Datalähde

Datalähde tarkoittaa lähdettä, josta data on peräisin. Se on keskeinen käsite dataintegraatiossa, analytiikassa ja päätöksenteossa, sillä datan laatu ja luotettavuus voidaan arvioida lähteestä lähtevän tiedon perusteella. Datalähteitä ovat esimerkiksi järjestelmien rekisterit, sensorit, kyselyt, asiakas- ja tapahtumatiedot sekä julkiset datakokoelmat. Datalähteet voidaan jakaa primaarilähteisiin, jotka keräävät dataa suoraan alkuperäisistä havainnoista, sekä sekundaarilähteisiin, jotka koontavat tai jalostavat dataa muiden lähteiden perusteella.

Käytännössä datan aitous, ajantasaisuus ja kattavuus riippuvat sen lähteestä. Datan alkuperän tunteminen mahdollistaa datan legitiimin käytön, datan jäljitettävyyden (data provenance) ja tietoturvan hallinnan. Eri lähteistä peräisin olevaa dataa voidaan yhdistellä, mutta tämä edellyttää yhteensopivuutta, yhtenäisiä metadata-aiheita ja selkeitä käyttöoikeuksia.

Laatu- ja hallintakysymyksiä koskevat tekijät ovat luotettavuus, oikeellisuus, täydellisyys, ajantasaisuus ja saatavuus. Datalähteitä hallitaan usein datagovernance-ohjeistuksin, jotka sisältävät metatietojen hallinnan, datalähteiden luetteloinnin (data catalog) ja lähteiden provenance-tiedon tallentamisen. Yleisimmät haasteet ovat yksityisyyden suoja, oikeudet ja lisenssit, tietojen yhdenmukaisuus sekä kustannukset tiedon keräämiseen ja ylläpitämiseen.

Esimerkkejä ovat IoT-sensorit, yrityksen asiakasrekisteri, toimialakohtaiset tilastot sekä avointen tietojen julkiset kokoelmat. Datalähteiden huolellinen valinta ja hallinta parantavat analyysien luotettavuutta ja päätöksenteon perustaa.