Data Reviewer のライセンスで利用可能。
高品質な情報製品を作成し、正確な空間解析を実行するには、ソース データが高品質で適切に保守されている必要があります。 Data Reviewer では、データ品質管理を自動化および簡素化し、データの整合性を向上するためのシステムを提供することで、データの生成と解析のためのデータを管理できます。
Data Reviewer は、効率的で一貫性のあるデータ レビュー プロセスを実現する一連の品質管理 (QC) ツールを提供します。 これには、フィーチャの整合性、属性、または他のフィーチャとの空間リレーションシップにおけるエラーを検出する、自動化および半自動化されたデータ解析をサポートするツールが含まれます。 検出されたエラーが保存されるため、エラーを確認してワークフローを修正し、データ品質レポートを実行できます。
自動データ レビュー
自動データ レビューは、ユーザーが操作することなくフィーチャの品質を評価します。 Data Reviewer には、自社の品質要件に基づいてデータ整合チェックが実行できる、構成可能なチェックのライブラリが用意されています。 チェックは、フィーチャの品質のさまざまな側面やフィーチャの使用適合性を評価するように構成されています。
データ品質の評価に向けた、Data Reviewer の自動化されたワークフローの詳細については、以下のトピックをご参照ください。
- データ品質要件の識別
- レビューアー ルールの設計
- チュートリアル: 自動品質管理の実装
半自動データ レビュー
自動化された方法だけでは、データ内のすべてのエラーは検出できません。 半自動レビューでは、通常はユーザー操作および入力が必要なガイド付きのワークフローに沿った方法を使用して、データ品質が評価されます。 視覚的なレビューは、最も一般的な半自動レビューで、自動データ レビューではできない方法で品質を評価するために使用されます。 これには、欠落したフィーチャや誤った場所に配置されたフィーチャ、コーディングが誤っているフィーチャ、および自動チェックで検出できないその他の問題の識別が含まれます。
Data Reviewer を使用して、データ品質を評価する半自動化されたワークフローを実装する方法の詳細については、以下のトピックをご参照ください。
エラーの管理
Data Reviewer は、検出から修正および確認までのエラー結果の管理を実現します。 これらの機能によって、ソース、場所、エラーの原因を特定することで、データ品質を改善することができます。 エラーが検出された方法、修正したユーザー、修正の受理を確認済みかどうかについて洞察を得ることで、コストを削減し、重複する作業を回避できます。
データ レビュー プロセス中に検出されたエラーは定義済みのライフ サイクル プロセスを通じて追跡されます。 このプロセスには、レビュー、修正、および確認という 3 つのフェーズがあります。
エラーに対するプロセスのフェーズが進むにつれて、実施された処理について記述する 1 つ以上のステータス値がフェーズごとに含まれます。
Data Reviewer のエラー管理ワークフローの詳細については、以下のトピックをご参照ください。
- エラー結果とそのライフ サイクル
- チュートリアル: 属性ルールを使ったフィーチャの評価