分析プロジェクトにおけるデータ品質の課題を克服するための3つの方法

データ品質の課題を克服する3つの方法

アナリティクスプロジェクトにおけるデータ品質の問題に対処するための確立された戦略

データの整理は、食事の整理と同様です。やるべきだとわかっているけれど、ドーナツが誘惑しすぎるんです！

それには、指導者からの規律、プロセス、責任が必要です。しかし、それはデータプロジェクトの中でも最も見落とされがちな側面です。もし、あなたの組織が何年もそれを無視してきて、今やりかけのプロジェクトに取り組んでいるのなら、この記事はまさにあなたのためです。

以下は、どんなアナリティクスプロジェクトでもデータ品質の問題を乗り越えるための3つの方法です。

1. 結果から始める – あなたはどのビジネス問題を解決しようとしていますか？

プロジェクトがうまくいっていないときは、不必要なノイズがたくさんあります。

• dbtのインクリメンタル – 正しい方法
• 「データサイエンスのプログラムでは教えてくれないが知っておくべき8つのこと−パート1」
• 類似検索、パート7 LSHの組み合わせ

あなたは優先順位の忍者になって、本当に重要なデータを理解する必要があります。もし、最終的なアウトプットに顧客の離反分析が必要なら、顧客維持の提案に役立つデータの優先順位をつける努力に集中してください。簡単なことですが、現実世界ではデータはごちゃごちゃしており、システムは分散していて文書化されていません。

結果から始めることで、あなたは問題のあるデータまでの経緯を明確にし、プロジェクトのリソースをどこに集中させるべきかを正確に特定することができます。

現実の例

私は古いクライアントシステムを統合して、マーケティングキャンペーンのために最新かつ正確な顧客の住所を特定するプロジェクトに関わっていました。顧客の住所データをソースシステムでクリーニングするために約6ヶ月が無駄になりましたが、結局それは不要でした。なぜなら、要件が正確に翻訳されていなかったためで、顧客をターゲットにするには住所の一行目と郵便番号だけが必要でした。他のデータはRoyal Mailの郵便番号住所ファイル（PAF）のような参照データセットを使用して追加することができました。結果から始めてください。何を達成しようとしていますか？

2. データがどれだけ良い必要があるかを定義する – 100%にはなりません

ほとんどの場合、データは100%完全で正確である必要はありません。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!