Object

Title: Profilowanie, oczyszczanie i zapobieganie powstawaniu dirty data

Title in english:

Dirty data – profiling, cleansing and prevention

Creator:

Migdał-Najman, Kamila ; Najman, Krzysztof

Description:

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu = Research Papers of Wrocław University of Economics, 2018, Nr 508, s. 146-156

Abstrakt:

Zbiory Big Data oferują dostęp do niemal nieograniczonej liczby danych, dając nadzieję na szybszy, tańszy, bardziej precyzyjny i wszechstronny opis świata. Jednocześnie w takich zbiorach poza danymi o odpowiedniej jakości (clear data) znaczny udział mają dane nieprawdziwe, nieaktualne, zaszumione, często zwielokrotnione, niepełne lub błędne (dirty data), a także dane o nieznanej jakości czy użyteczności (dark data). Znaczący udział dirty i dark data ma szereg negatywnych konsekwencji w analizie zbioru Big Data. Celem prezentowanych badań jest przegląd i systemowe ujęcie procedur minimalizowania negatywnych efektów dirty data w analizie Big Data. W konstrukcji systemu oczyszczania zbioru danych uwzględniono najważniejsze procedury profilowania (profiling data), oczyszczania (cleansing data) i zapobiegania (defect prevention) powstawaniu dirty data w procesie budowy i analizy zbioru Big Data

Publisher:

Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu

Place of publication:

Wrocław

Date:

2018

Resource Type:

artykuł

Resource Identifier:

oai:dbc.wroc.pl:44620

Language:

pol

Relation:

Taksonomia 31 Klasyfikacja i analiza danych – teoria i zastosowania ; Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu = Research Papers of Wrocław University of Economics; 2018; Nr 508

Rights:

Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy

Access Rights:

Dla wszystkich zgodnie z licencją

License:

CC BY-NC-ND 3.0 PL

Location:

Uniwersytet Ekonomiczny we Wrocławiu

Similar

×

Citation

Citation style:

This page uses 'cookies'. More information