Duomenų kokybės reikalavimų realizavimas informacinėse sistemose

Abstract

Dėl įvairių priežasčių duomenų bazėse saugomi duomenys genda, todėl vien riboti įvesti klaidingus duomenis nepakanka. Duomenų kokybė užtikrinama draudžiant įvesti klaidingus duomenis ir tikrinant bei valant duomenų bazėse saugomus duomenis. Klaidingų duomenų įvedimo ribojimai yra aprašomi sistemos modeliuose ir gali būti automatizuotai realizuoti duomenų bazių valdymo sistemose naudojant egzistuojančios sistemų modeliavimo priemones. Egzistuojančios duomenų tikrinimo ir valymo sistemos pritaikytos naudoti specifinėse dalykinėse srityse, o duomenų kokybės reikalavimai šiose sistemose gali būti aprašyti tik programiniu kodu. Duomenų kokybės reikalavimai turi būti specifikuoti pakartotinai – aprašant klaidingų duomenų įvedimo ribojimus ir aprašant duomenų tikrinimo ir valymo taisykles. Dėl pakartotino reikalavimų specifikavimo atsiranda reikalavimų nesuderinamumas, prarandama daug laiko ir lėšų.

At the moment variety of methods and commercial tools are available that can be used to model business systems and implement data integrity constraints through the functionality of active database management systems. Unfortunately, these tools do not support data validation – the implementation of business rules as integrity constraints, triggers stored procedures is used only to avoid entry of erroneous data into the database. Regardless the use of data quality checks at the entry of data into the database, errors in data exist. The application of business rules approach in data quality assurance is widely discussed in the publications of recent years. Currently only domain specific data management tools support data validation, but these tools do not support system modelling at all or are suitable to model only some aspects of system. Therefore, there are no tools that support both system modelling and data validation.