Доступно с лицензией Data Reviewer.
Правила Reviewer позволяют выявлять объекты, которые не соответствуют установленным требованиям к качеству данных в вашей организации. Это включает в себя обнаружение ошибок, которые влияют на атрибуцию объектов, геометрическую целостность или связь с другими объектами. Эти правила можно использовать для оценки качества объектов на различных этапах рабочего процесса создания данных.
Возможности автоматизированной проверки
Первый шаг, который должен быть сделан при разработке правила Reviewer, это изучить функциональные возможности автоматических проверок в Data Reviewer. Ниже приведены примеры типов проверок, используемых для оценки различных аспектов качества объектов.
- Проверка пространственных отношений – анализ пространственных отношений между объектами. Вы можете определить, перекрываются ли объекты, соприкасаются или пересекаются на заданном расстоянии друг от друга. Например, можно проверить, что дорога не пересекает океан или что пожарный гидрант подключен к водоотводу.
- Проверки атрибутов – анализируют значения атрибутов объектов и таблиц. Они могут включать простые проверки значений полей, в том числе ограниченные использованием домена базы геоданных, или предполагать более сложные зависимости атрибутов. Для многих объектов одно значение атрибута зависит от другого значения для того же объекта. Например, если дорога еще строится, она может быть недоступной. Проверку атрибутов можно сконфигурировать таким образом, чтобы она отслеживала статус и доступность дорог.
- Проверки целостности объектов – анализируют свойства объектов. Не все объекты в базе данных следуют одинаковым критериям записи. Например, можно составить набор правил, определяющих, как близко могут располагаться две вершины, или разрешены ли составные объекты в данных. Проверка целостности объектов гарантирует соблюдение правил сбора данных для каждого источника данных.
Идентификация проверок Data Reviewer
Идентификация автоматических проверок Reviewer зачастую представляет собой задачу, которая выполняется специалистом с глубокими знаниями процессов моделирования данных и требований к качеству. Эксперт в этой области может быстро идентифицировать такие вопросы, как целостность объекта, атрибутивную наполненность и пространственные отношения.
Используя матрицу сопоставимости требований, специалист в конкретной области может связать проверки Data Reviewer с требованиями к качеству данных.
В следующей таблице приведен пример заполненной матрицы сопоставимости требований, которая ссылается на некоторые из описанных выше возможностей автоматизированной проверки.
Этот список может стать для организаций кратким справочником, с помощью которого можно найти определенную возможность для продукта и его использования в соответствии с требованиями.
| ID | Требование | Номер требования | Категория требования | Программное обеспечение | Функциональные возможности продукта | Проверка Data Reviewer |
|---|---|---|---|---|---|---|
5 | Возможность обеспечить перенос источника данных в производственную базу данных, а также соответствующие домены и отношения | D002 | Требования к данным – логическая согласованность | Data Reviewer | Проверка Домен | Да |
Проверка отношений | ||||||
Проверка подтипа | ||||||
7 | Возможность гарантировать, что производственные данные пригодны для мобильных устройств и приложений и обладают атрибутивной точностью | D004 | Требования к данным – тематическая точность | Data Reviewer | Проверка Регулярное выражение (Regular Expression Check) | Да |
Проверка Таблица с таблицей атрибутов | ||||||
8 | Возможность обеспечить отсутствие наложений между измерениями событий в течение периода 2010 – 2020 | D005 | Требования к данным – Временное качество | Data Reviewer | Проверка некорректных событий | Да |
десятичных | Возможность определения количества незаполненных (NULL) ячеек для каждого обязательного атрибутивного поля | D006 | Требования к данным – тематическая точность | Data Reviewer | Проверка Запрос к атрибутам | Да |
11 | Возможность определить земельные участки, на которых отсутствуют накладывающиеся объекты – контуры зданий | D007 | Требования к данным – логическая согласованность | Data Reviewer | Проверка Объект на объекте | Да |
13 | Возможность проверки уникального атрибута ID, связывающего земельный участок с соответствующими объектами – контурами зданий | D008 | Требования к данным – логическая согласованность | Data Reviewer | Проверка Объект на объекте | Да |
Автоматизированная проверка в рабочих процессах
Правила Reviewer позволяют оценить качество на нескольких этапах жизненного цикла данных. Они включают оценку объекта при первоначальном создании, обслуживании, обновлении, публикации, архивировании или удалении. Кроме того, данные, используемые в настоящее время в организации, могут быть оценены на предмет соответствия изменяющимся требованиям к качеству данных, возникающим в связи с новыми бизнес-процессами.
Подробнее о методах реализации автоматизированной проверки
Обнаружение ошибок в существующих данных
Автоматизированные проверки можно использовать для оценки общего качества данных на основе уникальных требований организации к качеству. Они могут включать проверку всех объектов в наборе данных, чтобы установить базовое понимание пригодности данных для использования, а также поднабора объектов в качестве шага в рабочем процессе. Ошибки, обнаруженные с помощью этой формы проверки, сохраняются в базе геоданных для поддержки корректирующих рабочих процессов и отчетов о качестве.
Предотвращение ошибок в рабочих процессах
Автоматические проверки также могут быть реализованы для оценки качества при создании или изменении объектов в вашей базе геоданных. Эта форма проверки служит для обеспечения целостности данных, как и другие формы ограничений базы геоданных, такие как домены и подтипы. Изменения, в результате которых данные не соответствуют требованиям организации к качеству данных, отклоняются и не сохраняются.