Yrke datakvalitetsspecialist

Datakvalitetsspecialister granskar organisationers data för att se om de är korrekta, rekommenderar förbättringar av registersystem och datainhämtningsprocesser samt bedömer datareferens och historisk integritet. De utarbetar även dokument, upprätthåller kvalitetsmål och standarder för datakvaliteten, övervakar organisationens integritetspolicy och övervakar att dataflödena överensstämmer med kvalitetsstandarderna.

Vill du veta vilken typ av karriär och yrken som passar dig bäst? Ta vårt kostnadsfriakod karriärstest Holland och ta reda på det.

Personlighetstyp

• Konventionella / Undersökande

Kunskap

• Databas

  Klassificering av databaser som anger deras syfte, egenskaper, terminologi, modeller och användningsområden, t.ex. XML-databaser, dokumentbaserade databaser och fulltextdatabaser.

• Informationsstruktur

  Den typ av infrastruktur som definierar formatet av data: halvstrukturerad, ostrukturerad och strukturerad.

• Frågespråk för RDF-format

  Frågespråk som SPARQL, som används för att hämta och hantera data som lagrats i RDF-format (Resource Description Framework).

• Frågespråk

  Standardiserade datorspråk för att hämta information från en databas och för dokument som innehåller den information som söks.

Färdigheter

• Bearbeta data

  Mata in information i ett system för datalagring och dataåtkomst med hjälp av bland annat skanning, manuell inskrivning via tangentbord eller elektronisk dataöverföring för att bearbeta stora mängder data.

• Utföra datatvätt

  Upptäcka och korrigera defekta register från dataset, se till att uppgifterna blir och förblir strukturerade i enlighet med riktlinjerna.

• Implementera kvalitetsprocesser

  Tillämpa kvalitetsanalys, validerings- och verifieringstekniker på data för att kontrollera datakvaliteten.

• Normalisera data

  Reducera data till deras exakta kärnform (normalformulär) för att åstadkomma resultat såsom minimering av beroende, undanröjande av redundans och ökad konsekvens.

• Hantera standarder för datautbyte

  Fastställa och upprätthålla standarder för överföring av data från källscheman till den datastruktur som krävs för ett resultatschema.

• Använda regelbundna uttryck

  Kombinera tecken från ett specifikt alfabet med användning av väldefinierade regler för att skapa teckensträngar som kan användas för att beskriva ett språk eller ett mönster.

• Upprätta dataprocesser

  Använda it-verktyg för att tillämpa matematiska, algoritmiska eller andra datamanipulationsprocesser för att skapa information.

• Hantera dataurval

  Samla in och välja ut en uppsättning data från en population genom ett statistiskt eller annat definierad förfarande.

• Hantera databas

  Använda system och modeller för databashantering, definiera databeroenden, använda frågespråk och databashanteringssystem för att utveckla och hantera databaser.

• Ta itu med problem på ett kritiskt sätt

  Identifiera styrkor och svagheter hos olika abstrakta och rationella koncept, såsom problem, synpunkter och tillvägagångssätt som avser en viss problematisk situation, i syfte att ta fram lösningar och alternativa metoder för att hantera situationen.

• Utforma databasschema

  Utarbeta ett utkast till databasschema genom att följa reglerna för relationsdatabassystem (RDBMS) för att skapa en logiskt ordnad grupp av objekt, t.ex. tabeller, kolumner och processer.

• Definiera kriterier för datakvalitet

  Specificera de kriterier med hjälp av vilka datakvaliteten mäts för affärsändamål, t.ex. inkonsekvenser, ofullständighet, användbarhet och precision.

• Rapportera analysresultat

  Utarbeta forskningsdokument eller ge presentationer för att rapportera resultaten av ett genomfört forsknings- och analysprojekt, med angivande av de analysförfaranden och analysmetoder som lett fram till resultaten samt potentiella tolkningar av resultaten.

• Hantera data

  Hantera alla typer av dataresurser under hela deras livscykel genom att utföra dataprofilering, valideringsanalyser, standardisering, identitetsuppdelning, rensning, utökning och granskning. Se till att alla data är ändamålsenliga med hjälp av specialiserade IKT-verktyg i syfte att uppfylla kvalitetskriterierna för data.

Source: Sisyphus ODB