- Inicie sesión para enviar comentarios
dVelox Data Quality: la base del éxito para tomar decisiones efectivas
Normal.dotm
0
0
1
243
1387
mkt
11
2
1703
12.0
0
false
21
18 pt
18 pt
0
0
false
false
false
/* Style Definitions */
table.MsoNormalTable
{mso-style-name:"Tabla normal";
mso-tstyle-rowband-size:0;
mso-tstyle-colband-size:0;
mso-style-noshow:yes;
mso-style-parent:"";
mso-padding-alt:0cm 5.4pt 0cm 5.4pt;
mso-para-margin-top:0cm;
mso-para-margin-right:0cm;
mso-para-margin-bottom:10.0pt;
mso-para-margin-left:0cm;
mso-pagination:widow-orphan;
font-size:12.0pt;
font-family:"Times New Roman";
mso-ascii-font-family:Cambria;
mso-ascii-theme-font:minor-latin;
mso-hansi-font-family:Cambria;
mso-hansi-theme-font:minor-latin;
mso-fareast-language:EN-US;}
La calidad del dato es el aspecto más importante y la base para el éxito de la toma de decisiones efectivas. Consciente de esta necesidad, Apara, empresa de nuevas tecnologías especializada en soluciones avanzadas de analítica predictiva, ofrece servicios específicos de calidad del dato para aquellos sistemas que, por su particularidad en las fuentes origen, requieran un tratamiento específico de depuración del dato en el proceso de carga.
Apara pone a disposición de sus clientes, dVelox Data Quality, diseñado para ofrecer a los usuarios de negocio las funcionalidades de calidad del dato adecuadas a cada momento. Incorporando nodos de máxima efectividad (auditoría, catálogo, distancia y validación de información personal), la herramienta asegura a los usuarios que sus datos están correctamente identificados y correlacionados consiguiendo mejoras de hasta un 72% de precisión.
Sin conocimientos técnicos, los analistas de negocio y los administradores pueden gestionar de forma sencilla y continua el grado de calidad de sus datos en el contexto de su cambiante entorno.
La herramienta permite solucionar los problemas que implica el estado incompleto, falta de conformidad, incoherencias, inexactitud, invalidez y duplicación de los datos entre otros.
dVelox Data Quality proporciona las siguientes características para resolver problemas de calidad del dato:
- Data cleansing, validación y corrección de datos
- Matching con un catálogo o inventario (productos, calles, etc)
- Profiling u optimización del modelo de datos
- Supervisión de las actividades para garantizar la calidad del dato y coherencia
