Improving data quality in a process documentation system requirements and benefits; a case study

Tämän tapaustutkimuksen tavoitteena oli selvittää kuinka datan laatua voitaisiin mitata ja kehittää prosessidokumentaatiojärjestelmässä. Dataa kerättiin olemassa olevaa dokumentaatiota tutkimalla, sekä kyselyn avulla. Datan laatu ei ole aiemmin saanut juurikaan huomiota tässä kontekstissa, minkä joh...

Täydet tiedot

Bibliografiset tiedot
Päätekijä: Siltakorpi, Jukka
Muut tekijät: Informaatioteknologian tiedekunta, Faculty of Information Technology, Informaatioteknologia, Information Technology, Jyväskylän yliopisto, University of Jyväskylä
Aineistotyyppi: Pro gradu
Kieli:eng
Julkaistu: 2021
Aiheet:
Linkit: https://jyx.jyu.fi/handle/123456789/76584
Kuvaus
Yhteenveto:Tämän tapaustutkimuksen tavoitteena oli selvittää kuinka datan laatua voitaisiin mitata ja kehittää prosessidokumentaatiojärjestelmässä. Dataa kerättiin olemassa olevaa dokumentaatiota tutkimalla, sekä kyselyn avulla. Datan laatu ei ole aiemmin saanut juurikaan huomiota tässä kontekstissa, minkä johdosta täysin uudet metriikat datan laadun mittaamista prosessidokumentaatio järjestelmässä varten luotiin tämän tutkimuksen aikana. Tutkimuksen aikana tunnistettiin kolme laatumittaria, askeleet datan laadun kehittämistä varten esiteltiin, ja vaatimukset datan laadun kehittämiselle määriteltiin. Datan laadun lähtötaso määriteltiin metriikoiden perusteella ja vaatimukset ja toimenpiteet kehitykselle määriteltiin. Vaatimusten perusteella myös mahdolliset hyödyt ja kustannukset kyettiin arvioimaan This case study was aiming to find how data quality could be measure and improved in a process documentation system. Data was gathered using existing documentation and a survey. Data quality has not previously seen much focus in this context, and therefore new metrics for measuring data quality in a process documentation system were created. Three different quality metrics were identified during this study, steps for data quality improvement were proposed and basic requirements for improving the quality were set. The current data quality level was defined based on the created metrics and ways to improve it were identified. Based on the requirements for the improvement work, potential costs and benefits that the data improvement work could cause were also listed