المحتوى
المصدر: Everythingpossible / Dreamstime.com
يبعد:
يمكن فقط للبيانات عالية الجودة إنتاج تحليلات عالية الجودة ، لذلك من الضروري أن يتم هيكلة البيانات بشكل صحيح.
تكتسب فكرة تطبيق نظام تحليل متكامل ، حيثما كان ذلك مناسبًا ، مصداقية. مع إدراك المنظمات لأهمية نظام التحليلات المتكامل ، يتدافع الكثيرون لتنفيذ واحد. لكن في هذه العملية ، لا تحظى مسألة جودة البيانات بالاهتمام الكافي. من المهم ملاحظة أن جودة البيانات هي العامل الأكثر أهمية في تحديد مدى ملاءمة وجودة التحليلات التي تقدمها منصات التحليل. تعني جودة البيانات في هذا الاشتراك أن البيانات الصحيحة بالتنسيق الصحيح ينبغي إتاحتها لمنصة تحليلات متكاملة حتى تتمكن من تقديم تحليلات هادفة. لكن العديد من المشكلات مثل عدم التوافق النظامي ، ومشاكل بنية البيانات ، وعدم الكفاءة البشرية تمنع حتى منصات التحليل المتكاملة المتكاملة عالية الجودة من تقديم تحليلات الجودة.
وغني عن القول إنه بدون معالجة مشكلات جودة البيانات ، فإن عوائد الاستثمار (ROI) على منصات التحليل المتكاملة لن تصل إلى المستويات المتوقعة. نحن هنا ندرس المشاكل التي تؤثر على جودة البيانات المخصصة لمنصات التحليلات مع مثال قطاع الرعاية الصحية ، وهو أحد القطاعات الأكثر تضرراً من ضعف جودة البيانات.
قضايا جودة البيانات التي تعوق أداء منصة التحليلات
يمكن تلخيص المشكلات المتعلقة بجودة البيانات على النحو التالي: تسجيل وتسجيل تنسيقات البيانات غير الصحيحة ، وعدم توافق الأنظمة الأولية مع منصات التحليل والتحليل غير الدقيق.
لا يمكنك تحسين مهارات البرمجة لديك عندما لا يهتم أحد بجودة البرنامج.
الالتقاط هو المرحلة التي يدخل فيها الأشخاص البيانات في النظام ، على سبيل المثال ، بيانات تقرير التحقيق الطبي. من المهم للغاية تحديد جميع البيانات ذات الصلة وإدخالها في النظام.
الهيكل هو المرحلة التي يجب فيها إدخال البيانات الصحيحة بالتنسيق والحقل الصحيحين. على سبيل المثال ، يُعتبر وزن المريض بيانات رقمية ، ولكن إذا تم إدخاله في أحد الحقول ، فسوف تتأثر جودة التحليلات.
نقل البيانات هو المرحلة التي يتم فيها تحميل البيانات على أنظمة التحليل للتحليل. السبب الرئيسي الذي تعاني منه جودة البيانات في هذه المرحلة هو عدم وجود اتصال مباشر بقاعدة بيانات. عندما تتصل قاعدة البيانات مباشرة بسلسلة إمداد البيانات ، يتم تسجيل الحقول الأساسية بالهيكل والشكل المناسبين.
فيما يلي بعض الطرق لتحسين جودة البيانات.
عندما يقوم المستخدمون البشريون بإدخال البيانات ، تكون هناك فرص لوجود الكثير من البيانات المتكررة التي يجب إدخالها. على سبيل المثال ، إذا تم إدخال البيانات المتعلقة بمرضى القلب ، فقد يكون للظروف الخاصة المختلفة رموز مختلفة. في كل مرة يتم إدخال رمز. يجب أن يقدم النظام اقتراحات أو يقوم تلقائيًا بملء الكود المقابل. يتطلب القليل من البرمجة الجيدة أو تعديلات في الرموز لتطبيق نظام مثل هذا. بهذه الطريقة ، تقلل من احتمال حدوث خطأ بشري إلى حد كبير. إن أمكن ، يجب أن يكون هناك أيضًا عمليات تحقق في حالة قيام المستخدم البشري بإدخال رموز غير صحيحة.
سد الفجوة بين المورد وأنظمة التحليلات
كما أشرنا سابقًا ، تعاني جودة البيانات بسبب مشكلات التصميم والتنفيذ بين المورد ومحركات التحليل. تحتاج المؤسسات إلى العمل على إنشاء بنية مشتركة دنيا لأنظمة موردي البيانات ، مثل أنظمة EHR ، بحيث يتم توفير البيانات الأساسية بالتنسيق الصحيح لمحركات التحليل. نظرًا لوجود عدد كبير من أنظمة الموردين من قِبل بائعين مختلفين ، فمن الصعب تحقيق هيكل مشترك. ومع ذلك ، يجب أن يكون هناك جهد نحو إنشاء بنية دنيا مشتركة لأنظمة موردي البيانات.
خاتمة
يبدو أن أهم خطوة نحو جودة البيانات لمحركات التحليلات هي الهيكل الأدنى المشترك لأنظمة موردي البيانات. على الرغم من أهمية الخطوات الأخرى مثل جعل استخدام الإنسان لأنظمة إدخال البيانات أكثر فعالية ، إلا أنها ستظل عرضة للخطأ بشكل طبيعي. ومع ذلك ، يمكن أن يضمن معيار إدخال البيانات ونقل البيانات أن يتم إدخال البيانات الصحيحة بالتنسيق والهيكل الصحيحين في محركات التحليلات. لكي يحدث ذلك ، يجب أن يكون هناك معيار مشترك وبروتوكول لتطوير الأنظمة وواجهات المستخدم.