Core Concepts
데이터 품질 평가의 도전과 기회를 탐구하고, 체계적이고 포괄적인 프레임워크를 제안합니다.
Abstract
데이터 품질의 다양한 측면과 차원을 이해하고 평가하는 중요성 강조
데이터 품질 평가의 다섯 가지 측면과 각 측면에서 발생하는 도전과 기회 소개
데이터 품질 프로필을 통해 데이터 사용 사례에 대한 평가를 제시
데이터 품질 평가를 위한 핵심 기술과 다양한 전문가들 간의 협력 필요성 강조
THE MANY DIMENSIONS OF DATA QUALITY
데이터 품질 (DQ)의 중요성과 다양한 차원에 대한 연구
29가지 대표적인 DQ 차원 소개
인공지능 분야에서 DQ의 중요성 강조
DATA QUALITY ASSESSMENT CHALLENGES
DQ 평가의 다양한 측면과 도전
데이터, 메타데이터, 외부 데이터, 데이터 출처, 시스템, 작업, 인간 측면 소개
PRAGMATIC CHALLENGES
DQ 평가의 일반적인 도전과 기회 소개
모호성, 설명 가능성, 효율성, 규정 준수, 점수화 등 다양한 도전
USE CASES FOR DATA QUALITY PROFILES
데이터 품질 프로필을 통한 다양한 사용 사례 소개
기계 학습 성능, 법적 및 윤리적 준수, 데이터 정리 성능, 데이터 가격 책정 등
Quotes
"Data-oriented applications, their users, and even the law require data of high quality."
"It is our vision to establish a systematic and comprehensive framework for the (numeric) assessment of data quality for a given dataset and its intended use."