Hodnotenie:
Recenzie všeobecne chvália knihu Danette McGilvrayovej „Executing Data Quality Projects“ ako komplexnú a praktickú príručku na zlepšenie kvality a riadenia údajov. Mnohí používatelia oceňujú štruktúrovaný prístup, príklady z praxe a aktualizované metodiky uvedené v druhom vydaní. Niektorí recenzenti však vyjadrujú obavy, že kniha sa rozšírila nad rámec svojho pôvodného zamerania na kvalitu údajov, čo viedlo k oslabeniu jej hlavného účelu.
Výhody:Komplexná a praktická príručka, štruktúrovaný prístup s jasnými metodikami, bohatá na príklady a vzory z reálneho sveta, dobre organizovaná na jednoduché vyhľadávanie, zahŕňa dôležitosť špecifikácií a definícií údajov, poskytuje systematický prístup v desiatich krokoch prispôsobiteľný rôznym scenárom a je napísaná uznávaným odborníkom v tejto oblasti.
Nevýhody:Niektorí recenzenti sa domnievajú, že rozsah knihy sa príliš „vkradol“ do súvisiacich tém mimo kvality údajov, čím sa potenciálne oslabilo jej hlavné zameranie. Existujú menšie nezhody týkajúce sa špecifickej terminológie a výkladov používaných v celej knihe.
(na základe 10 čitateľských recenzií)
Executing Data Quality Projects: Ten Steps to Quality Data and Trusted Information (Tm)
Druhé vydanie publikácie Executing Data Quality Projects predstavuje štruktúrovaný a zároveň flexibilný prístup k vytváraniu, zlepšovaniu, udržiavaniu a riadeniu kvality údajov a informácií v každej organizácii.
Štúdie ukazujú, že problémy s kvalitou údajov stoja podniky každoročne miliardy dolárov, pričom nekvalitné údaje sú spojené s plytvaním a neefektívnosťou, poškodenou dôveryhodnosťou u zákazníkov a dodávateľov a neschopnosťou organizácie prijímať správne rozhodnutia. Pomoc je tu! Táto kniha opisuje osvedčený prístup v desiatich krokoch, ktorý spája koncepčný rámec na pochopenie kvality informácií s technikami, nástrojmi a návodmi na praktické uplatnenie tohto prístupu - s konečným výsledkom vysokokvalitných dôveryhodných údajov a informácií, ktoré sú pre dnešné organizácie závislé od údajov také dôležité.
Prístup desiatich krokov sa vzťahuje na všetky typy údajov a všetky typy organizácií - ziskové v akomkoľvek odvetví, neziskové, vládne, vzdelávacie, zdravotnícke, vedecké, výskumné a lekárske. Táto kniha obsahuje množstvo šablón, podrobných príkladov a praktických rád na realizáciu každého kroku. Zároveň čitateľom radí, ako vybrať príslušné kroky a aplikovať ich rôznymi spôsobmi tak, aby čo najlepšie riešili mnohé situácie, s ktorými sa stretnú. Rozloženie umožňuje rýchlu orientáciu vďaka ľahko použiteľnému formátu so zvýraznením kľúčových pojmov a definícií, dôležitých kontrolných bodov, komunikačných aktivít, osvedčených postupov a upozornení. Skúsenosti skutočných klientov a používateľov desiatich krokov poskytujú reálne príklady výstupov jednotlivých krokov a navyše zvýraznené, postranné prípadové štúdie nazvané Desať krokov v akcii.
Táto kniha využíva projekty ako prostriedok pre prácu s kvalitou údajov a slovo široko zahŕňa: 1) cielené projekty na zlepšenie kvality údajov, ako napríklad zlepšenie údajov používaných v riadení dodávateľského reťazca, 2) činnosti v oblasti kvality údajov v rámci iných projektov, ako napríklad budovanie nových aplikácií a migrácia údajov zo starších systémov, integrácia údajov z dôvodu fúzií a akvizícií alebo rozpletanie údajov v dôsledku organizačných rozpadov, a 3) ad hoc používanie krokov, techník alebo činností v oblasti kvality údajov v priebehu každodennej práce. Prístup desiatich krokov sa môže použiť aj na obohatenie štandardného SDLC organizácie (či už sekvenčného alebo agilného) a dopĺňa všeobecné metodiky zlepšovania, ako je napríklad Six Sigma alebo Lean. Žiadne dva projekty kvality údajov nie sú rovnaké, ale flexibilná povaha Desiatich krokov znamená, že metodiku možno použiť na všetky.
V novom druhom vydaní sa okrem iného zdôrazňujú témy ako umelá inteligencia a strojové učenie, internet vecí, bezpečnosť a ochrana osobných údajov, analytika, právne a regulačné požiadavky, dátová veda, veľké dáta, dátové jazerá a cloud computing, aby sa ukázala ich závislosť od údajov a informácií a prečo je kvalita údajov v súčasnosti dôležitejšia a kritickejšia ako kedykoľvek predtým.