Datapålidelighed

Datapålidelighed betegner i hvilken grad data kan stoles på som kilde til beslutninger. Det omfatter at data afspejler virkeligheden, er korrekte, komplette og tilstrækkeligt kontekstualiserede, og at de kan reproducere resultater over tid og på tværs af systemer.

Vigtige kvalitetsdimensioner inkluderer nøjagtighed (fejl og afvigelser), fuldstændighed (mangel på manglende felter), tidsmæssig aktualitet (opdateringer svarer til den relevante periode), konsistens (samstemmende data i forskellige kilder), troværdighed og oprindelse (dataens provenance), samt relevans og kontekst gennem metadata og data lineage.

Vurdering og styring af datapålidelighed sker gennem data governance og datapålidelighedsprogrammer, der anvender kvalitetsmålinger, data profiling, validering, rensning, deduplicering og versionering. Sporbarhed og audit trails dokumenterer oprindelse og behandling af data. Internationale standarder som ISO 8000 og ISO/IEC 25012 giver rammer for kvalitetsattributter og vurderingsmodeller.

Udfordringer omfatterheterogene data fra flere kilder, realtidsintegration, store datamængder, privatliv og regler som GDPR, samt risikoen for fejlinformerede beslutninger ved manglende datapålidelighed. Forbedring kræver data stewardship, metadataforvaltning og automatiserede valideringsregler samt tydelige ansvarsområder.

Betydningen af datapålidelighed ligger i dens rolle som grundlag for pålidelige analyser, troværdig rapportering og overholdelse af regulatoriske krav, idet beslutninger og politikker baseres på data, der er troværdige, sporbare og forståelige.