|
:: 게시판
:: 이전 게시판
|
이전 질문 게시판은 새 글 쓰기를 막았습니다. [질문 게시판]을 이용바랍니다.
통합규정 1.3 이용안내 인용"Pgr은 '명문화된 삭제규정'이 반드시 필요하지 않은 분을 환영합니다.법 없이도 사는 사람, 남에게 상처를 주지 않으면서 같이 이야기 나눌 수 있는 분이면 좋겠습니다."
09/09/30 00:42
TQM(Total Quality Management, 전사적 품질관리)은 배우고 있는데;;;;;;;;;
여튼 제 생각엔(당연히 틀릴가능성이 ↑↑) 말 그대로 데이터를 통해서 품질관리를 하는것이 아닐까 싶습니다. 생산시간, 단위비용(원가), 불량률 등이 주이고 기타로 시장점유율, 거래가격, 경쟁업체의 가격 등의 데이터로 제품(서비스)의 품질관리를 하는게 아닐까요?
09/09/30 08:28
"MIT has a Total Data Quality Management program, led by Professor Richard Wang, which produces a large number of publications and hosts a significant international conference in this field."
위 내용은 Wikipedia에서 발췌한 내용입니다. MIT 대학의 Richard Wang이라는 교수가 이 분야에서 상당수의 연구결과를 발표했다는 내용인데...문제는 내용에 대해서는 언급하고 있지 않다는 거죠...MIT 사이트를 한번 들러보심이???
09/09/30 12:29
제가 알고 있는 DQM이 맞다면 이건 data cleansing, scrubbing의 확장 개념 같은 겁니다.
보통 enterprise data는 부서, 팀별로 관리되다 보니 같은 내용의 데이터가 다른 명칭으로 관리되는 경우가 매우 흔합니다. 예를 들어 남녀 구별일 때 A팀에서는 DB에 '남/녀'로, B팀은 '남자/여자'로, C팀은 'M/F'로 적어놨다고 합시다. 이렇게 되면 데이터 자체는 완벽하나 데이터를 모두 모아서 통계를 내거나 트렌드를 분석할 때 꼬이게 되죠. 그나마 이건 노가다를 할 경우 그나마 보정이 가능하지만, 재무 공식이나 예측량 기준 같은 게 부서마다 다를 경우 데이터를 첨부터 완전히 새로 만들어야 하는 상황도 발생합니다. 그래서, 처음부터 이런 문제를 해결해보겠다는 게 DQM입니다. OLTP처럼 데이터 자체의 정확한 기록 차원을 넘어 전략적 자산으로서의 이용될 것을 고려하여 품질을 관리를 해보겠다는 것입니다. 분석을 위한 데이터는 기록을 위한 데이터보다 더 일관되고 전략적인 기준이 필요하겠죠. 또한 기록으로서는 의미없는 정보들이 분석으로서는 매우 의미있는 경우도 있을 것입니다. 그런 걸 해보겠다는 게 DQM입니다. 관련 서적은 국내엔 없는 거 같고, 외국서적으로는 좀 오래되긴 했지만 Brackett이 쓴 Data Resource Quality라는 책이 있는데 그게 개념잡는데는 괜찮을 겁니다.
|
||||||||||