت داده ها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
گروهی از شکارچیان ماقبل تاریخ را تصور کنید که مسلح به نیزه هایی با نوک سنگ هستند. سلاح های اولیه آنها شکار حیوانات بزرگ مانند ماموت را به کار خطرناکی تبدیل می کرد. با گذشت زمان، با این حال، نژاد جدیدی از شکارچیان ایجاد شد. آنها پوست ماموتی را که قبلاً کشته شده بود روی دیوار کشیده و نیزه های خود را پرتاب می کردند، در حالی که مشاهده می کردند کدام نیزه، از کدام زاویه و از کدام فاصله پرتاب شده، به بهترین شکل در پوست نفوذ کرده است. داده های جمع آوری شده به آنها کمک کرد تا نیزه های بهتری بسازند و استراتژی های شکار بهتری را توسعه دهند. داده های با کیفیت کلید هر پیشرفتی است، چه از عصر حجر تا عصر برنز. یا از عصر اطلاعات تا عصر بعدی. موفقیت شرکت ها و موسسات دولتی تا حد زیادی به کارایی آنها بستگی دارد که با آن می توانند داده های مربوط به محصولات، مشتریان، رقبا و کارمندان را جمع آوری، سازماندهی و استفاده کنند. خوشبختانه، بهبود کیفیت داده های شما نیازی به یک کار بزرگ نیست. ارزیابی کیفیت داده ها برای هر کسی که نیاز به درک، تصحیح یا جلوگیری از مشکلات کیفیت داده در سازمان خود دارد، باید مطالعه شود. این متن با صرف نظر از تئوری و تمرکز صرف بر روی آنچه عملی است و کارآمد است، رویکردی اثبات شده برای شناسایی، انبارداری و تجزیه و تحلیل خطاهای داده ها دارد. تکنیک های مسلط در پروفایل داده ها و جمع آوری ابرداده ها، طراحی قوانین کیفیت داده ها، سازماندهی کاتالوگ قوانین و خطاها، و ساخت کارت امتیازی کیفیت داده های بعدی. دیوید ولز، مدیر آموزش مؤسسه انبار داده ها، می گوید: "این یکی از آن کتاب هایی است که نقطه عطفی در تکامل یک رشته است. بینش ها و تکنیک های Arkady انتقال مدیریت کیفیت داده ها از هنر به علم را تقویت می کند. کاردستی تا مهندسی. از تجربه عمیق، با ساختار متفکرانه، و با سبکی جذاب، آرکادی نظم و انضباط کیفیت داده را برای پزشکان به ارمغان می آورد.
Imagine a group of prehistoric hunters armed with stone-tipped spears. Their primitive weapons made hunting large animals, such as mammoths, dangerous work. Over time, however, a new breed of hunters developed. They would stretch the skin of a previously killed mammoth on the wall and throw their spears, while observing which spear, thrown from which angle and distance, penetrated the skin the best. The data gathered helped them make better spears and develop better hunting strategies. Quality data is the key to any advancement, whether it is from the Stone Age to the Bronze Age. Or from the Information Age to whatever Age comes next. The success of corporations and government institutions largely depends on the efficiency with which they can collect, organize, and utilize data about products, customers, competitors, and employees. Fortunately, improving your data quality does not have to be such a mammoth task. DATA QUALITY ASSESSMENT is a must read for anyone who needs to understand, correct, or prevent data quality issues in their organization. Skipping theory and focusing purely on what is practical and what works, this text contains a proven approach to identifying, warehousing, and analyzing data errors. Master techniques in data profiling and gathering metadata, designing data quality rules, organizing rule and error catalogues, and constructing the dimensional data quality scorecard. David Wells, Director of Education of the Data Warehousing Institute, says "This is one of those books that marks a milestone in the evolution of a discipline. Arkady's insights and techniques fuel the transition of data quality management from art to science -- from crafting to engineering. From deep experience, with thoughtful structure, and with engaging style Arkady brings the discipline of data quality to practitioners."