Profession specialist i datakvalitet

Specialister i datakvalitet gennemgår organisationens data med henblik på nøjagtighed, anbefaler forbedringer med hensyn til registreringssystemer og dataerhvervelsesprocesser samt vurderer referencemæssig og historisk integritet af data. De udarbejder også dokumenter og ajourfører datakvalitetsmål og -standarder og fører tilsyn med en organisations politik for databeskyttelse og overvåger, at datastrømmene overholder datakvalitetskravene.

Personlighedstype

Gratis Karrierevalgstest

Hvilke jobs kan du lide? Vælg en karriere, der passer til dine præferencer. Tag karrieretesten.

Gå til testen

Viden

  • Forespørgselssprog

    Området for standardiserede computersprog til søgning efter oplysninger fra en database og dokumenter, der indeholder de nødvendige oplysninger.

  • Informationsstruktur

    Den type infrastruktur, som definerer dataformatet: halvstruktureret, ustruktureret og struktureret.

  • Forespørgselssprog til ressource description framework

    Forespørgselssprogene som f.eks. SPARQL, der anvendes til at hente og bearbejde data, der opbevares i et Resource Description Framework (RDF)-format.

  • Database

    Klassificering af databaser, der omfatter deres formål, karakteristika, terminologi, modeller og brug, f.eks. XML-databaser, dokumentorienterede databaser og fuldtekstdatabaser.

Færdigheder

  • Bruge søgemønstre

    Kombinere tegn fra et specifikt alfabet ved hjælp af veldefinerede regler til generering af tegnstrenge, der kan bruges til at beskrive et sprog eller et mønster.

  • Normalisere data

    Reducere dataene til deres nøjagtige kerneformular (i det følgende benævnt "normale formularer") for at opnå resultater såsom minimering af afhængighed, afskaffelse af afskedigelser og øget konsistens.

  • Udføre datarensning

    Påvise og korrigere forvanskede registreringer fra datasæt, sikre, at dataene bliver og forbliver strukturerede i overensstemmelse med retningslinjerne.

  • Administrere data

    Administrere alle typer dataressourcer gennem deres livscyklus ved at foretage dataprofilering, parsing, standardisering, identitetsopløsning, rensning, udvidelse og revision. Sikre, at dataene er egnede til formålet, ved hjælp af specialiserede IKT-værktøjer til at opfylde datakvalitetskriterierne.

  • Behandle data

    Indtaste oplysninger i et datalagrings- og dataudtrækningssystem via processer såsom scanning, manuel indtastning eller elektronisk dataoverførsel med henblik på at behandle store mængder data.

  • Berette om analyseresultater

    Udarbejde forskningsdokumenter eller give præsentationer for at rapportere om resultaterne af et gennemført forsknings- og analyseprojekt med angivelse af de analyseprocedurer og -metoder, der har ført til resultaterne, samt potentielle fortolkninger af resultaterne.

  • Designe databaseskema

    Udarbejde et udkast til en databaseskema ved at følge reglerne for forvaltning af databaser (RDBMS) for at oprette en logisk ordnet gruppe af genstande såsom tabeller, kolonner og processer.

  • Fastlægge dataprocesser

    Anvende IKT-værktøjer til at implementere matematiske, algoritmiske eller andre datamanipulationsprocesser med henblik på at skabe information.

  • Administrere database

    Anvende databasedesignordninger og -modeller, definere indbyrdes afhængigheder mellem data, anvende søgesprog og databasestyringssystemer (DBMS) med henblik på at udvikle og forvalte databaser.

  • Definere kriterier for datakvalitet

    Specificere kriterierne for måling af datakvalitet i forretningsøjemed, f.eks. inkonsekvenser, ufuldstændighed, anvendelighed og nøjagtighed.

  • Administrere standarder for dataudveksling

    Fastsætte og opretholde standarder for konvertering af data fra kildeskemaer til den nødvendige datastruktur i et resultatskema.

  • Håndtere dataprøver

    Indsamle og udvælge en gruppe data fra en population ved hjælp af en statistisk eller anden defineret procedure.

  • Anvende datakvalitetsproces

    Anvende kvalitetsanalyser, validering og verificeringsteknikker på data med henblik på at kontrollere dataenes kvalitet.

  • Håndtere problemer kritisk

    Identificere stærke og svage sider ved forskellige abstrakte, rationelle koncepter som f.eks. spørgsmål, holdninger og tilgange til en specifik problematisk situation med henblik på at finde løsninger og alternative metoder til at tackle situationen.

Source: Sisyphus ODB