Avis des lecteurs
Résumé:Les critiques font unanimement l'éloge de l'ouvrage de Danette McGilvray, Executing Data Quality Projects, en tant que guide complet et pratique pour l'amélioration de la qualité et de la gestion des données. De nombreux utilisateurs apprécient l'approche structurée, les exemples du monde réel et les méthodologies actualisées présentées dans la deuxième édition. Cependant, certains critiques s'inquiètent du fait que le livre s'est étendu au-delà de son objectif initial, à savoir la qualité des données, ce qui a entraîné une dilution de son objectif principal.
Avantages:Guide complet et pratique, approche structurée avec des méthodologies claires, riche en exemples du monde réel et en modèles, bien organisé pour une référence facile, couvre l'importance des spécifications et des définitions des données, fournit une approche systématique en dix étapes adaptable à différents scénarios, et est écrit par un expert reconnu dans le domaine.
Inconvénients:Certains évaluateurs estiment que le champ d'application de l'ouvrage s'est trop étendu à des sujets connexes au-delà de la qualité des données, ce qui risque de diluer l'objectif principal. Il existe des désaccords mineurs concernant la terminologie et les interprétations spécifiques utilisées tout au long de l'ouvrage.
(basé sur 10 avis de lecteurs)
Titre original :
Executing Data Quality Projects: Ten Steps to Quality Data and Trusted Information (Tm)
Contenu du livre :
Executing Data Quality Projects, Second Edition présente une approche structurée mais flexible pour créer, améliorer, maintenir et gérer la qualité des données et des informations au sein de n'importe quelle organisation.
Des études montrent que les problèmes de qualité des données coûtent aux entreprises des milliards de dollars chaque année, car des données de mauvaise qualité sont liées au gaspillage et à l'inefficacité, à la perte de crédibilité auprès des clients et des fournisseurs, et à l'incapacité de l'organisation à prendre des décisions judicieuses. L'aide est là ! Ce livre décrit une approche éprouvée en dix étapes qui combine un cadre conceptuel pour comprendre la qualité de l'information avec des techniques, des outils et des instructions pour mettre cette approche en pratique - avec pour résultat final des données et des informations fiables de haute qualité, si essentielles pour les organisations d'aujourd'hui qui dépendent des données.
L'approche en dix étapes s'applique à tous les types de données et à tous les types d'organisations - à but lucratif dans n'importe quel secteur, à but non lucratif, gouvernementale, éducation, santé, science, recherche et médecine. Ce livre comprend de nombreux modèles, des exemples détaillés et des conseils pratiques pour l'exécution de chaque étape. En même temps, les lecteurs sont conseillés sur la façon de sélectionner les étapes pertinentes et de les appliquer de différentes manières pour répondre au mieux aux nombreuses situations auxquelles ils seront confrontés. La mise en page permet une consultation rapide grâce à un format facile à utiliser qui met en évidence les concepts et définitions clés, les points de contrôle importants, les activités de communication, les meilleures pratiques et les avertissements. L'expérience de clients et d'utilisateurs réels des Dix étapes fournit des exemples concrets de résultats pour les étapes, ainsi que des études de cas mises en évidence dans des encadrés intitulés Les Dix étapes en action.
Cet ouvrage utilise les projets comme vecteur de travail sur la qualité des données et le terme est utilisé au sens large pour inclure : 1) des projets ciblés d'amélioration de la qualité des données, tels que l'amélioration des données utilisées dans la gestion de la chaîne d'approvisionnement, 2) des activités de qualité des données dans le cadre d'autres projets tels que la création de nouvelles applications et la migration de données à partir de systèmes existants, l'intégration de données à la suite de fusions et d'acquisitions, ou le démêlage de données à la suite de ruptures organisationnelles, et 3) l'utilisation ad hoc d'étapes, de techniques ou d'activités liées à la qualité des données dans le cadre du travail quotidien. L'approche en dix étapes peut également être utilisée pour enrichir le SDLC standard d'une organisation (qu'il soit séquentiel ou Agile) et elle complète les méthodologies générales d'amélioration telles que six sigma ou lean. Il n'y a pas deux projets de qualité des données identiques, mais la nature flexible des dix étapes signifie que la méthodologie peut être appliquée à tous.
La nouvelle deuxième édition met en lumière des sujets tels que l'intelligence artificielle et l'apprentissage automatique, l'Internet des objets, la sécurité et la confidentialité, l'analytique, les exigences légales et réglementaires, la science des données, le big data, les lacs de données et le cloud computing, entre autres, pour montrer leur dépendance vis-à-vis des données et des informations et pourquoi la qualité des données est plus pertinente et critique aujourd'hui que jamais.
Autres informations sur le livre :
| ISBN : | 9780128180150 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2021 |
| Nombre de pages : | 376 |
Achat:
Actuellement disponible, en stock.
