Data Quality

Find dataafvigelser før næste skridt.

Definér acceptable data, kør gentagelige kontroller, og undersøg registrerede fejl. Understøttede kontroltrin stopper efterfølgende arbejde, hvis en påkrævet kontrol fejler.

Definér acceptable data, kør gentagelige kontroller, og undersøg registrerede fejl. Understøttede kontroltrin stopper efterfølgende arbejde, hvis en påkrævet kontrol fejler.
Begynd med en klar forventning.

Visuelle skabeloner omfatter null, tom, unik, rækkeantal, værdiområde, mønster, tilladte værdier og referencekontroller. Custom SQL understøtter mere komplekse kontroller, når acceptkriteriet er præcist defineret.

Afprøv en regel, før den bliver en del af det gentagne arbejde.

Forhåndsvisning afprøver den aktuelle regel uden at gemme en varig kørsel. Gem opretter eller ændrer reglen. Kør nu eller et understøttet Pipeline-trin gemmer derimod kontrollens kørsel og et afgrænset fejlfund, hvis den fejler.

Kvalitet kan styre et implementeret flow.

Et selvstændigt Data Quality-job eller et Master-kontroltrin kan stoppe understøttet efterfølgende arbejde ved fejl. Den præcise PipelineRun, QualityRun og trigger forbliver særskilte registreringer.

Færrest mulige privilegier er fortsat afgørende.

Custom SQL har ikke en universel, uafhængig skrivebeskyttet parser til ét statement. Regelmodalen i SQL Console kræver også, at operatøren kører igen efter en SQL-ændring, fordi et tidligere resultat ikke validerer det aktuelle udkast. Source-legitimationsoplysninger bør anvende læserollen med færrest mulige privilegier, og fejleksempler bør udelukke secrets og unødvendige personoplysninger.

De aktuelle grænser er ikke skjulte.

QualityRule kan ændres og er ikke direkte bundet til DatasetVersion. Suiteudførelse, automatisk afhjælpning, fuld håndtering af Findings og verificeret notifikationslevering er ikke aktuelle kapabiliteter. En administreret Sandbox-tabel deltager gennem Projectets System Sandbox Source frem for en særskilt skjult kvalitetssti.

Begynd med en klar forventning.

Visuelle skabeloner omfatter null, tom, unik, rækkeantal, værdiområde, mønster, tilladte værdier og referencekontroller. Custom SQL understøtter mere komplekse kontroller, når acceptkriteriet er præcist defineret.

Kontrol af null-værdier

Unikhed og grænser for rækkeantal

Numeriske eller sammenlignelige værdiområder

SQL LIKE-mønstre og kontrol af tilladte værdier

Kontrol af referenceeksistens

Udtryksfulde tilpassede SQL-kontroller

Afprøv en regel, før den bliver en del af det gentagne arbejde.

Forhåndsvisning afprøver den aktuelle regel uden at gemme en varig kørsel. Gem opretter eller ændrer reglen. Kør nu eller et understøttet Pipeline-trin gemmer derimod kontrollens kørsel og et afgrænset fejlfund, hvis den fejler.

Forhåndsvisningen er synkron og gemmes ikke permanent.

Gem ændrer den redigerbare QualityRule-definition.

Kør nu samt Pipeline- og Master-kørsler bevarer en QualityRun.

En fejl bevarer en afgrænset Data Quality-Finding; den er adskilt fra Assurance Findings arbejdsgang.

Kvalitet kan styre et implementeret flow.

Et selvstændigt Data Quality-job eller et Master-kontroltrin kan stoppe understøttet efterfølgende arbejde ved fejl. Den præcise PipelineRun, QualityRun og trigger forbliver særskilte registreringer.

Færrest mulige privilegier er fortsat afgørende.

Custom SQL har ikke en universel, uafhængig skrivebeskyttet parser til ét statement. Regelmodalen i SQL Console kræver også, at operatøren kører igen efter en SQL-ændring, fordi et tidligere resultat ikke validerer det aktuelle udkast. Source-legitimationsoplysninger bør anvende læserollen med færrest mulige privilegier, og fejleksempler bør udelukke secrets og unødvendige personoplysninger.

De aktuelle grænser er ikke skjulte.

QualityRule kan ændres og er ikke direkte bundet til DatasetVersion. Suiteudførelse, automatisk afhjælpning, fuld håndtering af Findings og verificeret notifikationslevering er ikke aktuelle kapabiliteter. En administreret Sandbox-tabel deltager gennem Projectets System Sandbox Source frem for en særskilt skjult kvalitetssti.

Næste trin

Begynd med det dataflow, hvor uklarhed ikke er en mulighed.

Kortlæg de relevante systemer, ejere, regler, leveringsforpligtelser og dokumentationskrav.

Drøft et kritisk dataflow

Kort fortalt

Hvad gør denne del af advanexus?

Definér acceptable data, kør gentagelige kontroller, og undersøg registrerede fejl. Understøttede kontroltrin stopper efterfølgende arbejde, hvis en påkrævet kontrol fejler.

Hvad bør jeg kontrollere før brug?

Suiteudførelse, automatisk afhjælpning og en fuld arbejdsgang til håndtering af Findings er ikke aktuelle kapabiliteter.