к.т.н., доцент кафедры информационных систем и технологий, Поволжский государственный университет телекоммуникаций и информатики
PhD. (Engineering), Associate Professor; Department of Information Systems and Technologies, Povolzhskiy State University of Telecommunications and Information Science
аспирант, Поволжский государственный университет телекоммуникаций и информатики
PhD student, Povolzhskiy State University of Telecommunications and Information Science
Актуальность задачи интегрированного управления качеством данных возрастает в условиях увеличения объемов, разнообразия и критичности используемых данных. Несмотря на это, в организациях есть пробелы в понимании взаимосвязей между качеством данных, качеством процессов и информационных систем. Целью настоящего исследования является систематический анализ существующих методологий и концепций управления качеством данных, а также выявление ключевых проблем при их внедрении. В работе проведен обзор научных источников, представлены стандартные элементы и схема интегрированного подхода к качеству данных. На основе архитектуры Data Lakehouse разработана высокоуровневая схема потоков данных, отражающая взаимодействие компонентов системы. Обоснована необходимость разработки новых методов и алгоритмов для оптимизации качества больших данных, выходящих за рамки традиционных парадигм, ориентированных на структурированные данные. Определены и систематизированы ключевые проблемы, часто игнорируемые на практике, и сформированы критерии для успешного внедрения интегрированного подхода к управлению качеством данных.
The relevance of integrated data quality management tasks is increasing in the context of growing volume, variety, and criticality of data used. Despite this, organizations still have significant gaps in understanding the interconnections between data quality, process quality, and information systems. The purpose of this study is a systematic analysis of existing methodologies and concepts for data quality management, as well as the identification of key challenges in their practical implementation. The paper presents a review of scientific literature, outlines standard elements and a framework for an integrated approach to data quality. A high-level data flow scheme based on the Data Lakehouse architecture has been developed, reflecting the interaction of system components. The necessity of developing new methods and algorithms for optimizing big data quality, which go beyond traditional paradigms focused on structured data, is substantiated. Key problems often ignored in practice are identified and systematized, and criteria for the successful implementation of an integrated data quality management approach are formed.
The authors declare that there are no conflicts of interest present.