Dimensions of data qualityResearch

Dimensions of data quality
Research suggests that data quality is comprised of several
dimensions (Ballou and Pazer, 1985; Ballou et al., 1998; Pipino et
al., 2002; Redman,1996; Wand and Wang,1996; Wang and Strong,
1996). Both Wang and Strong (1996) and Lee et al. (2002) organize
data quality dimensions into two categories: intrinsic, referring to
attributes that are objective and native to the data and contextual,
referring to attributes that are dependent on the context in which
the data are observed or used. Contextual dimensions include
relevancy, value-added, quantity (Wang and Strong, 1996), believability, accessibility, and reputation of the data (Lee et al., 2004,
2002). Measures of these dimensions have relied heavily on selfreport surveys and user questionnaires, as they rely on subjective
and situational judgments of decision makers for quantification
(Batini et al., 2009). Contextual dimensions of data quality lend
themselves more towards information as opposed to data, because
these dimensions are formed by placing data within a situation or
problem specific context (Batini et al., 2009; Davenport and
Prusak, 2000; Haug et al., 2009; Watts et al., 2009). Because we
Fig. 1. An analogy between product and data manufacturing processes (Wang et al., 1995).
B.T. Hazen et al. / Int. J. Production Economics 154 (2014) 72–80 73
consider the quality of data, not information, as it moves through a
production-like process, we limit our discussion of quality to
consideration of the intrinsic measures of data quality.
The literature consistently describes intrinsic data quality along
four dimensions: accuracy; timeliness; consistency; and completeness (Ballou and Pazer, 1985; Batini et al., 2009; Blake and
Mangiameli, 2011; Haug and Arlbjørn, 2011; Haug et al., 2009;
Kahn et al., 2002; Lee et al., 2002; Parssian, 2006; Scannapieco and
Catarci, 2002; Wang and Strong, 1996; Zeithaml et al., 1990).
Below, we explore and use the aforementioned literature to define
and describe these four dimensions.
Accuracy refers to the degree to which data are equivalent to
their corresponding “real” values (Ballou and Pazer, 1985). This
dimension can be assessed via comparing values with external
values that are known to be (or considered to be) correct (Redman,
1996). A simple example would be a data record in a customer
relationship management system, where the street address for a
customer in the system matches the street address where the
customer currently resides. In this case, accuracy of the street
address value in the system could be assessed via validating the
shipping address on the most recent customer order. No problem
context or value-judgment of the data is needed: it is either
accurate or not. Its accuracy is entirely self-dependent.
Timeliness refers to the degree to which data are up-to-date.
Research suggests that timeliness can be further decomposed into
two dimensions: (1) currency, or length of time since the record's
last update, and (2) volatility, which describes the frequency of
updates (Blake and Mangiameli, 2011; Pipino et al., 2002; Wand
and Wang, 1996). Data that are correct when assessed, but
updated very infrequently, may still hamper efforts at effective
managerial decision making (e.g., errors that occur in the data may
be missed more often than not with infrequent record updating,
preventing operational issues in the business from being detected
early). A convenient example measure for calculating timeliness
using values for currency and volatility can be found in Ballou et al.
(1998), p. 468, where currency is calculated using the time of data
delivery, the time it was entered into the system, and the age of
the data at delivery (which can differ from input time). Together,
currency and volatility measures are used to calculate timeliness.
Consistency refers to the degree to which related data records
match in terms of format and structure. Ballou and Pazer (1985)
define consistency as when the “representation of the data value is
the same in all cases” (p.153). Batini et al. (2009) develop the notion
of both intra-relation and inter-relation constraints on the consistency of data. Intra-relation consistency assesses the adherence of
the data to a range of possible values (Coronel et al., 2011), whereas
inter-relation assesses how well data are presented using the same
structure. An example of this would be that a person, currently
alive, would have for “year of birth” a possible value range of 1900–
2013 (intra-relation constraint), while that person's record in two
different datasets would, in both cases, have a field for birth year,
and both fields would intentionally represent the person's year of
birth in the same format (inter-relation constraint).
Completeness refers to the degree to which data are full and
complete in content, with no missing data. This dimension can
describe a data record that captures the minimally required
amount of information needed (Wand and Wang, 1996), or data
that have had all values captured (Gomes et al., 2007). Every field
in the data record is needed in order to paint the complete picture
of what the record is attempting to represent in the “real world.”
For example, if a particular customer's record includes a name and
street address, but no state, city, and zip code, then that record is
considered incomplete. The minimum amount of data needed for a
correct address record is not present. A simple ratio of complete
versus incomplete records can then form a potential measure of
completeness.
A summary of the dimensions of data quality is presented in
Table 1. Once data quality measures are understood, these quality
measures can be monitored for improvement or adherence to
standards. For example, data can be tagged as either accurate or
not. Once tagged, there should be a method in place to monitor the
long-term accuracy of the data. Combined with the measuring and
monitoring the other three data quality dimensions, this helps to
ensure that the records in the dataset are as accurate, timely,
complete, and consistent as is practical.
Understanding the four intrinsic dimensions of data quality
allows us to operationally define measures for these dimensions
and apply tools to actively monitor for data quality problems.
For instance, total quality management approaches (Porter and
Rayner, 1992; Redman, 1992), process capability analyses
(Veldman and Gaalman, 2013), statistical process control (SPC),
and additional quality tools and theories might help inform data
quality management techniques, and investigation into using
these techniques in the context of the data quality problem is
needed. To this end, tools from SPC have been suggested as a
natural fit for monitoring and improving data quality over time
(Jones-Farmer et al., 2013). In particular, control charts can be used
to improve data quality, not batch-by-batch, but in the overall data
production process. Although there are several quality methods
that should be examined in future data quality research, we
suggest that SPC control chart methods might be most useful as
an illustrative example of controlling and monitoring data quality
in a supply chain DPB setting. Thus, in the next section we describe
details regarding how SPC control chart methods can be used to
monitor and control data quality in a supply chain, and provide a
brief example case study.

ผลลัพธ์ (ไทย) 1:

มิติของคุณภาพข้อมูลวิจัยชี้ให้เห็นว่า คุณภาพของข้อมูลประกอบด้วยหลายมิติ (Ballou และ Pazer, 1985 Ballou และ al., 1998 Pipino ร้อยเอ็ดal., 2002 Redman, 1996 เข้าใจและวัง 1996 วังและแข็งแกร่ง1996) ทั้งวังและแข็งแกร่ง (1996) และจัดระเบียบลี et al. (2002)มิติคุณภาพข้อมูลเป็นสองประเภท: intrinsic อ้างอิงแอตทริบิวต์ที่มีวัตถุประสงค์ และเป็นข้อมูล และ บริบทอ้างอิงถึงแอททริบิวต์ที่ขึ้นอยู่กับบริบทที่ข้อมูลที่สังเกต หรือใช้ รวมมิติบริบทปริมาณรา มูลค่าเพิ่ม (วังและแข็ง 1996), believability ถึง และชื่อเสียงของข้อมูล (Lee et al., 20042002) การวัดขนาดเหล่านี้ได้อาศัยหนักใน selfreport แบบสำรวจและแบบสอบถามของผู้ใช้ เป็นที่พึ่งตามอัตวิสัยและเมืองไทยตัดสินของผู้ตัดสินใจในการนับ(Batini et al., 2009) มิติของคุณภาพข้อมูลบริบทยืมตัวเองมากขึ้นต่อข้อมูลเมื่อเทียบกับข้อมูล เนื่องจากมิติเหล่านี้จะเกิดขึ้น โดยการใส่ข้อมูลในสถานการณ์ หรือปัญหาบริบท (Batini et al., 2009 ดาเวนพอร์ท และPrusak, 2000 Haug et al., 2009 วัตต์ et al., 2009) เนื่องจากเราFig. 1 การเปรียบเทียบระหว่างผลิตภัณฑ์และข้อมูล (วังและ al., 1995) กระบวนการผลิตB.T. Hazen et al. / เศรษฐศาสตร์ของดอกเบี้ย J. ผลิต 154 (2014) 73 72 – 80พิจารณาคุณภาพของข้อมูล ข้อมูลไม่ ขณะที่เคลื่อนย้ายผ่านการกระบวนการผลิตเช่น เราจำกัดการสนทนาของเราคุณภาพการพิจารณามาตรการ intrinsic ของคุณภาพข้อมูลวรรณกรรมอธิบายข้อมูล intrinsic คุณภาพตามอย่างสม่ำเสมอมิติที่ 4: ความถูกต้อง เที่ยงตรง ความสอดคล้องกัน สมบูรณ์ (Ballou และ Pazer, 1985 Batini et al., 2009 เบลก และMangiameli, 2011 Haug และ Arlbjørn, 2011 Haug et al., 2009คาห์นและ al., 2002 ลีและ al., 2002 Parssian, 2006 Scannapieco และCatarci, 2002 วังและแข็ง 1996 Zeithaml และ al., 1990)ด้านล่าง เราได้ และใช้วรรณคดีดังกล่าวเพื่อกำหนดและอธิบายถึงมิติที่สี่เหล่านี้ความถูกต้องถึงระดับที่ข้อมูลเทียบเท่ากับ"จริง" ของพวกเขาที่สอดคล้องกันค่า (Ballou และ Pazer, 1985) นี้สามารถประเมินขนาดผ่านการเปรียบเทียบค่ากับภายนอกค่าที่เป็นที่รู้จักกัน (หรือถือ) แก้ไข (Redman1996) อย่างง่าย ๆ เช่นจะเป็นระเบียนข้อมูลในลูกค้าระบบจัดการความสัมพันธ์ ถนนที่อยู่ในที่ลูกค้าในระบบตรงกับอยู่ที่นี้ลูกค้าอยู่ในปัจจุบัน ในกรณีนี้ ความถูกต้องของถนนสามารถประเมินค่าที่อยู่ในระบบที่ผ่านการตรวจสอบการที่อยู่จัดส่งตามใบสั่งลูกค้าล่าสุด ไม่มีปัญหาบริบทหรือคำพิพากษาค่าของข้อมูลเป็นสิ่งจำเป็น: อยู่ถูกต้อง หรือไม่ ความถูกต้องของทั้งตนเองขึ้นอยู่กับได้เที่ยงตรงถึงระดับที่ข้อมูลทันสมัยงานวิจัยแนะนำว่า เที่ยงตรงสามารถจะเพิ่มเติมแยกเป็นขนาด: สกุลเงิน (1) หรือความยาวของเวลาเนื่องจากเรกคอร์ดปรับปรุงล่าสุด และความผันผวน (2) ซึ่งอธิบายถึงความถี่ของการปรับปรุง (เบลกและ Mangiameli, 2011 Pipino et al., 2002 ไม้เรียวก วัง 1996) ข้อมูลที่ถูกต้องเมื่อประเมิน แต่ปรับปรุงมากขึ้นนาน ๆ ครั้ง ยังอาจขัดขวางความพยายามที่มีประสิทธิภาพตัดสินใจบริหารจัดการ (เช่น ข้อผิดพลาดที่เกิดขึ้นในข้อมูลอาจควรพลาดมากมักไม่ มีดำรัสบันทึกปรับปรุงป้องกันปัญหาการดำเนินงานในธุรกิจที่ถูกตรวจพบก่อน) การวัดตัวอย่างสะดวกสำหรับการคำนวณเที่ยงตรงโดยใช้ค่าในสกุลเงินและความผันผวนสามารถพบได้ใน Ballou et al(1998), p. 468 สกุลเงินจะถูกคำนวณโดยใช้ข้อมูลเวลาจัดส่ง เวลาถูกป้อนเข้าระบบ และอายุข้อมูลที่จัดส่ง (ซึ่งอาจแตกต่างจากเวลาป้อนข้อมูล) ร่วมกันมาตรการสกุลเงินและความผันผวนที่ใช้ในการคำนวณเที่ยงตรงความสอดคล้องหมายถึงระดับที่เกี่ยวข้องกับข้อมูลตรงกับรูปแบบและโครงสร้าง Ballou และ Pazer (1985)กำหนดสอบอย่างสม่ำเสมอเป็นเวลา "ตัวแทนของค่าข้อมูลที่เป็นเหมือนกันในทุกกรณี" (p.153) Batini et al. (2009) พัฒนาแนวคิดข้อจำกัดความสัมพันธ์ภายในและความสัมพันธ์ระหว่างความสอดคล้องของข้อมูลใน ต่าง ๆ ของการดำรงชีวิตความสอดคล้องภายในความสัมพันธ์ข้อมูลมีค่าได้ (Coronel et al., 2011), ในขณะที่ประเมินความสัมพันธ์ระหว่างวิธีการที่ดีข้อมูลจะแสดงการใช้เหมือนกันโครงสร้างการ ตัวอย่างนี้จะเป็นที่คน ในขณะนี้มีชีวิตอยู่ มี "ปีเกิด" ช่วงค่าที่เป็นไปได้ของ 1900 –2013 (ข้อจำกัดความสัมพันธ์ภายใน), ในขณะที่เรกคอร์ดของบุคคลที่สองdatasets ต่าง ๆ ในทั้งสองกรณี ต้องเขตปีเกิดและเขตข้อมูลทั้งสองตั้งใจจะแสดงปีของบุคคลเกิดในรูปแบบเดียวกัน (ความสัมพันธ์ระหว่างข้อจำกัด)สมบูรณ์หมายถึงระดับที่ข้อมูลจะเต็ม และเสร็จสมบูรณ์ในเนื้อหา ข้อมูลไม่หายไป มิตินี้สามารถอธิบายระเบียนข้อมูลที่ต้องผ่าจำนวนข้อมูลที่จำเป็น (เข้าใจและวัง 1996), หรือข้อมูลที่มีค่าทั้งหมดจับ (ยูโกมีส et al., 2007) ทุกเขตข้อมูลในข้อมูล ระเบียนจำเป็นต้องใช้การวาดภาพที่สมบูรณ์ของระเบียนใดกำลังพยายามที่จะแสดงใน "โลกจริง"ตัวอย่างเช่น ถ้าระเบียนของลูกค้าเฉพาะรายชื่อ และมีอยู่ แต่รัฐไม่ เมือง และรหัสไปรษณีย์ แล้วนั้นถือว่าไม่สมบูรณ์ ยอดเงินต่ำสุดของข้อมูลที่จำเป็นสำหรับการไม่มีระเบียนที่อยู่ถูกต้อง อัตราส่วนอย่างง่ายของสมบูรณ์เมื่อเทียบกับเรกคอร์ดที่ไม่สมบูรณ์สามารถแล้วแบบวัดศักยภาพของสมบูรณ์สรุปมิติของคุณภาพข้อมูลนำเสนอในตารางที่ 1 เมื่อข้อมูลคุณภาพมาตรการที่มีความเข้าใจ คุณภาพเหล่านี้สามารถตรวจสอบสำหรับการปรับปรุงหรือติดกับวัดมาตรฐาน ตัวอย่าง แท็กข้อมูลจะเป็นอย่างใดอย่างหนึ่งถูกต้อง หรือไม่ เมื่อแท็ก ควรมีวิธีในการตรวจสอบการความยาวของข้อมูล รวมกับการวัด และตรวจสอบอื่น ๆ ข้อมูลสามคุณภาพมิติ นี้ช่วยให้แน่ใจว่า ข้อมูลในชุดข้อมูลถูกต้อง ทัน เวลาสมบูรณ์ และสอดคล้องกันเป็นการปฏิบัติการเข้าใจมิติ intrinsic สี่ของคุณภาพข้อมูลช่วยให้เราสามารถ operationally กำหนดมาตรการสำหรับมิตินี้และใช้เครื่องมือตรวจปัญหาคุณภาพของข้อมูลอย่างรวมวิธีการจัดการคุณภาพเช่น (กระเป๋า และRayner, 1992 Redman, 1992) ความสามารถในการวิเคราะห์ประมวลผล(Veldman และ Gaalman, 2013), การควบคุมกระบวนการทางสถิติ (SPC),ทฤษฎีและเครื่องมือคุณภาพเพิ่มเติมอาจช่วยแจ้งข้อมูลเทคนิคการจัดการคุณภาพ และการตรวจสอบไปใช้เทคนิคเหล่านี้ในบริบทของปัญหาคุณภาพข้อมูลเป็นต้องการ เพื่อการนี้ เครื่องมือจาก SPC มีการแนะนำเป็นการธรรมชาติเหมาะสำหรับการตรวจสอบ และปรับปรุงคุณภาพข้อมูลช่วงเวลา(ชาวนาโจนส์ et al., 2013) โดยเฉพาะ สามารถใช้แผนภูมิควบคุมการปรับปรุงคุณภาพข้อมูล ไม่ชุดโดยชุด แต่ ในข้อมูลโดยรวมกระบวนการผลิต แม้ว่าจะมีวิธีการตรวจสอบคุณภาพต่าง ๆที่ควรตรวจสอบข้อมูลในอนาคตคุณภาพวิจัย เราแนะนำว่า วิธี SPC ควบคุมแผนภูมิอาจเป็นประโยชน์มากที่สุดตัวอย่างแสดงการควบคุม และตรวจสอบคุณภาพข้อมูลตั้ง DPB ซัพพลายเชน ดังนั้น ในส่วนถัดไปที่เราอธิบายรายละเอียดเกี่ยวกับวิธี SPC ควบคุมแผนภูมิวิธีสามารถใช้ตรวจสอบ และควบคุมคุณภาพข้อมูลในห่วงโซ่อุปทาน และให้ความการศึกษากรณีตัวอย่างโดยสังเขป

ผลลัพธ์ (ไทย) 2:

ขนาดของข้อมูลที่มีคุณภาพ
การวิจัยแสดงให้เห็นว่าข้อมูลที่มีคุณภาพประกอบด้วยหลาย
มิติ (Ballou และ Pazer 1985; Ballou et al, 1998;. Pipino et
al, 2002;. เรดแมน, 1996; ไม้เรียวและวัง 1996; วังและแรง,
1996 ) ทั้งวังและแข็งแกร่ง (1996) และลี et al, (2002) การจัดระเบียบ
ข้อมูลที่มีคุณภาพขนาดเป็นสองประเภทที่แท้จริงหมายถึง
คุณลักษณะที่มีวัตถุประสงค์และพื้นเมืองข้อมูลและบริบท
หมายถึงคุณลักษณะที่ขึ้นอยู่กับบริบทที่
ข้อมูลที่ได้มีการปฏิบัติหรือนำไปใช้ ขนาดบริบทรวมถึง
ความเกี่ยวข้องที่มีมูลค่าเพิ่มปริมาณ (วังและแรง, 1996), ความเลื่อมใสศรัทธาในการเข้าถึงและชื่อเสียงของข้อมูล (Lee et al., 2004,
2002) มาตรการของมิติเหล่านี้ได้อาศัยอยู่บน selfreport สำรวจและแบบสอบถามผู้ใช้เช่นที่พวกเขาพึ่งพาอัตนัย
ตัดสินและสถานการณ์ของผู้มีอำนาจตัดสินใจสำหรับปริมาณ
(Batini et al., 2009) ขนาดตามบริบทของข้อมูลที่มีคุณภาพให้ยืม
ตัวเองมากขึ้นต่อข้อมูลเมื่อเทียบกับข้อมูลเพราะ
ขนาดนี้จะเกิดขึ้นโดยการวางข้อมูลภายในสถานการณ์หรือ
ปัญหาบริบทเฉพาะ (Batini et al, 2009;. Davenport และ
Prusak 2000. Haug et al, 2009 ; วัตต์ et al, 2009). เพราะเรา
รูป 1. เปรียบเทียบระหว่างผลิตภัณฑ์และกระบวนการผลิตข้อมูล (Wang et al., 1995).
BT Hazen et al, / Int เจเศรษฐศาสตร์การผลิต 154 (2014) 72-80 73
พิจารณาคุณภาพของข้อมูลที่ไม่ได้ข้อมูลขณะที่มันเคลื่อนผ่าน
กระบวนการผลิตเหมือนเรา จำกัด การสนทนาของเราที่มีคุณภาพเพื่อ
การพิจารณาของมาตรการที่แท้จริงของข้อมูลที่มีคุณภาพ.
วรรณกรรมอย่างต่อเนื่อง อธิบายถึงข้อมูลที่มีคุณภาพที่แท้จริงพร้อม
สี่มิติ: ความถูกต้อง ตรงเวลา; สอดคล้อง; และครบถ้วน (Ballou และ Pazer 1985; Batini et al, 2009;. เบลคและ
Mangiameli 2011; Haug และArlbjørn 2011; Haug et al, 2009;.
คาห์น, et al., 2002; ลี, et al., 2002; Parssian 2006; Scannapieco และ
Catarci 2002; วังและแรง, 1996.. Zeithaml, et al, 1990)
ด้านล่างเราสำรวจและใช้วรรณกรรมดังกล่าวในการกำหนด
และอธิบายเหล่านี้สี่มิติ.
ความถูกต้องหมายถึงระดับที่ข้อมูลจะเทียบเท่า ที่จะ
"ของจริง" ที่สอดคล้องกันของพวกเขาค่า (Ballou และ Pazer, 1985) นี้
มิติสามารถประเมินเปรียบเทียบค่าผ่านทางกับภายนอก
ค่าที่รู้จักกันเป็น (หรือการพิจารณาให้เป็น) ที่ถูกต้อง (เรดแมน,
1996) ตัวอย่างง่ายๆจะมีการบันทึกข้อมูลลูกค้าใน
ระบบการจัดการความสัมพันธ์ที่อยู่สำหรับ
ลูกค้าในระบบตรงกับที่อยู่ที่
ลูกค้าปัจจุบันอาศัยอยู่ ในกรณีนี้ความถูกต้องของสถานที่
ค่าที่อยู่ในระบบจะได้รับการประเมินผ่านการตรวจสอบ
การจัดส่งสินค้าที่อยู่ในคำสั่งของลูกค้าล่าสุด ไม่มีปัญหา
หรือบริบทที่มีมูลค่าการตัดสินของข้อมูลเป็นสิ่งจำเป็น: มันเป็นอย่างใดอย่างหนึ่ง
ที่ถูกต้องหรือไม่ ความถูกต้องของมันคือทั้งหมดพึ่งพาตนเอง.
ทันเวลาหมายถึงระดับที่ข้อมูลจะขึ้นไปวัน.
การวิจัยแสดงให้เห็นว่าทันเวลาสามารถย่อยสลายต่อไปใน
สองมิติ (1) สกุลเงินหรือระยะเวลาตั้งแต่บันทึก
การอัปเดตที่ผ่านมา และ (2) ความผันผวนซึ่งอธิบายถึงความถี่ของ
การปรับปรุง (เบลคและ Mangiameli 2011; Pipino, et al., 2002; ไม้เรียว
และวัง, 1996) ข้อมูลที่มีความถูกต้องเมื่อประเมิน แต่
การปรับปรุงบ่อยมากอาจยังคงขัดขวางความพยายามที่มีประสิทธิภาพ
ในการตัดสินใจในการบริหารจัดการ (เช่นข้อผิดพลาดที่เกิดขึ้นในข้อมูลอาจ
จะพลาดบ่อยกว่าไม่ได้อยู่กับการปรับปรุงการบันทึกไม่บ่อยนัก
การป้องกันปัญหาการดำเนินงานในธุรกิจจากการเป็น ตรวจพบ
ต้น) วัดตัวอย่างที่สะดวกสำหรับการคำนวณเวลา
ใช้ค่าเงินและความผันผวนสามารถพบได้ใน Ballou et al.
(1998), หน้า 468 ที่สกุลเงินจะคำนวณโดยใช้ช่วงเวลาของข้อมูล
การส่งมอบเวลาที่มันจะถูกป้อนเข้าสู่ระบบ, และอายุของ
ข้อมูลที่ส่งมอบ (ซึ่งอาจแตกต่างจากเวลาเข้า) ร่วมกัน
สกุลเงินผันผวนและมาตรการที่ใช้ในการคำนวณเวลา.
สอดคล้องหมายถึงระดับที่บันทึกข้อมูลที่เกี่ยวข้อง
ตรงกับในแง่ของรูปแบบและโครงสร้าง Ballou และ Pazer (1985)
กำหนดความสอดคล้องกับเมื่อ "เป็นตัวแทนของค่าข้อมูลที่
เหมือนกันในทุกกรณี "(p.153) Batini et al, (2009) การพัฒนาความคิด
ของทั้งภายในและข้อ จำกัด ความสัมพันธ์ระหว่างความสัมพันธ์เกี่ยวกับความสอดคล้องของข้อมูล ความสอดคล้องระหว่างความสัมพันธ์ของการยึดมั่นในการประเมิน
ข้อมูลไปยังช่วงของค่าที่เป็นไปได้ (เนล et al., 2011) ในขณะที่
ความสัมพันธ์ระหว่างประเมินว่าข้อมูลที่นำเสนอได้ดีโดยใช้เดียวกัน
โครงสร้าง ตัวอย่างนี้จะเป็นไปได้ว่าคนในปัจจุบัน
ยังมีชีวิตอยู่จะมีสำหรับ "ปีเกิด" ช่วงค่าเป็นไปได้ของ 1900-
2013 (ข้อ จำกัด ภายในความสัมพันธ์) ในขณะที่บันทึกของบุคคลนั้นในสอง
ชุดข้อมูลที่แตกต่างกันจะอยู่ในทั้งสองกรณี มีสนามสำหรับปีเกิด,
และสาขาทั้งตั้งใจจะเป็นตัวแทนของคนปีของ
การเกิดในรูปแบบเดียวกัน (ข้อ จำกัด ระหว่างความสัมพันธ์).
สมบูรณ์หมายถึงระดับที่ข้อมูลเต็มรูปแบบและ
เนื้อหาที่สมบูรณ์ในการที่ไม่มีข้อมูลที่ขาดหายไป มิตินี้สามารถ
อธิบายการบันทึกข้อมูลที่จับต้องน้อยที่สุด
จำนวนของข้อมูลที่จำเป็น (ไม้เรียวและวัง, 1996) หรือข้อมูล
ที่มีค่าทั้งหมดที่ถูกจับ (Gomes et al., 2007) ทุกสาขา
ในการบันทึกข้อมูลเป็นสิ่งจำเป็นเพื่อการวาดภาพที่สมบูรณ์
ของสิ่งที่บันทึกเป็นความพยายามที่จะเป็นตัวแทนใน "โลกแห่งความจริง."
ตัวอย่างเช่นถ้าบันทึกลูกค้าโดยเฉพาะรวมถึงชื่อและ
ที่อยู่ แต่รัฐไม่มีเมือง และรหัสไปรษณีย์แล้วบันทึกที่
ถือว่าไม่สมบูรณ์ จำนวนเงินขั้นต่ำของข้อมูลที่จำเป็นสำหรับการ
บันทึกอยู่ที่ถูกต้องไม่เป็นปัจจุบัน อัตราส่วนที่เรียบง่ายของสมบูรณ์
เมื่อเทียบกับการบันทึกไม่สมบูรณ์แล้วสามารถสร้างตัวชี้วัดศักยภาพของ
ความสมบูรณ์.
บทสรุปของขนาดของข้อมูลที่มีคุณภาพจะนำเสนอใน
ที่ 1 ตารางเมื่อข้อมูลมาตรการที่มีคุณภาพมีความเข้าใจที่มีคุณภาพเหล่านี้
มาตรการที่สามารถตรวจสอบได้ในการปรับปรุงหรือการยึดมั่นใน
มาตรฐาน . ตัวอย่างเช่นข้อมูลที่สามารถติดแท็กเป็นอย่างใดอย่างหนึ่งที่ถูกต้องหรือ
ไม่ แท็กเมื่อควรจะมีวิธีการในการที่จะตรวจสอบ
ความถูกต้องในระยะยาวของข้อมูล บวกกับการวัดและ
การตรวจสอบอื่น ๆ สามมิติคุณภาพของข้อมูลนี้จะช่วยให้
มั่นใจได้ว่าระเบียนในชุดข้อมูลที่มีความถูกต้องทันเวลา
ที่สมบูรณ์และสอดคล้องกันเป็นเป็นจริง.
ทำความเข้าใจสี่มิติที่แท้จริงของข้อมูลที่มีคุณภาพ
ช่วยให้เราสามารถดำเนินงานกำหนด มาตรการมิติเหล่านี้
และใช้เครื่องมือในการตรวจสอบอย่างแข็งขันสำหรับข้อมูลปัญหาคุณภาพ.
ยกตัวอย่างเช่นวิธีการจัดการคุณภาพโดยรวม (พอร์เตอร์และ
เรย์เนอร์, 1992; เรดแมน, 1992) การวิเคราะห์ความสามารถของกระบวนการ
(Veldman และ Gaalman 2013) การควบคุมกระบวนการทางสถิติ (SPC )
และเครื่องมือที่มีคุณภาพที่เพิ่มขึ้นและทฤษฎีอาจช่วยแจ้งข้อมูล
เทคนิคการจัดการคุณภาพและการตรวจสอบในการใช้
เทคนิคเหล่านี้ในบริบทของปัญหาคุณภาพของข้อมูลที่มี
ความจำเป็น ด้วยเหตุนี้เครื่องมือที่ได้จาก SPC ได้รับการแนะนำให้เป็น
ธรรมชาติเหมาะสำหรับการตรวจสอบและการปรับปรุงคุณภาพข้อมูลในช่วงเวลา
(โจนส์ชาวนา et al., 2013) โดยเฉพาะอย่างยิ่งแผนภูมิควบคุมสามารถนำมาใช้
ในการปรับปรุงคุณภาพของข้อมูลที่ไม่ชุดโดยชุด แต่ในข้อมูลโดยรวม
ขั้นตอนการผลิต แม้ว่าจะมีหลายวิธีการที่มีคุณภาพ
ที่ควรจะตรวจสอบในข้อมูลวิจัยที่มีคุณภาพในอนาคตเรา
แสดงให้เห็นว่าวิธีการควบคุม SPC แผนภูมิอาจจะมีประโยชน์มากที่สุดเป็น
ตัวอย่างที่เป็นตัวอย่างของการควบคุมและการตรวจสอบข้อมูลที่มีคุณภาพ
ในห่วงโซ่อุปทาน DPB การตั้งค่า ดังนั้นในส่วนถัดไปเราจะอธิบาย
รายละเอียดเกี่ยวกับวิธีการควบคุมวิธี SPC แผนภูมิสามารถใช้ในการ
ตรวจสอบและควบคุมคุณภาพของข้อมูลในห่วงโซ่อุปทานและให้
ตัวอย่างสั้น ๆ กรณีศึกษา

ผลลัพธ์ (ไทย) 3:

มิติของการวิจัยคุณภาพ
ข้อมูลแสดงให้เห็นว่าคุณภาพของข้อมูลประกอบด้วยหลายมิติ
( เบิลลู และ pazer , 1985 ; เบิลลู et al . , 1998 ; ปิปิโน et
al . , 2002 ; เรดแมน , 1996 ; ไม้เรียวและวัง , 1996 ; วังและแข็งแรง
1996 ) ทั้งวังและแข็งแรง ( 1996 ) และ ลี และคณะ ( 2002 ) จัดระเบียบ
มิติคุณภาพของข้อมูลได้เป็นสองประเภท :

ที่แท้จริงหมายถึงแอตทริบิวต์ที่วัตถุประสงค์และพื้นเมืองข้อมูล และตามบริบท ,
หมายถึงคุณลักษณะที่ขึ้นอยู่กับบริบทที่
ข้อมูลจะสังเกต หรือใช้ ด้านบริบท ได้แก่
ความเกี่ยวข้องเพิ่มปริมาณ ( วังและแข็งแรง , 1996 ) , การเข้าถึงความเชื่อถือ และชื่อเสียงของข้อมูล ( ลี et al . , 2004 ,
2002 )มาตรการของมิติเหล่านี้ต้องอาศัยการสำรวจ selfreport และแบบสอบถามผู้ใช้เช่นที่พวกเขาพึ่งพาอัตนัย
และสถานการณ์ที่คำตัดสินของผู้ตัดสินใจสำหรับปริมาณ
( batini et al . , 2009 ) มิติตามบริบทของข้อมูลที่มีคุณภาพให้
ตัวเองมากขึ้นต่อข้อมูลเมื่อเทียบกับข้อมูลเพราะ
มิติเหล่านี้ที่รูปแบบโดยการใส่ข้อมูลในสถานการณ์หรือ
บริบทเฉพาะปัญหา ( batini et al . , 2009 ; ดาเวนพอร์ตและ
prusak , 2000 ; ฮอก et al . , 2009 ; วัตต์ et al . , 2009 ) เพราะเรา
รูปที่ 1 เปรียบเทียบระหว่างผลิตภัณฑ์และข้อมูลกระบวนการผลิต ( Wang et al . , 1995 ) .
b.t. เฮเซิน et al . / Int . J . เศรษฐศาสตร์การผลิต 154 ( 2014 ) 72 - 80 73
พิจารณาคุณภาพของข้อมูลที่ไม่ใช่ข้อมูล ขณะที่มันเคลื่อนผ่าน
การผลิตเป็นขั้นตอนเราจำกัดการสนทนาของเราคุณภาพ

พิจารณามาตรการที่แท้จริงของข้อมูลที่มีคุณภาพ
วรรณกรรมอย่างต่อเนื่องอธิบายภายในคุณภาพข้อมูลตาม
4 มิติ : ความถูกต้อง ตรงเวลา ; ความสอดคล้อง และครบถ้วน และ pazer ( เบิลลู , 1985 ; batini et al . , 2009 ; เบลคและ
mangiameli 2011 ; ฮอก arlbj ขึ้น rn และ 2554 ; ฮอก et al . , 2009 ;
Kahn et al . , 2002 ; ลี et al . , 2002 ; parssian ,2006 ; scannapieco และ
catarci , 2002 ; วังและแข็งแรง , 1996 ; Zeithaml et al . , 1990 ) .
ด้านล่าง เราสำรวจและใช้วรรณกรรมดังกล่าวกำหนดและอธิบายเหล่านี้สี่มิติ
.
ความถูกต้อง หมายถึง การที่ข้อมูลจะเทียบเท่ากับ
ที่สอดคล้องกันของพวกเขาค่า " จริง " ( เบิลลู และ pazer , 1985 ) มิตินี้สามารถประเมินเปรียบเทียบค่า

กับภายนอกผ่านทางค่านิยมที่รู้จักกันเป็น ( หรือเป็น ) ถูกต้อง ( เรดแมน
, 1996 ) ตัวอย่างง่าย ๆ จะต้องบันทึกข้อมูลในระบบบริหารความสัมพันธ์ลูกค้า
ที่ถนนสำหรับ
ลูกค้าในระบบตรงกับที่อยู่ที่
ลูกค้าในปัจจุบันอยู่ ในกรณีนี้ , ความถูกต้องของถนน
ที่อยู่ค่าในระบบอาจจะประเมินผ่านการตรวจสอบ
การจัดส่งสินค้าที่อยู่ในการสั่งซื้อของลูกค้าล่าสุด ไม่มีปัญหา
บริบทหรือการตัดสินคุณค่าของข้อมูลที่จำเป็น : มันเป็นทั้ง
ถูกต้องหรือไม่ ความถูกต้องของตนเองทั้งหมดขึ้นอยู่กับ
สมดุล หมายถึง การที่ข้อมูลจะทันสมัย
งานวิจัยแสดงให้เห็นว่าสมดุลสามารถย่อยสลายไปอีก
2 มิติ ( 1 ) แลกเปลี่ยนเงินหรือความยาวของเวลาตั้งแต่บันทึก
การปรับปรุงล่าสุด ,และ ( 2 ) ความผันผวน ซึ่งอธิบายถึงความถี่ของ
ปรับปรุง ( เบลค และ mangiameli 2011 ; ปิปิโน et al . , 2002 ; ไม้เรียว
และวัง , 1996 ) ข้อมูลที่ถูกต้อง เมื่อประเมิน แต่
การปรับปรุงมากไม่บ่อย ยังอาจขัดขวางความพยายามที่มีประสิทธิภาพ
การตัดสินใจเพื่อการจัดการ ( เช่นข้อผิดพลาดที่เกิดขึ้นในข้อมูล อาจจะพลาดบ่อยกว่าไม่ได้

กับ infrequent บันทึกการปรับปรุงการป้องกันปัญหาการดำเนินงานในธุรกิจจากการพบ
ก่อน ) ตัวอย่างการคำนวณสมดุล
สะดวกในการวัดโดยใช้ค่าสกุลเงินและความผันผวนที่สามารถพบได้ในเบิลลู et al .
( 2541 ) , หน้า 468 ที่สกุลเงินคำนวณโดยใช้เวลาส่งข้อมูล
, เวลาที่ถูกป้อนเข้าไปในระบบ และอายุของข้อมูลที่จัดส่ง
( ซึ่งอาจแตกต่างกัน จากเวลาใส่ )ด้วยกัน
แลกเปลี่ยนเงินและมาตรการผวนจะใช้คำนวณสมดุล
ความสอดคล้อง หมายถึง ระดับที่ระเบียนที่เกี่ยวข้อง
ข้อมูลราคาในแง่ของรูปแบบและโครงสร้าง เบิลลู และ pazer ( 1985 )
กำหนดความสอดคล้องเมื่อ " เป็นตัวแทนของข้อมูลค่า
เหมือนกันในทุกกรณี " ( p.153 ) batini et al . ( 2552 ) พัฒนาความคิด
ทั้งภายในและระหว่างความสัมพันธ์ระหว่างข้อ จำกัด เกี่ยวกับความสอดคล้องของข้อมูล ความสัมพันธ์ระหว่างความสอดคล้องภายใน ประเมินการ
ข้อมูลไปยังช่วงของค่าที่เป็นไปได้ ( Coronel et al . , 2011 ) ส่วนความสัมพันธ์ระหว่างประเมินว่าข้อมูล
ซึ่งใช้โครงสร้างเดียวกัน

ตัวอย่างนี้จะเป็นว่า คนปัจจุบัน
มีชีวิตอยู่จะได้ " ปีเกิด " ค่าที่เป็นไปได้ช่วง 1900 –
2013 ( ข้อจำกัดภายในความสัมพันธ์ ในขณะที่คนที่บันทึกสอง
ข้อมูลที่แตกต่างกัน ในทั้งสองกรณีมีเขตข้อมูลสำหรับเขตข้อมูลทั้งสองเกิดปี และจะตั้งใจแสดง

ปีของวันเกิดของบุคคลในรูปแบบเดียวกัน ( ความสัมพันธ์ระหว่างข้อจำกัด )
( หมายถึงการที่ข้อมูลจะเต็มและ
เสร็จสมบูรณ์ในเนื้อหา ไม่มีขาดข้อมูล มิตินี้สามารถ
อธิบายบันทึกข้อมูลที่รวบรวมข้อมูลที่จำเป็นต่อความต้องการ
จำนวน ( คันและวัง , 1996 ) , หรือข้อมูล
ที่มีค่าทั้งหมดถูกจับ ( Gomes et al . , 2007 ) ทุกสาขา
ในบันทึกข้อมูลเป็นสิ่งจำเป็นในการวาด
ภาพที่สมบูรณ์ของสิ่งที่บันทึกเป็นความพยายามที่จะแสดงใน " โลกจริง "
ตัวอย่างเช่นถ้าบันทึกเฉพาะลูกค้ารวมถึงชื่อและที่อยู่
ถนน แต่ ไม่ รัฐ เมือง และรหัสไปรษณีย์ แล้วบันทึกเป็น
ถือว่าไม่สมบูรณ์ จำนวนเงินขั้นต่ำของข้อมูลที่จำเป็นสำหรับ
บันทึกที่อยู่ที่ถูกต้องไม่ปัจจุบัน อัตราส่วนง่ายๆสมบูรณ์
เมื่อเทียบกับประวัติสมบูรณ์สามารถสร้างวัดศักยภาพของ

สรุปครบถ้วน ขนาดของข้อมูลที่มีคุณภาพในการทำงาน
โต๊ะ 1เมื่อการวัดคุณภาพข้อมูลจะเข้าใจมาตรการคุณภาพ
เหล่านี้สามารถตรวจสอบสำหรับการปรับปรุงหรือเสริม
มาตรฐาน ตัวอย่างเช่น ข้อมูลที่สามารถติดแท็กเป็น
ถูกต้องหรือไม่ เมื่อแท็กควรมีวิธีการในสถานที่เพื่อตรวจสอบ
ความถูกต้องในระยะยาวของข้อมูล รวมกับวัด และตรวจสอบคุณภาพของข้อมูลอื่น ๆ
3

ขนาด นี้ จะ ช่วยตรวจสอบให้แน่ใจว่าข้อมูลในชุดข้อมูลที่ถูกต้องทันเวลา
สมบูรณ์และสอดคล้องเป็นประโยชน์ .
เข้าใจมิติที่แท้จริงของ
คุณภาพข้อมูลช่วยให้เราสามารถ operationally กำหนดมาตรการมิติเหล่านี้และใช้เครื่องมืออย่าง
ตรวจสอบปัญหาคุณภาพข้อมูล .
ตัวอย่าง แนวทางการจัดการคุณภาพโดยรวม ( พนักงานและ
Rayner , 1992 ; เรดแมน , 1992 )การวิเคราะห์ความสามารถของกระบวนการ
( veldman และ gaalman 2013 ) , การควบคุมกระบวนการทางสถิติ ( SPC )
และเครื่องมือคุณภาพเพิ่มเติมและทฤษฎีอาจช่วยแจ้งข้อมูล
เทคนิคการจัดการคุณภาพ และตรวจสอบการใช้
เทคนิคเหล่านี้ในบริบทของข้อมูลปัญหาคุณภาพคือ
ต้องการ ด้วยเหตุนี้เครื่องมือจาก SPC ได้ถูกแนะนำให้เป็น
พอดีกับธรรมชาติเพื่อตรวจสอบและปรับปรุงคุณภาพข้อมูลตลอดเวลา
( โจนส์ชาวนา et al . , 2013 ) โดยเฉพาะแผนภูมิควบคุมสามารถใช้
เพื่อปรับปรุงคุณภาพข้อมูล ไม่ใช่ชุด โดยเป็นชุด แต่ในการรวมข้อมูล
กระบวนการผลิต แม้ว่าจะมีหลายวิธี
คุณภาพที่ควรจะตรวจสอบในงานวิจัยคุณภาพข้อมูลในอนาคต เราแนะนำว่า วิธีแผนภูมิควบคุมเหล่านี้

อาจจะประโยชน์มากที่สุดเป็นมีรูปประกอบตัวอย่างของการควบคุมและการตรวจสอบ
คุณภาพข้อมูลในโซ่อุปทาน dpb การตั้งค่า ดังนั้น ในตอนต่อไปเราจะได้อธิบายรายละเอียดเกี่ยวกับวิธีการวิธี
แผนภูมิควบคุมเหล่านี้สามารถใช้เพื่อตรวจสอบและควบคุมคุณภาพ
ข้อมูลในห่วงโซ่อุปทาน และให้
ย่อตัวอย่างกรณีศึกษา