Categoriearchief: Blogs

Certified Data & Analytics Tester – ingepland voor 2020

In 2019 hebben we een aantal succesvolle cursusreeksen uitgevoerd voor de training “Certified Data Analytics Tester”, oftewel CDAT.

Oók een CDAT-training volgen? Goed idee! Dat kan in 2020 op diverse locaties in Nederland:

23-01-2020 Utrecht
16-04-2020 Den Haag
07-09-2020 Utrecht
19-11-2020 Den Haag

Uiteraard kunnen we in-house trainingen verzorgen, vraag naar de mogelijkheden.

Share

Verified feliciteert 6 nieuwe Certified Data & Analytics Testers

Geslaagd: afbeelding van studenten die hun hoofddeksels in de lucht gooien

Afgelopen week verzorgde Verified samen met Ammerlaan IT & Trainingen en DataConnected de training “Certified Data & Analytics Tester” en we zijn trots op alle deelnemers!

Het waren dagen met goede discussies en nieuwe inzichten voor iedereen. We hebben hard gewerkt en plezier gehad met uiteindelijk een prima resultaat. Zes van de zeven deelnemers zijn in één keer geslaagd voor het examen. De docenten ontvingen een mooie 8 als beoordeling.

Share

CDAT-FL ook voor 2019 ingepland

Kalender

In 2018 hebben DataConnected, Ammerlaan en Verified drie succesvolle cursusreeksen uitgevoerd voor de training “Certified Data Analytics Tester”, oftewel CDAT.

Oók een CDAT-training volgen? Goed idee! Dat kan in 2019 op diverse locaties in Nederland:

  • Utrecht, 4 februari 2019 – 6 februari 2019
  • Zwolle, 23 mei 2019 – 25 mei 2019
  • Utrecht, 11 september 2019 – 13 september 2019
  • Den Haag, 7 oktober 2019 – 9 oktober 2019
  • Utrecht, 11 november 2019 – 13 november 2019

Uiteraard kunnen we in-house trainingen verzorgen, vraag naar de mogelijkheden.

 

Share

Opnieuw training CDAT beoordeeld met 8

Rating 8De training “Certified Data & Analytics Tester (Foundation)” die we op 1, 2 en 3 oktober hebben mogen verzorgen is bijzonder goed ontvangen: de cursisten gaven de training het mooie cijfer van (gemiddeld) een 8!

Over de training

CDAT-FL is een training die je leert om de verbinding te maken tussen de “standaard” testpraktijk en de bijzonderheden van de BI/DWH/Analytics-omgeving. Bovendien vul je je virtuele gereedschapskist aan met direct inzetbare technieken en tools.

Meer weten?

Meer over de training weten? Neem de Flyer eens door en neem contact op met Armando Dörsek van Verified via (06) 23 054 054 of vul het Contactformulier in.

Share

Training “Data & Analytics Tester” goed ontvangen!

Rating 8De maatwerk-training op basis van “Certified Data & Analytics Tester (Foundation)” die we eind mei en begin juni hebben mogen verzorgen is goed ontvangen.

De cursisten gaven de training het mooie cijfer van (gemiddeld) een 8!

Over de training

CDAT-FL is een training die testers bekend maakt met het testen van Business Intelligence, Data Warehouse en Analytics oplossingen. Het traject is voor deze klant aangepast naar een in-house training van 4 avonden (inclusief examen).

Meer weten?

Meer over de training weten? Bekijk de uitgebreide beschrijving en neem contact op met Armando Dörsek via (06) 23 054 054 of vul het Contactformulier in.

Share

Datakwaliteit: invloeden, meten en maatregelen

Teams die zich bezig houden met Datawarehousing, Business Intelligence en Analytics bestaan bij de gratie van de kwaliteit van de verstrekte informatie die ze kunnen leveren. Daarbij komt de term datakwaliteit regelmatig langs.

Datakwaliteit is de “fitness for use” van de gegevens. 

Elk bedrijfsproces kan zijn eigen eisen stellen aan de data. De systemen die deze processen ondersteunen zorgen ervoor dat aan deze eisen wordt voldaan – niet meer en niet minder. Het is geen bedrijfsbrede eis: wat voor de één goed is, is voor de ander onder de maat. Bij het ontsluiten van bronnen naar een centraal systeem (datawarehouse, operational data store) zul je hiermee rekening moeten houden.

Oorzaken voor slechte datakwaliteit

Datakwaliteit kan onder meer te wensen overlaten door (1) slechte invoer bij de bron.  Medewerkers in een callcenter worden soms afgerekend op het aantal verwerkte gesprekken, niet op de kwaliteit van de ingevoerde data. Om tijdswinst te boeken kunnen zij o.a. besluiten om het niet zo nauw te nemen met de spelling bij het opvoeren van klantgegevens en om niet-verplichte velden over te slaan. Dit heeft direct weerslag op de datakwaliteit.

Datakwaliteit zal afnemen door het (2) verstrijken van de tijd. Adressen van klanten zullen als gevolg van verhuizingen enz. veranderen. Regelmatige controle op de actualiteit van dergelijke gegevens helpt bij het behouden van juistheid van deze gegevens. Ook veranderende afspraken over de notatie van o.a. kentekens, telefoonnummers en landenaanduidingen hebben hun weerslag op de datakwaliteit.

Een bijzondere maar veel voorkomende categorie is (3) conversie en migratie van data als gevolg van o.a. vervanging of integratie van geautomatiseerde systemen, bij overnames (integreren van datasets van verschillende bedrijven) of schoning (verouderde producten, verstreken bewaartermijnen).

Op voorgaande drie oorzaken kan een datawarehouse- en business intelligence team slechts indirect invloed uitoefenen. Waar het team wél direct invloed op heeft, is op de (4) kwaliteit van de verwerking: het extractie-, transformatie- en laadproces van de data en de  (5) juiste weergave  van de data in de informatieproducten.  Dit kan door goed testen en toetsen onder controle worden gebracht.

De datakwaliteit kun je uitdrukken met behulp van verschillende kwaliteitsattributen (bv. volgens TMap Next, ISO9126 of het IDQ model) in verschillende dimensies (bv. McGilvray, Olsen, Loshin of Strong, Lee & Wang).

Datakwaliteit vaststellen met behulp van Data Profiling

Voor het beperken van de schade door “slechte bronkwaliteit” zal de tester en de business analist zich moeten bekwamen in Data Profiling.

Data profiling is een methode voor data analyse die inzicht oplevert in de waarden, structuur en kwaliteit van de attributen.

Data profiling zou integraal onderdeel moeten zijn van het analyse- en ontwerpproces maar is helaas nog vaak een ondergeschoven kindje. Hierdoor wordt in menig tester of eindgebruiker geconfronteerd met kwalitatief slechte data – of is kostbare cleansing nodig ná ontvangst vanaf het bronsysteem. 

Take Aways van de Dag

  • Start met het meten van data kwaliteit en stel jezelf als organisatie doelen
  • Stem het testproces hierop af en bepaal de te behalen dekking
  • Integreer data profiling vanaf de start in het analyse-, ontwerp- en testproces. Voeg data profiling structureel toe aan het beheerproces om niet verrast te worden door wijzigingen (in data) in bronsystemen.
  • Besef dat de datakwaliteit niet statisch is maar zich zal ontwikkelen. Zorg dat het systeem niet alleen kan omgaan met de data van gisteren – maar óók van morgen!
Share