Measuring data quality in the internal knowledge base through reporting

Thesis title: Měření datové kvality v interní znalostní bází pomocí reportingu
Author: Pudl, Miroslav
Thesis type: Diplomová práce
Supervisor: Novotný, Ota
Opponents: Pour, Jan
Thesis language: Česky
Abstract:
Hlavním cílem této diplomové práce je reportování stavu datové kvality ve znalostní bázi. Jedná se o znalostní bázi, jež se nachází v nadnárodním podniku a uchovává důležité informace o projektech a zaměstnancích. Dále pak navrhnout a implementovat reportingové řešení, vymezit metriky a vytvořit bodovací systém. K dosažení stanoveného hlavního cíle a vedlejších cílů byla v rámci práce prováděna literární rešerše za účelem proniknutí do tématu znalostního managementu, znalostních bází, datové kvality a propojení těchto oblastí pro vytvoření uceleného pohledu na problematiku datové kvality ve znalostních bází. Před vymezením požadavků na datovou kvalitu a reportingové řešení bylo prostředí znalostní báze popsáno pro snazší pochopení potřeb. Poté proběhlo samotné vymezení požadavků, popsání bodovacího systému a metrik. Následně byla popsána architektura datového skladu, ETL pump a propojení s Power BI. V rámci této architektury byla popsána i zdrojová databáze a dále pak jednotlivé tabulky datového skladu. V neposlední řadě proběhlo vytváření dashboardů v Power BI. Nakonec proběhlo vyhodnocení jak samotného reportingového řešení, tak i výsledků z něj, tedy posouzení datové kvality ve znalostní bázi. Přínosem celé práce tedy bylo vytvořené reportingové řešení pro sledování datové kvality v podnikovém systému znalostní báze. Toto řešení je nadále využíváno pro monitoring.
Keywords: Datová kvalita; Reporting datové kvality; Vizualizace datové kvality; Znalostní management; Znalostní báze; Power BI; Datová kvalita ve znalostní bázi
Thesis title: Measuring data quality in the internal knowledge base through reporting
Author: Pudl, Miroslav
Thesis type: Diploma thesis
Supervisor: Novotný, Ota
Opponents: Pour, Jan
Thesis language: Česky
Abstract:
The main objective of this thesis is to report the status of data quality in the knowledge base. This is a knowledge base that is located in a corporate and stores important information about projects and employees. Secondary objectives were to design and implement a reporting solution, define metrics and develop a scoring system. In order to achieve the stated main objective and secondary objectives, a literature search was conducted to delve into the topic of knowledge management, knowledge bases, data quality and to link these areas to create a comprehensive view of the issue of data quality in knowledge bases. Before defining the data quality and reporting requirements, the knowledge base environment was described to facilitate understanding of the needs. Then, the actual requirements definition, scoring system and metrics description were performed. Subsequently, the data warehouse architecture, ETL pumps and interfacing with Power BI were described. Within this architecture, the source database was also described, as well as the individual tables of the data warehouse. After that the creation of dashboards in Power BI was described. Finally, the evaluation of both the reporting solution itself and the results from it, i.e. the assessment of the data quality in the knowledge base, was performed. Thus, the contribution of the whole work was the created reporting solution for monitoring data quality in the enterprise knowledge base system. This solution is still used for monitoring.
Keywords: Data Quality; Reporting Data Quality; Data Quality Visualization; Knowledge Management; Knowledge Base; Knowledge Base Data Quality; Power BI

Information about study

Study programme: Informační systémy a technologie/Business Intelligence
Type of study programme: Magisterský studijní program
Assigned degree: Ing.
Institutions assigning academic degree: Vysoká škola ekonomická v Praze
Faculty: Faculty of Informatics and Statistics
Department: Department of Information Technologies

Information on submission and defense

Date of assignment: 8. 10. 2023
Date of submission: 27. 6. 2024
Date of defense: 7. 10. 2024
Identifier in the InSIS system: https://insis.vse.cz/zp/86472/podrobnosti

Files for download

    Last update: