Data Quality Management with Semantic Technologies

Christian Fürber کاربرد مفید فناوری های معنایی را برای حوزه مدیریت کیفیت داده ها بررسی می کند. او بر اساس تحلیل ادبیات مشکلات کیفیت داده های معمولی و فعالیت های معمول فرآیندهای مدیریت کیفیت داده، چارچوب مدیریت کیفیت داده های معنایی را به عنوان سهم اصلی این پایان نامه توسعه می دهد. چارچوب SDQM از سه جزء تشکیل شده است که در دو مورد استفاده مختلف ارزیابی می شوند. علاوه بر این، این پایان نامه چارچوب را با نرم افزار کیفیت داده های معمولی مقایسه می کند. علاوه بر چارچوب، این پایان نامه یافته های نظری مهمی را ارائه می دهد، یعنی یک گونه شناسی جامع از مشکلات کیفیت داده، ده نوع نیاز داده های عمومی، یک فرآیند مدیریت کیفیت داده مبتنی بر نیاز، و تجزیه و تحلیل کار مرتبط.

Christian Fürber investigates the useful application of semantic technologies for the area of data quality management. Based on a literature analysis of typical data quality problems and typical activities of data quality management processes, he develops the Semantic Data Quality Management framework as the major contribution of this thesis. The SDQM framework consists of three components that are evaluated in two different use cases. Moreover, this thesis compares the framework to conventional data quality software. Besides the framework, this thesis delivers important theoretical findings, namely a comprehensive typology of data quality problems, ten generic data requirement types, a requirement-centric data quality management process, and an analysis of related work.