Качество данных — это фундамент успешной работы с ними. Проблема заключается в том, что качество данных субъективно и ситуативно, и универсальных решений, которые подошли бы для любого проекта, нет.
Функциональные возможности инструментов DQ:
Мониторинг (Observability)Профилирование данных (Profiling)Подготовка данных (Parsing, standardizing, cleansing)Data FixingПоддержка DataOpsПримеры инструментов, которые закрывают основные задачи DQ:
Informatica Data Quality (IDQ) SAP Data Services Ataccama ONE Oracle Enterprise Data Quality Microsoft Data Quality Services SAS Data Quality DQLabs Platform С какими из них сталкивались?
