Shrnutí na Základy dat, informací a jejich kvalita

## Úvod Kvalita dat a správa dat (Data Governance) jsou klíčové oblasti pro každou organizaci, která chce bezpečně a efektivně využívat data pro rozhodování. Tento studijní materiál vysvětluje rozdíly mezi daty, informacemi, znalostmi a moudrostí, popisuje vlastnosti kvalitních dat, kroky řízení dat a praktické postupy čištění a kontroly kvality. ## Základní pojmy > **Data:** Samotné údaje, měřené nebo zaznamenané hodnoty bez interpretace. > **Informace:** Data interpretovaná tak, aby dávala smysl. > **Znalost:** Informace doplněná o zkušenosti a pochopení. > **Moudrost:** Schopnost správně využít znalosti pro rozhodnutí. ### Příklady - Data: 8848 m, 25 °C, 1 500 obyvatel - Informace: Mount Everest je nejvyšší hora světa s výškou 8848 m. - Znalost: Jaké vybavení a trénink jsou potřeba pro výstup na Everest. - Moudrost: Rozhodnutí, zda je rozumné pokoušet se o výstup vzhledem k rizikům. ## Jak si to zapamatovat Data → Informace → Znalosti → Moudrost - Data = čísla - Informace = význam - Znalost = zkušenost - Moudrost = správné rozhodnutí ## Sběr a zpracování dat - Data získáváme měřením, pozorováním a zapisováním. - Počítače data sbírají, ukládají, třídí a zpracovávají. Pracují binárně: $0$, $1$. ## Co je kvalita dat? Kvalitní data jsou taková, která jsou vhodná pro rozhodování a použití. ### Hlavní vlastnosti kvalitních dat | Vlastnost | Co znamená | Příklad problému při nedodržení | |---|---|---| | Úplnost | Nic nechybí | Chybějící kontaktní údaje u zákazníků | | Přesnost | Data odpovídají skutečnosti | Nesprávná výška budovy | | Konzistence | Data si nejsou v rozporu | Různé kódy pro stejný produkt | | Aktuálnost | Data jsou současná | Zastaralé ceny v e-shopu | | Dostupnost | Data jsou přístupná | Nefunkční datové úložiště | | Platnost | Data odpovídají pravidlům | Nesprávný formát rodného čísla | | Integrita | Zachovány vztahy mezi daty | Chybějící vazby mezi tabulkami | | Unikátnost | Neobsahují duplicity | Duplicitní záznamy zákazníků | > **Poznámka:** V praxi se tyto vlastnosti často překrývají a zlepšení jedné může ovlivnit ostatní. ## Data Governance (řízení dat) Systém pravidel a postupů pro správu dat v organizaci. Obsahuje následující kroky: 1. Profilování dat: Zjištění aktuálního stavu dat (jaké typy chyb jsou přítomny, míra chybovosti). 2. Standardizace dat: Sjednocení formátů (např. datum, kódy, jednotky). 3. Statistika dat: Měření přínosů a metrik kvality. 4. Monitorování: Sledování kvality v čase a detekce odchylek. 5. Zavedení pravidel: Nastavení pravidel kvality a odpovědností. ### Praktická doporučení - Definujte vlastní standardy pro pole jako jméno, E‑mail, datum. - Vytvořte metriky (např. % úplnosti, % duplicity) a sledujte je pravidelně. - Určete odpovědné osoby za kvalitu jednotlivých datových domén. Věděli jste, že systém Data Governance zvyšuje důvěru v reporting a snižuje čas na získání rozhodovacích podkladů? ## Čištění dat (Data Cleansing) Proces hledání a opravování chyb v datech. Zahrnuje: - opravy překlepů - odstranění duplicit - doplnění chybějících údajů - odstranění nesprávných nebo nekonzistentních dat Praktický příklad: při importu zákaznické databáze z více zdrojů provést deduplikaci na základě e‑mailu a sjednotit formát telefonních čísel. ## Kontrola kvality (Quality Control, QC) Kontroluje, zda jsou data použitelná pro daný účel. Pokud data obsahují příliš mnoho chyb, nesmí se používat, aby se zabránilo chybným rozhodnutím. Příklad rizika: Špatná data ze senzorů letadla mohou způsobit nesprávná rozhodnutí a vést k nehodě.