داده هایی که در این سامانه در اختیار شما قرار خواهند گرفت به شرح ذیل می باشند

مقدمه ای بر اعتبارسنجی داده ها

همانگونه که داده های (Data) درست و با کیفیت در سیستم های اطلاعاتی تاثیر مثبت و سازنده ای دارند داده های بی کیفیت و غلط به همان اندازه تاثیر منفی و تخریب کننده ای درتصمیمگیری های سازمان به جای میگذارند، از همین رو میتوان داده ها را مهمترین دارایی یک سازمان دانست. بنابراین یک سازمان باید به هر قیمتی که شده، داده های خود را معتبر و قابل استفاده در همه حالت نگهداری کند. طراحی چارچوبی برای محاسبه کیفیت داده ها این امکان را به دارندگان سیستم های اطلاعاتی میدهد که بتوانند همیشه کیفیت داده های موجود در سیستم را اندازهگیری کنند و از به فساد کشیده شدن آنها مطلع گردند با توجه به لزوم استفاده از اطلاعات درست در سیستم های اطلاعاتی، اندازه گیری کیفیت اطلاعات اهمیت ویژه ای دارد.

اعتبار سنجی داده ( Data Validation ) و تایید یا ممیزی داده ( VerificationData ) دو فرآیندی هستند که داده های یک سازمان را معتبر و مورد تایید نگه میدارند و این اطمینان را به استفاده کننده از داده میدهند که داده ها از کیفیت مطلوبی برخوردار هستند. فرآیند اعتبارسنجی اطمینان حاصل می کند که داده ها درست و با معنی هستند و تائید دادهها هم اطمینان حاصل میکند که دادهها و تمامی کپیهایی که از این دادهها گرفته میشود همگی به خوبی همان داده اصلی هستند که وجود داشته است و تغییری در آنها ایجاد نشده است. بنابراین هر دو فرآیندی برای اطمینان حاصل کردن از این هستند که داده های سازمانی به هیچ عنوان دچار خطا و خرابی نشوند و سالم باقی بمانند.

after

دستورالعمل هایی که برای فرآیند اعتبارسنجی داده ها مورد استفاده قرار میگیرند، توسط یک سری قوانین عمل میکنند که به آنها قوانین اعتبارسنجی داده ( Data Validation Rules ) گفته میشود و این قوانین باید از بدو شروع یک تجارت سازمان تهیه و تدوین شوند. داده هایی که با این قوانین مطابقت نداشته باشند بر عملکرد اجرای تجاری تاثیر منفی میگذارند. یکی دیگر از کارهایی که در فرآیند اعتبارسنجی داده ها انجام میشود اعتبارسنجی داده های ورودی (Input Validation) به سازمان است که یک مکانیزم امنیتی است، به عنوان مثال میتوان وبسایت یک سازمان را در نظر گرفت که برای فیلدهای ورودی اطلاعات کاربران مکانیزم اعتبارسنجی داده های ورودی را قرار میدهد تا از حملاتی که به این فیلدها با وارد کردن مقادیر نامعتبر انجام می شود جلوگیری کند. فرآیند اعتبارسنجی داده به منظور بررسی عدم وجود تفاوت بین داده های اصلی و داده های کپی شده یک سازمان مورد استفاده قرار میگیرد همچنین به عنوان یک مکانیزم برای بررسی صحت و تمامیت داده ها به هنگام جابجایی داده ها استفاده میشود.

اطلاعات اولیه برای تصمیمگیری و سیاستگذاری ها بسیار لازم و ضروری است و سیاستگذاری صحیح همواره بر پایه اطلاعات صحیح صورت میگیرد. بی توجهی به این مهم میتواند منشاء مخاطراتی عمده در تصمیمگیری ها باشد. ضعف نظام اطلاعاتی در بیشتر موارد منجر به ضعف تصمیم گیری و در واقع ضعف در اداره امور شود.

بسیاری از محققان نظام های اطلاعاتی، فرایند جمع آوری داده ها تا استخراج اطلاعات را به سه دسته )داده های خام، اطلاعات و دانش ) تقسیم بندی می نمایند. عدم درستی و دقت در جمع آوری و ثبت داده ها نهایتا منجر به دانش نادرست و به تبع آن سیاستگذاری غلط خواهد شد.

عدم بررسي صحت و سقم داده ها و همچنین دقت داده های ثبت شده از مشكلات و معضلات كشورهاي درحال توسعه و حتي پیشرفته ميباشد. اطمینان حاصل نكردن از درستي داده ها همواره برنامه ريزي هاي كلان منطقه اي را تحت شعاع قرار داده و منجر به نتايج جبران ناپذيري خواهد نمود .


به منظور تائید کیفیت و قابلیت استناد به داده های جمع آوری شده، ویژگی هایی عنوان شده است که برخی از آنها عبارتند از:

  • صحت داده ها ( accuracy )
  • کامل و جامع بودن داده ها (completeness)
  • به موقع و به روز بودن داده ها (timeliness)
  • ﻣﺮﺑﻮط ﺑﻮدن داده ھﺎ (relevancy)
  • ﺗﻌﺮﯾﻒ ﻣﺸﺨﺺ و دﻗﯿﻖ داده ھﺎ (definition)
  • ﻗﺎﻟﺐ ﻧﻤﺎﯾﺸﯽ داده ھﺎ (data representation format)

در ارزﯾﺎﺑﯽ اﺻﻮل اﻋﺘﺒﺎرﺳﻨﺠﯽ داده ھﺎ، ﻣﯽ ﺗﻮان از اﻧﻮاع ﻣﺨﺘﻠﻒ اﻋﺘﺒﺎرﺳﻨﺠﯽ، ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ داﻣﻨﻪ، ﭘﯿﭽﯿﺪﮔﯽ و ھﺪف ﻋﻤﻠﯿﺎت اﻋﺘﺒﺎر ﺳﻨﺠﯽ ﻣﺨﺘﻠﻒ، اﺳﺘﻔﺎده ﻧﻤﻮد ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل:

  • اﻋﺘﺒﺎر ﻧﻮع داده ھﺎ ( Data type validation )
  • اﻋﺘﺒﺎر ﻣﺤﺪوده و ﻣﺤﺪودﯾﺖ ( Range and constraint validation )
  • اﻋﺘﺒﺎر ﮐﺪ و ﻣﺮﺟﻊ ( Code and Cross-reference validation )
  • اﻋﺘﺒﺎر ﺳﺎﺧﺘﺎری ( Structured validation )