ارائه روشی جدید برای پاکسازی داده ها جهت بهبود کیفیت انبارداده

مهمترین مسئله در مدیریت داده­ ها، موضوع کیفیت داده است. کیفیت داده می تواند پاکسازی داده ها را قبل از بارگذاری به انبار داده ها تضمین­ کند. پاکسازی داده فعالیتی است شامل فرآیند تشخیص و اصلاح اشتباهات و تناقضات در انبار داده­ ها. به ­دلیل وجود اطلاعات زیاد در بانک ­های اطلاعاتی مشکلات و تناقضات فراوانی درآن­ها به ­وجود آمده ­است. هدف اصلی ما ارائه روشی برای رفع تناقضات موجود در بانک های اطلاعاتی برای پاکسازی داده های آلوده می باشد. با هدف بهبود کیفیت انبار داده برای تصمیم گیری های صحیح، روش جدیدی ارائه­ شده­ است و برای آزمایش روش پیشنهادی، از بانک اطلاعاتی شناسنامه سلامت دانشجویان دانشگاه علوم پزشکی زنجان ورودی سال­های ۹۲ و ۹۳، شامل ۸۴۵  نفر که در حال حاضر همه آن­ها فارغ التحصیل شده اند به­ عنوان داده ­های مورد بررسی استفاده ­شده ­است. برنامه پیشنهادی با زبان برنامه نویسی سی شارپ پیاده سازی و اجرا شده­ است. برنامه یا اپلیکیشن ما در چهار لایه و به صورت ویندوز اپلیکیشن نوشته­ شده­ است. از طریق  اجرای روش پیشنهادی توانستیم با بررسی کدملی دانشجویان، داده های آلوده در این مشخصه را تشخیص ­داده و سپس فرآیند اصلاح داده را روی آن­ها اعمال ­نماییم. براساس نتایج به دست ­آمده، میزان داده آلوده در انبار داده تولید­شده از ۲۵.۷۹ درصد به ۴.۹۷ درصد کاهش ­یافت.

کلیدواژه ها:

مدیریت داده ، انباره داده ، داده کاوی ، داده های آلوده ، پاک سازی داده ها