I.

DATA WAREHOUSE

17/9/2018 Kode MK :SIF15416 Versi : 01

MK : DATA WAREHOUSE
I.2

OUTLINE
DATA QUALITY

13.1 Why Is Data Quality Critical?

13.2 Data Quality Challenges

17/9/2018 Kode MK :SIF15416 Versi : 01

MK : DATA WAREHOUSE
I.3

13.1 Why Is Data Quality Critical?

13.1.1 What Is Data Quality?

13.1.2 Benefits of Improved Data Quality
13.1.3 Types of Data Quality Problems

17/9/2015 Kode MK : SKO06217 Versi : 01

MK : Manajemen Proyek (Hardware)
I.4

13.1.1 What Is Data Quality?

• Accuracy
• Domain Integrity
• Data Type
• Consistency
• Redundancy
• Completeness.
• Duplication
• Conformance to Business Rules
• Structural Definiteness
• Data Anomaly
• Clarity
• Timely
• Usefulness
• Adherence to Data Integrity Rules

17/9/2015 Kode MK : SKO06217 Versi : 01

MK : Manajemen Proyek (Hardware)
I.5

13.1.2 Benefits of Improved Data Quality

• Analysis with Timely Information

• Better Customer Service
• Newer Opportunities
• Reduced Costs and Risks
• Improved Productivity
• Reliable Strategic Decision Making

17/9/2015 Kode MK : SKO06217 Versi : 01

MK : Manajemen Proyek (Hardware)
I.6

13.1.3 Types of Data Quality Problems

❖ Dummy Values in Fields
❖ Absence of Data Values
❖ Unofficial Use of Fields
❖ Cryptic Values
❖ Contradicting Values
❖ Violation of Business Rules
❖ Reused Primary Keys
❖ Nonunique Identifiers
❖ Inconsistent Values
❖ Incorrect Values
❖ Multipurpose Fields
❖ Erroneous Integration
17/9/2015 Kode MK : SKO06217 Versi : 01
MK : Manajemen Proyek (Hardware)
I.7

13.2 Data Quality Challenges

13.2.1 Sources of Data Pollution

13.2.2 Validation of Names and Addresses
13.2.3 Costs of Poor Data Quality

17/9/2015 Kode MK : SKO06217 Versi : 01

MK : Manajemen Proyek (Hardware)
I.8

13.2.1 Sources of Data Pollution

• System Conversions
• Data Aging
• Heterogeneous System Integration
• Poor Database Design
• Incomplete Information at Data Entry
• Input Errors
• Internationalization/Localization
• Fraud
• Lack of Policies

17/9/2015 Kode MK : SKO06217 Versi : 01

MK : Manajemen Proyek (Hardware)
I.9
13.2.2 Validation of Names and
Addresses
Berikut adalah beberapa masalah yang melekat dengan
memasukkan nama dan alamat:
• Tidak ada kunci yang unik
• Banyak nama dalam satu baris
• Satu nama pada dua garis
• Nama dan alamat dalam satu baris
• Nama pribadi dan perusahaan dicampur
• Alamat berbeda untuk orang yang sama
• Nama dan ejaan berbeda untuk pelanggan yang sama

17/9/2015 Kode MK : SKO06217 Versi : 01

MK : Manajemen Proyek (Hardware)
I.10

13.2.3 Costs of Poor Data Quality

Kategori yang luas harus masuk ke rincian untuk memperkirakan risiko
dan biaya untuk setiap kategori.
• Keputusan buruk berdasarkan analisis rutin
• Kehilangan peluang bisnis karena tidak tersedia atau data "kotor"
• Ketegangan dan overhead pada sistem sumber karena data korup yang
menyebabkan tayangan ulang
• Denda dari lembaga pemerintah untuk ketidakpatuhan atau pelanggaran
peraturan
• Resolusi masalah audit
• Data redundan tidak perlu menggunakan sumber daya
• Laporan tidak konsisten
• Waktu dan upaya untuk mengoreksi data setiap kali ditemukan data
korupsi
17/9/2015 Kode MK : SKO06217 Versi : 01
MK : Manajemen Proyek (Hardware)
I.11

Review dan Latihan

☺ END ☺

17/9/2018 Kode MK :SIF15416 Versi : 01

MK : DATA WAREHOUSE