lähdedatasta

Lähdedata tarkoittaa alkuperäistä, käsittelemätöntä tai vähän käsiteltyä tietoa, joka kerätään suoraan lähteistään ja toimii pohjana myöhemmälle analyysille. Tällä termillä viitataan usein dataan, jota ei ole vielä jalostettu, yhdistetty muihin tietolähteisiin tai muokattu tilastollisiksi tuotteiksi. Lähdedataa voivat olla esimerkiksi organisaation ERP- tai CRM-järjestelmien tiedot, tuotantolokit, sensoridatat sekä ulkoisten datalähteiden vientitiedot.

Laatu ja hallinta: Lähdedatan laatu heijastuu koko tietoprosessiin. Keskeisiä laadunulottuvuuksia ovat oikeellisuus, täydellisyys, ajantasaisuus, johdonmukaisuus sekä referenssien eheys. Organisaatiot kuvaavat ja hallinnoivat lähdedataa metadata- ja lineage-käytännöillä; tiedon alkuperä sekä muutoshistoria tallennetaan, ja datalle säilytetään versioita. Tämä mahdollistaa jäljitettävyyden, auditoinnin sekä tulosten toistettavuuden.

Hallinta ja käyttö: Lähdedataa käytetään päätöksenteon, raportoinnin sekä mallien koulutuksen pohjana. Hyvin hallittu lähdedata parantaa läpinäkyvyyttä ja luotettavuutta, ja sen avulla voidaan osoittaa, miten tulokset on saavutettu. Tiedonlähteen lineage sekä metadata tukevat muutosten ymmärtämistä ja vaikutusten arviointia. Henkilötietojen käsittelyssä noudatetaan soveltuvia tietosuoja- ja tietoturva-asetuksia, kuten GDPR-vaatimuksia.

Haasteet ja parhaat käytännöt: Hajanaiset järjestelmät, vaihtelevat tiedostomuodot ja suuret tietomäärät vaikeuttavat lähdedatan hallintaa. Parhaisiin käytäntöihin kuuluvat alkuperäisen datan säilyttäminen muuttumattomana, muutoshistoria sekä selkeä vastuu ja omistajuus. Lisäksi kannattaa ylläpitää kattavaa metadataa ja tiedonlähdepohjaa sekä dokumentoida jalostus- ja vientiprosessit.

Esimerkit: Lähdedataa voivat olla ERP- tai CRM-järjestelmän tilaus- ja asiakastiedot, tuotantolaitoksen sensoridatat, verkkopalvelun lokit sekä ulkoisten datapalvelujen vientitiedot.