Πληροφορίες και δεδομένα. Ποσοτικές και ποιοτικές αξιολογήσεις πληροφοριών

Ο όρος «πληροφορία» προέρχεται από το λατινικό informatio, που σημαίνει εξήγηση, επίγνωση, παρουσίαση. Με την ευρεία έννοια, η πληροφορία είναι μια γενική επιστημονική έννοια που περιλαμβάνει την ανταλλαγή πληροφοριών μεταξύ άλλων ανθρώπων, την ανταλλαγή σημάτων μεταξύ ζωντανής και άψυχης φύσης, ανθρώπων και συσκευών.

Πληροφορίες– πληροφορίες για αντικείμενα και φαινόμενα του περιβάλλοντος, τις παραμέτρους, τις ιδιότητες και την κατάστασή τους, που μειώνουν τον βαθμό αβεβαιότητας και την ελλιπή γνώση για αυτά.

1.2. Ποσοτικά χαρακτηριστικά της πληροφορίας. 1) Συντακτικό μέτρο πληροφοριών.Αυτό το μέτρο της ποσότητας των πληροφοριών λειτουργεί με απρόσωπες πληροφορίες που δεν εκφράζουν μια σημασιολογική σχέση με το αντικείμενο. Σε συντακτικό επίπεδο λαμβάνονται υπόψη το είδος των μέσων και η μέθοδος παρουσίασης των πληροφοριών, η ταχύτητα μετάδοσης και επεξεργασίας και το μέγεθος των κωδικών παρουσίασης πληροφοριών. 2) Όγκος δεδομένων(V D) νοείται με την τεχνική έννοια της λέξης ως ο όγκος πληροφοριών ενός μηνύματος ή ως η ποσότητα μνήμης που απαιτείται για την αποθήκευση ενός μηνύματος χωρίς αλλαγές.

Ο όγκος πληροφοριών ενός μηνύματος μετράται σε κομμάτιακαι ισούται με την ποσότητα δυαδικά ψηφία("0" και "1") με το οποίο κωδικοποιείται το μήνυμα.

3) Σημασιολογικό μέτρο πληροφοριών.Να μετρήσει το σημασιολογικό περιεχόμενο της πληροφορίας, δηλ. Η ποσότητα του σε σημασιολογικό επίπεδο, το πιο αναγνωρισμένο είναι το μέτρο του θησαυρού, το οποίο συνδέει τις σημασιολογικές ιδιότητες της πληροφορίας με την ικανότητα του χρήστη να αποδεχτεί το εισερχόμενο μήνυμα. Για το σκοπό αυτό χρησιμοποιείται η έννοια θησαυρός χρήστη.

Θησαυρόςείναι μια συλλογή πληροφοριών που είναι διαθέσιμες σε έναν χρήστη ή ένα σύστημα.

4) Πραγματικό μέτρο πληροφοριών.Αυτό το μέτρο καθορίζει τη χρησιμότητα των πληροφοριών (αξίας) για τον χρήστη για την επίτευξη της επιδιωκόμενης αλυσίδας. Αυτό το μέτρο είναι επίσης μια σχετική τιμή, που καθορίζεται από τις ιδιαιτερότητες της χρήσης αυτών των πληροφοριών σε ένα συγκεκριμένο σύστημα.

1.3. Ποιοτικά χαρακτηριστικά της πληροφορίας.

Η δυνατότητα και η αποτελεσματικότητα της χρήσης πληροφοριών καθορίζεται από τις βασικές ανάγκες των καταναλωτών: δείκτες ποιότητας, όπως αντιπροσωπευτικότητα, περιεχόμενο, επάρκεια, προσβασιμότητα, συνάφεια, επικαιρότητα, ακρίβεια, αξιοπιστία, βιωσιμότητα.

1) ΑντιπροσωπευτικότηταΟι πληροφορίες συνδέονται με την ορθότητα της επιλογής και του σχηματισμού τους, προκειμένου να αντικατοπτρίζουν επαρκώς τις ιδιότητες του αντικειμένου. Τα πιο σημαντικά πράγματα εδώ είναι:

Η ορθότητα της έννοιας βάσει της οποίας διατυπώνεται η αρχική έννοια.

Η εγκυρότητα της επιλογής ουσιωδών χαρακτηριστικών και συνδέσεων του εμφανιζόμενου φαινομένου.

ΜΕΚαθώς το περιεχόμενο των πληροφοριών αυξάνεται, η σημασιολογική απόδοση του πληροφοριακού συστήματος αυξάνεται, καθώς για να ληφθούν οι ίδιες πληροφορίες είναι απαραίτητο να μετατραπεί μικρότερος όγκος δεδομένων.

Επάρκεια (πληρότητα)πληροφορίες σημαίνει ότι περιέχει ελάχιστες αλλά επαρκείς για αποδοχή η σωστή απόφασησύνθεση (σύνολο δεικτών). Η έννοια της πληρότητας της πληροφορίας συνδέεται με το σημασιολογικό της περιεχόμενο (σημασιολογία) και την πραγματιστική. Ως ελλιπής, δηλ. Οι ανεπαρκείς πληροφορίες για τη λήψη της σωστής απόφασης και οι περιττές πληροφορίες μειώνουν την αποτελεσματικότητα των αποφάσεων που λαμβάνονται από τον χρήστη.

ΔιαθεσιμότηταΗ πληροφόρηση στην αντίληψη του χρήστη διασφαλίζεται με την εφαρμογή κατάλληλων διαδικασιών για την απόκτηση και τον μετασχηματισμό της. Για παράδειγμα, σε πληροφοριακό σύστημαοι πληροφορίες μετατρέπονται σε μια προσβάσιμη και φιλική προς τον χρήστη μορφή. Αυτό επιτυγχάνεται, ειδικότερα, με το συντονισμό της σημασιολογικής του μορφής με τον θησαυρό του χρήστη.

ΣυνάφειαΟι πληροφορίες καθορίζονται από το βαθμό διατήρησης της αξίας των πληροφοριών για τη διαχείριση κατά τη στιγμή της χρήσης τους και εξαρτάται από τη δυναμική των αλλαγών στα χαρακτηριστικά τους και από το χρονικό διάστημα που έχει περάσει από την εμφάνιση αυτών των πληροφοριών.

Επικαιρότηταπληροφορίες σημαίνει την άφιξή τους το αργότερο σε ένα προκαθορισμένο χρονικό σημείο, σύμφωνο με το χρόνο επίλυσης της εργασίας.

ΑκρίβειαΟι πληροφορίες καθορίζονται από τον βαθμό εγγύτητας των λαμβανόμενων πληροφοριών πραγματική κατάστασηαντικείμενο, διαδικασία, φαινόμενο κ.λπ.

Αξιοπιστίαοι πληροφορίες καθορίζονται από την ικανότητά τους να αντικατοπτρίζουν ρεαλιστικά υπάρχουσες εγκαταστάσειςμε την απαιτούμενη ακρίβεια. Η αξιοπιστία των πληροφοριών μετριέται με την πιθανότητα εμπιστοσύνης της απαιτούμενης ακρίβειας, δηλ. την πιθανότητα η τιμή της παραμέτρου που εμφανίζεται από τις πληροφορίες να διαφέρει από την πραγματική τιμή αυτής της παραμέτρου εντός της απαιτούμενης ακρίβειας.

βιωσιμότηταΟι πληροφορίες αντικατοπτρίζουν την ικανότητά τους να ανταποκρίνονται σε αλλαγές στα δεδομένα πηγής χωρίς να παραβιάζουν την απαιτούμενη ακρίβεια. Η σταθερότητα της πληροφορίας, καθώς και η αντιπροσωπευτικότητα, καθορίζονται από την επιλεγμένη μεθοδολογία για την επιλογή και τη διαμόρφωσή της.

Ρύζι. 5.6.Ταξινόμηση πρωτογενών πληροφοριών

Ποιοτική πληροφόρηση είναι απαραίτητο για τους ερευνητές να αποκτήσουν μια βαθύτερη εικόνα για τη φύση των ανθρώπων που πραγματοποιούν αγορές συγκεκριμένων προϊόντων. Τέτοιες μελέτες έχουν ως αντικείμενο την ψυχολογία των αγοραστών σε πτυχές που εφαρμόζονται στο εμπόριο, και στο εμπόριο συγκεκριμένων αγαθών (μόνο εκείνων που πωλούνται από την εταιρεία που διεξάγει αυτήν την έρευνα). Οι ποιοτικές πληροφορίες μπορούν να χρησιμοποιηθούν για τη βελτίωση ενός προϊόντος, για την ανάπτυξη των καταναλωτικών του ιδιοτήτων, λαμβάνοντας υπόψη τις ηθικές και ηθικές αξίες των αγοραστών. Οι πληροφορίες υψηλής ποιότητας αναγκάζουν τους κατασκευαστές και τους εμπόρους να σκεφτούν τις πραγματικές αξίες των αγαθών που προσφέρουν και να βλέπουν τα προϊόντα τους μέσα από τα μάτια των πελατών. Αγνοώ ποιοτικές πληροφορίεςΑποκλείεται. Η χρησιμότητά του είναι αναμφισβήτητη και η ακρίβεια και η αξιοπιστία του καθορίζονται σε μεγάλο βαθμό από τα προσόντα των ερευνητών.

Οι ποσοτικές πληροφορίες είναι απαραίτητες για την κατανόηση της συμπεριφοράς μεγάλες ομάδεςάνθρωποι ( πιθανούς αγοραστές). Από τη φύση του, δεν μπορεί να επιτρέψει στον ερευνητή να διεισδύσει στα βάθη των ψυχολογικών φαινομένων των αγορών, αλλά τον βοηθά να ανέλθει σε ένα αρκετά υψηλό επίπεδο γενικεύσεων σε θέματα όγκου πωλήσεων, τη στάση μεγάλων ομάδων αγοραστών προς τον καταναλωτή. ιδιότητες του προϊόντος. Τα συμπεράσματα που προκύπτουν από ποσοτικούς δείκτες μπορεί να είναι πολύ ευρεία εφαρμογή. Οι ποσοτικές πληροφορίες σίγουρα συμπληρώνουν τις ποιοτικές πληροφορίες, και μάλιστα αρκετά σημαντικά. Είναι απαραίτητο να αρχίσει η συλλογή πρωτογενών ποσοτικών πληροφοριών με την προϋπόθεση ότι το αντικείμενο της έρευνας είναι μετρήσιμο και ότι είναι δυνατό να ληφθούν καλά καθορισμένα ποσοτικά χαρακτηριστικά της συμπεριφοράς του. Δεν συνιστάται η έναρξη της συλλογής ποσοτικών πληροφοριών εάν δεν είναι δυνατή η αξιολόγηση των αποτελεσμάτων μιας τέτοιας έρευνας χρησιμοποιώντας στατιστικά εργαλεία, εάν δεν είναι δυνατό να εξαχθούν αξιόπιστες γενικεύσεις και συμπεράσματα επαγγελματικού ενδιαφέροντος για εμπόρους , για επιχειρηματίες (πελάτες έρευνας).

1. Πρωτογενείς πληροφορίες και μέθοδοι συλλογής τους. Εφαρμογή της μεθόδου έρευνας μάρκετινγκ: αμφισβήτηση (καθορισμός του μεγέθους του δείγματος)

διά μέσου παρατηρήσεις , διάφορες δημοσκοπήσεις ( συνέντευξη ), έρευνες , δοκιμή , πειράματα (βλ. Εικ. 5.4). Οι φιλολογικές πηγές αναφέρουν και άλλες μεθόδους ή τις ίδιες, αλλά με διαφορετικό τρόπο. Δεδομένου ότι στη Ρωσία η έρευνα μάρκετινγκ συχνά ταυτίζεται με ερωτηματολόγια και δεδομένου ότι τα ερωτηματολόγια χρησιμοποιούνται συχνότερα από άλλες μεθόδους, είναι λογικό να αρχίσουμε να περιγράφουμε μεθόδους για τη συλλογή πρωτογενών πληροφοριών με ερωτηματολόγια.

Ερωτηματολόγιο¾ είναι μια γραπτή έρευνα πραγματικών και πιθανών αγοραστών με τη συμπλήρωση ειδικών εντύπων (ερωτηματολόγια) με μια λίστα ερωτήσεων που έχουν προετοιμαστεί εκ των προτέρων από ερευνητές. Η ουσία μιας τέτοιας μελέτης είναι ότι κάθε υποκείμενο, κατά την επαφή με τον ερευνητή ή μέσω ταχυδρομείου, λαμβάνει ένα ερωτηματολόγιο, το οποίο συμπληρώνει ανεξάρτητα και επιστρέφει στον ερευνητή προσωπικά ή ταχυδρομικώς.

Η προετοιμασία ενός ερωτηματολογίου, κατά κανόνα, προηγείται από πολλή αναλυτική εργασία: είναι απαραίτητο να καθοριστούν τα όρια της υπό μελέτη αγοράς, η δομή της ανά τμήματα, ο αριθμός ολόκληρου του ερωτηθέντος πληθυσμού αγοραστών, ο οποίος ονομάζεται γενικού πληθυσμού , ο αριθμός των τμημάτων, το μέγεθος του δείγματος γενικά, καθώς και ανά τμήματα, εάν επιλεγούν, περιγράφουν τις κύριες παραμέτρους που πρέπει να διευκρινιστούν κατά τη διαδικασία της έρευνας κ.λπ. Το σύνολο των απαντήσεων θα πρέπει να δίνει πλήρης περιγραφήτο πρόβλημα που μελετάται ορισμένη στιγμήχρόνο, αφού ως αποτέλεσμα της επεξεργασίας των ερωτηματολογίων, υψηλής ποιότητας και ποσοτικές πληροφορίες, το οποίο μας επιτρέπει να καθιερώνουμε σχέσεις αιτίου-αποτελέσματος στις εμπορικές και ανταλλακτικές διαδικασίες.

Μπορείτε (και μερικές φορές χρειάζεται) να ξεκινήσετε μια έρευνα προσδιορίζοντας το μέγεθος του δείγματος, το οποίο νοείται ως μέρος του γενικού πληθυσμού που φέρει τα χαρακτηριστικά γνωρίσματα και τις ιδιότητες ολόκληρου του συνόλου των υποκειμένων (φαινομένων ή διεργασιών) που εξετάζονται και είναι: από πλευράς ποσότητας και ποιότητας, απαραίτητο και επαρκές για να γίνουν κρίσεις όπως γενικά για ολόκληρο το σύνολο, και για κάθε ένα από τα στοιχεία του ξεχωριστά (φυσικά, με έναν ορισμένο βαθμό ακρίβειας και αξιοπιστίας). Είναι απαραίτητο να προσδιοριστεί το μέγεθος του δείγματος, επειδή δεν είναι δυνατό να ερευνηθεί ολόκληρος ο πληθυσμός, δεν υπάρχει αρκετός χρόνος ή χρήμα για μια τέτοια έρευνα.

Ο υπολογισμός του όγκου ενός τυχαίου μη επαναλαμβανόμενου δείγματος (ο ερωτώμενος επιλέγεται τυχαία και δεν παίρνει συνέντευξη δεύτερη φορά), το οποίο χρησιμοποιείται συχνότερα, πραγματοποιείται σύμφωνα με τον τύπο 1:

n = t 2 s 2 Ν/ (Δ 2 Ν + t 2 s 2), (5.1)

Οπου n¾ αριθμός μονάδων δειγματοληψίας.

t¾ συντελεστής εμπιστοσύνης που υπολογίζεται χρησιμοποιώντας ειδικούς πίνακες ανάλογα με την πιθανότητα με την οποία μπορεί να διασφαλιστεί ότι το μέγιστο σφάλμα δεν θα υπερβεί t-διπλάσιο σφάλμα (με πιθανότητα 0,990 ισούται με 3, με πιθανότητα 0,999 ¾ 3,28· στην πράξη, λαμβάνεται συχνότερα η πιθανότητα 0,954, στην οποία t = 2);

s 2 ¾ διακύμανση δείγματος (προσδιορίζεται με βάση πειράματα ή ανάλογα που υπήρχαν στο παρελθόν).

D ¾ μέγιστο επιτρεπόμενο (καθορισμένο) σφάλμα δειγματοληψίας.

Ν¾ το μέγεθος του γενικού πληθυσμού.

Ασκηση.Εφαρμόστε αυτόν τον τύπο στο παρακάτω παράδειγμα. Ας είναι ο γενικός πληθυσμός 100 χιλιάδες άτομα. Η διακύμανση, όπως φαίνεται από δεδομένα από προηγούμενες παρόμοιες μελέτες, είναι ± 5 ρούβλια/άτομο. Ο συντελεστής εμπιστοσύνης μπορεί να είναι ίσος με 2 και το μέγιστο σφάλμα είναι ¾ 1 τρίψιμο. Προσδιορίστε το μέγεθος του δείγματος.

Τώρα προσπαθήστε να προσδιορίσετε το μέγεθος του δείγματος για την έρευνα των αγοραστών των προϊόντων του οργανισμού σας.

Υπάρχουν άλλες προσεγγίσεις και τύποι για τον προσδιορισμό του μεγέθους του δείγματος. Αρκετά συχνά στο δείγμα είναι απαραίτητο να λαμβάνεται υπόψη η δομή του γενικού πληθυσμού, δηλαδή η δομή της αγοράς σύμφωνα με τμήματα , και κατά τη διάρκεια της έρευνας, συνεντεύξεις από εκπροσώπους όλων των τμημάτων σε κατάλληλες αναλογίες. Εάν δεν ληφθεί υπόψη η δομή του πληθυσμού, τα σφάλματα είναι αναπόφευκτα. Η ουσία αυτών των λαθών συχνά έγκειται στο γεγονός ότι οι λάθος άνθρωποι λαμβάνουν συνέντευξη. Τέτοια λάθη συμβαίνουν αρκετά συχνά κατά τη μελέτη της κοινής γνώμης. Έγινε ένα σχολικό λάθος κατά τη μελέτη της κοινής γνώμης των Αμερικανών ψηφοφόρων την παραμονή των επόμενων προεδρικών εκλογών (βλ. παρέκκλιση 5.4).

Παρέκβαση 5.4.Διαχείριση πόρων σε συνθήκες αγοράς. Βιβλίο 5. Διαχείριση πληροφοριών. Μ.: MCDO LINK, 1997. σελ. 51-52.

Κατά τη διάρκεια της εκστρατείας για τις προεδρικές εκλογές των ΗΠΑ το 1936, το περιοδικό Literary Digest διεξήγαγε μια δημοσκόπηση για να μετρήσει τις προθέσεις των ψηφοφόρων. Στη μελέτη συμμετείχαν περισσότεροι από δύο εκατομμύρια ψηφοφόροι των οποίων τα ονόματα και οι διευθύνσεις επιλέχθηκαν τυχαία από μια λίστα συνδρομητών περιοδικών και τηλεφωνικός κατάλογος. Τα αποτελέσματα της έρευνας αυτού του τεράστιου αριθμού ατόμων που αποτελούσαν το δείγμα έδειξαν ότι γενικά θα υποστήριζαν τον υποψήφιο των Ρεπουμπλικάνων. Ωστόσο, η πλειοψηφία των ψηφοφόρων ψήφισε υπέρ του Franklin Delano Roosevelt ¾ Δημοκρατικού.

Γιατί δεν έγιναν πραγματικότητα τα αποτελέσματα της έρευνας; Ποιο ήταν το λάθος; Και το λάθος ήταν ότι πήραν συνέντευξη από λάθος άτομα. Οι συνδρομητές του περιοδικού ήταν κυρίως Ρεπουμπλικάνοι τηλέφωνα, αφού ήταν αρκετά ακριβά, ανήκαν κυρίως σε Ρεπουμπλικάνους, αφού ήταν πιο πλούσιοι από τους Δημοκρατικούς. Αποδείχθηκε λοιπόν ότι το δείγμα αποδείχθηκε μη αντιπροσωπευτικό, δηλαδή μη αντιπροσωπευτικό (δεν εκπροσωπούνταν σε αυτό όλα τα τμήματα του πληθυσμού).

Η ιστορία της έρευνας της κοινής γνώμης γνωρίζει πολλά τέτοια λάθη. Προφανώς, αυτά τα σφάλματα, σε άτομα που δεν γνωρίζουν τις περιπλοκές της δειγματοληψίας, εξακολουθούν να προκαλούν ένα αίσθημα δυσπιστίας σε τέτοιες πληροφορίες. Ειδικότερα, υποστηρίζουν ότι δεδομένου ότι δεν ερωτήθηκαν όλοι οι εκπρόσωποι του ενός ή του άλλου τμήματος του πληθυσμού, οι πληροφορίες δεν μπορούν να είναι αληθινές. Αντιρρητικός σε τέτοιες δηλώσεις, ένας από τους ηγέτες του Αμερικανικού Ινστιτούτου Gallup, που μελετά την κοινή γνώμη, είπε: «Αν θέλετε να δείτε πόσο νόστιμη είναι η σούπα, δεν χρειάζεται να φάτε ολόκληρη την κατσαρόλα. Για να το κάνετε αυτό, πρέπει να πάρετε μια κουταλιά σούπας, αφού ανακατέψετε ολόκληρο το τηγάνι που περιέχει όλα τα συστατικά του και να φάτε μόνο αυτό. Αυτό θα είναι αρκετά για να πάρεις την ιδέα σου για το τι συνέβη». Παρεμπιπτόντως, όταν οι Γάλλοι λένε ότι «δεν χρειάζεται ένα ολόκληρο βαρέλι κρασί για να κρίνεις την ποιότητά του», εννοούν επίσης ένα λογικό μέγεθος δείγματος. Το ίδιο πρέπει να γίνει και κατά τον προσδιορισμό του δείγματος στην έρευνα μάρκετινγκ. Για να είναι το δείγμα αντιπροσωπευτικό, είναι απαραίτητο να «αναμειχθεί» ολόκληρος ο πληθυσμός και, σύμφωνα με τις υπάρχουσες αναλογίες, να επιλεγούν από αυτό τυπικοί εκπρόσωποι που θα το χαρακτηρίσουν ως σύνολο.

Ωστόσο, δεν μπορεί κανείς να πάρει το υλικό στο Digression 5.4 τόσο ξεκάθαρα. Εξετάστε το ακόλουθο υπό όρους παράδειγμα, το οποίο υποδηλώνει ότι η υγιής στοιχειώδης λογική για τον προσδιορισμό μέγεθος δείγματος μερικές φορές δεν είναι αρκετό. Έστω η αγορά μιας εταιρείας (δηλαδή του γενικού πληθυσμού) ίση με 100 χιλιάδες άτομα. Αυτή η αγορά αποτελείται από τρία τμήματα, τα οποία χωρίζονται με το κριτήριο του «επίπεδου εισοδήματος»: αγοραστές με χαμηλό επίπεδοεισόδημα (φτωχοί ¾ 10%), αγοραστές μεσαίου εισοδήματος (μεσαίο εισόδημα ¾ 75%), αγοραστές υψηλού εισοδήματος (πλούσιοι ¾ 15%). Ας υποθέσουμε ότι οι ερευνητές αγοράς έχουν δύο προτάσεις για το μέγεθος του δείγματος, τις οποίες διατύπωσαν χωρίς να καταφύγουν στον τύπο (5.1) ή άλλους παρόμοιους τύπους, αλλά καθοδηγούνται, όπως τους φάνηκε, αποκλειστικά από την κοινή λογική: επιλογή 1 ¾ έρευνα σε 100 άτομα. επιλογή 2 ¾ έρευνα σε 1000 άτομα. Για να είναι αξιόπιστα τα αποτελέσματα της μελέτης, και στις δύο περιπτώσεις το δείγμα πρέπει να είναι ανάλογο του γενικού πληθυσμού, δηλαδή το δείγμα σύμφωνα με την πρώτη επιλογή πρέπει να περιλαμβάνει 10 πλούσιους, 15 φτωχούς και 75 μεσαίους αγρότες. Και το δείγμα σύμφωνα με τη δεύτερη επιλογή θα πρέπει να περιλαμβάνει 100 πλούσιους, 150 φτωχούς και 750 μεσαίους αγρότες (Εικ. 5.7).

Ρύζι. 5.7.Αναλογική αναλογία δείγματος προς πληθυσμό

Σε μια πρώτη προσέγγιση, μπορεί να φαίνεται ότι η δεύτερη επιλογή είναι πιο ακριβής και αξιόπιστη. Κάποιοι μπορεί να πουν ότι η ακρίβεια της δεύτερης επιλογής είναι 10 φορές μεγαλύτερη από την ακρίβεια της πρώτης και θα κάνουν εντελώς λάθος. Το κόστος της δεύτερης επιλογής θα είναι 10 φορές μεγαλύτερο από το κόστος της πρώτης, αλλά όχι η ακρίβεια. Η ακρίβεια θα αυξηθεί σίγουρα, αλλά όχι 10 φορές, αλλά πολύ λιγότερο, και η σύγκριση κόστους και ακρίβειας δεν θα μιλήσει υπέρ της αύξησης του μεγέθους του δείγματος. Η εξάρτηση της ακρίβειας των αποτελεσμάτων από το μέγεθος του δείγματος μπορεί να παρουσιαστεί με τη μορφή του παρακάτω γραφήματος (Εικ. 5.8).

Όπως προκύπτει από το Σχ. 5.8, ένα αποδεκτό μέγεθος δείγματος για μια έρευνα θα είναι Χ πελάτες, που θα παρέχει ακρίβεια των αποτελεσμάτων ίση με το Y. Δεν έχει νόημα να προσπαθήσουμε να αυξήσουμε το μέγεθος του δείγματος, πιστεύοντας ότι αυτό θα παρέχει τη μεγαλύτερη ακρίβεια. Αυτό δεν θα συμβεί και το κόστος της έρευνας θα αυξηθεί. Όταν κάποιος δικαιολογεί ένα δείγμα, εκτός από την κοινή λογική, που δεν μπορεί να αποφευχθεί, πρέπει να χρησιμοποιεί και τύπους.

Ρύζι. 5.8.Κατά προσέγγιση εξάρτηση της ακρίβειας των αποτελεσμάτων από το μέγεθος του δείγματος

Υπάρχουν, όπως ήδη σημειώθηκε, άλλες μεθοδολογικές προσεγγίσεις για τον προσδιορισμό του καταλληλότερου μεγέθους δείγματος. Χωρίς σημαντικές απώλειες στην ακρίβεια και την αξιοπιστία των αποτελεσμάτων, σας επιτρέπουν να διεξάγετε έρευνα με χαμηλότερο κόστος. Έτσι, ειδικότερα, εάν είναι απαραίτητο να ληφθεί υπόψη η ετερογένεια της αγοράς ανά τμήμα, τότε ο τύπος 5.1 τροποποιείται: η διακύμανση του δείγματος σε αυτό αντικαθίσταται από τον μέσο όρο των διακυμάνσεων εντός του ομίλου. Ωστόσο, σε αυτή την περίπτωση, η επιλογή θα πρέπει να πραγματοποιείται για κάθε ομάδα ανάλογα με τη διαφοροποίηση του χαρακτηριστικού, όπως φαίνεται στο Σχ. 5.7 (δηλαδή σε πλήρη συμφωνία με τη λογική της κοινής λογικής). Ο τύπος για τον προσδιορισμό του μεγέθους του δείγματος σε αυτήν την περίπτωση θα μοιάζει με αυτό 2:

Οπου κ¾ αριθμός εγώ-x τμήματα αγοράς.

N i¾ δύναμη εγώ-ο τμήμα;

μικρό εγώ¾ τυπική απόκλιση του χαρακτηριστικού in εγώ-ο τμήμα.

2017 FD.ru

Διαχείριση δεδομένων ως περιουσιακό στοιχείο της επιχείρησης: ποιότητα δεδομένων και επιχειρηματικά αποτελέσματα

Τα δεδομένα θεωρούνται από καιρό ένα σημαντικό περιουσιακό στοιχείο μιας επιχείρησης. Επιπλέον, αυτό είναι ένα πολύ γρήγορα αναπτυσσόμενο περιουσιακό στοιχείο. Μόνο ο όγκος των δομημένων δεδομένων αυξάνεται κατά 40% ετησίως. Εάν λάβουμε υπόψη όλα τα δεδομένα, συμπεριλαμβανομένων των μη δομημένων (δεδομένων κοινωνικά δίκτυα, πηγές Διαδικτύου, καθώς και δεδομένα που δημιουργούνται αυτόματα), τότε η ετήσια ανάπτυξή τους υπολογίζεται περίπου στο 80%.

Αλλά αυτό το περιουσιακό στοιχείο χρησιμοποιείται πάντα αποτελεσματικά; Τι τίμημα πληρώνουν οι επιχειρήσεις για σφάλματα δεδομένων; Πώς να αξιολογήσετε σωστά την ποιότητα των δεδομένων και να δημιουργήσετε ένα αποτελεσματικό σύστημα διαχείρισης ποιότητας δεδομένων; Υπάρχουν επιτυχημένα παραδείγματα εφαρμογής ενός τέτοιου συστήματος στη ρωσική πρακτική;

Μερικά στατιστικά στοιχεία

Το 2015 διεξήγαγε η Experian έρευνα μεγάλης κλίμακας, που καλύπτει 1.239 επιχειρήσεις στις ΗΠΑ, τη Γαλλία, την Αυστραλία, τη Γερμανία, την Ισπανία και την Ολλανδία. Το 83% παραδέχεται ότι λαμβάνει λιγότερα έσοδα λόγω χαμηλής ποιότηταςκαι την ελλιπή των δεδομένων, και εάν η ποιότητα των δεδομένων ήταν κακή κορυφαίο επίπεδο, η επιχείρηση θα μπορούσε να αυξήσει τα έσοδα κατά μέσο όρο 15%.

Το χαμηλό επίπεδο ωριμότητας των διαδικασιών διαχείρισης δεδομένων αποδεικνύεται επίσης από το γεγονός ότι μόνο το 35% των εταιρειών διαχειρίζονται δεδομένα κεντρικά και περισσότερες από τις μισές (57%) εντοπίζουν σφάλματα δεδομένων εκ των υστέρων, αφού τα αναφέρουν οι εργαζόμενοι ή οι πελάτες. Και παρόλο που οι περισσότεροι οργανισμοί χρησιμοποιούν κάποιο είδος τεχνολογική λύσηγια τον έλεγχο, την προετοιμασία και τον καθαρισμό, σχεδόν το ένα τρίτο των εταιρειών (29%) εξακολουθούν να ελέγχουν και να καθαρίζουν τα δεδομένα τους «χειροκίνητα». Το 77% των CIO θεωρούν σωστά τα δεδομένα ως ένα στρατηγικό πλεονέκτημα που υποχρησιμοποιείται εντός του οργανισμού.

Οι αναλυτές της Gartner το βρήκαν κακής ποιότηταςΤα δεδομένα είναι ο κύριος λόγος για τον οποίο το 40% των επιχειρηματικών πρωτοβουλιών αποτυγχάνει. Η ποιότητα των δεδομένων επηρεάζει επίσης τη λειτουργική αποτελεσματικότητα, την ικανότητα διαχείρισης κινδύνου και ευέλικτης απόκρισης. εξωτερικούς παράγοντες, τα σφάλματα δεδομένων μειώνουν την παραγωγικότητα κατά μέσο όρο 20%.

Επιπλέον, καθώς προχωράμε προς τις αυτοματοποιημένες διαδικασίες, η ποιότητα των δεδομένων είναι ο παράγοντας που περιορίζει την ποιότητα ολόκληρης της διαδικασίας. Τα σφάλματα δεδομένων έχει αποδειχθεί ότι μειώνουν την αποδοτικότητα της πληροφορικής κατά 10%.

Πώς να ερμηνεύσετε και να μετρήσετε την ποιότητα των δεδομένων;

Ποιότητα δεδομένων είναι η ικανότητα των δεδομένων να ικανοποιούν τις απαιτήσεις που τίθενται σε αυτά. Επιπλέον, σύμφωνα με βασικές αρχέςποιότητα δεδομένων (καθορίζεται από τα πρότυπα της σειράς ISO/TS 8000, GOST R 56214–2014/ISO/TS 8000-1:2011) η έννοια της ποιότητας δεδομένων επηρεάζει μόνο εκείνα τα δεδομένα που εμπλέκονται στη λήψη οποιασδήποτε απόφασης διαχείρισης. Τα ποιοτικά δεδομένα αποτρέπουν την επανεμφάνιση ελαττωμάτων και μειώνουν το υπερβολικό κόστος.

Οι παραδοσιακοί ορισμοί της ποιότητας δεδομένων επικεντρώνονται σε ιδιότητες δεδομένων όπως:

• Πληρότητα
• Ακρίβεια
• Επικαιρότητα παράδοσης
• Προέλευση

Το πρότυπο ISO/IEC25012:2008 έχει επεκτείνει σημαντικά τη λίστα των χαρακτηριστικών ποιότητας δεδομένων για να περιλαμβάνει χαρακτηριστικά που εξαρτώνται από το σύστημα του υπολογιστή (αποτελεσματικότητα, διαθεσιμότητα, φορητότητα, δυνατότητα ανάκτησης, εμπιστευτικότητα κ.λπ.). Δέκα από τα δεκαπέντε χαρακτηριστικά ποιότητας δεδομένων εξαρτώνται από το σύστημα, υπογραμμίζοντας τη σημασία της επιλογής του σωστού εργαλείου διαχείρισης ποιότητας δεδομένων.

Οι μετρήσεις χρησιμοποιούνται για την αντικειμενική αξιολόγηση της ποιότητας των δεδομένων. Αυτοί μπορούν να είναι είτε απευθείας μετρούμενοι βασικοί δείκτες σύμφωνα με ορισμένους κανόνες, είτε πιο σύνθετες συνδυασμένες μετρήσεις που υπολογίζονται με βάση τις σταθμισμένες μέσες τιμές των βασικών δεικτών.

Παραδείγματα τέτοιων μετρήσεων περιλαμβάνουν δείκτες διαθεσιμότητας δεδομένων, δείκτες ορθότητας δεδομένων, δείκτες κόστους διασφάλισης ποιότητας και δείκτες κόστους διόρθωσης σφαλμάτων.

Για την εφαρμογή μετρήσεων, πρέπει να υπάρχουν κανόνες επαλήθευσης που να επισημοποιούν τη διαδικασία μέτρησης και υπολογισμού δεικτών. Ωστόσο, οι μετρήσεις και οι κανόνες από μόνα τους δεν αρκούν για να επιτύχουν ένα απτό αποτέλεσμα που επηρεάζει την οικονομική απόδοση ενός οργανισμού, απαιτείται μια συστηματική προσέγγιση στη διαχείριση της ποιότητας των δεδομένων.

Συστηματική διαχείριση ποιότητας δεδομένων

Η διαχείριση ποιότητας δεδομένων βασίζεται σε τρία στοιχεία: οργανωτική δομή, διαδικασίες και εργαλεία διαχείρισης ποιότητας δεδομένων.

Η οργανωτική δομή διασφαλίζει την κατανομή των ρόλων και των υπευθύνων για τις διαδικασίες εργασίας με δεδομένα. Μεγάλες εταιρείεςΓίνεται ολοένα και περισσότερος λόγος για την ανάδειξη του ρόλου του CDO (Chief Data Officer) και την οργάνωση μιας υπηρεσίας CDO που υπάγεται σε αυτόν. Ο διευθυντής πληροφοριών διαχειρίζεται τη δομή των κατανεμημένων δεδομένων στην επιχείρηση, η υπηρεσία CDO διασφαλίζει τη λειτουργική κυκλοφορία των δεδομένων, παρακολουθεί τυχόν ενέργειες με δεδομένα και επίσης ελέγχει τη χρήση των στοιχείων ενεργητικού της εταιρείας.

Οι διαδικασίες διαχείρισης ποιότητας δεδομένων (σύμφωνα με το GOST R 56215-2014 και το ISO/TS 8000-150:2011) χωρίζονται σε τρεις ομάδες:

• διαδικασίες για την εκτέλεση εργασιών σε δεδομένα,
• συνεχείς διαδικασίες ποιοτικού ελέγχου δεδομένων
• διαδικασίες για τη βελτίωση της ποιότητας των δεδομένων.

Οι διαδικασίες εκτέλεσης λειτουργιών σε δεδομένα περιλαμβάνουν τη διαχείριση της δομής δεδομένων εντός του οργανισμού, συμπεριλαμβανομένης της λήψης υπόψη της χρήσης δεδομένων σε κατανεμημένα συστήματα, της ανάπτυξης και κατασκευής ενός σχήματος δεδομένων, της εκτέλεσης λειτουργιών σε δεδομένα (δημιουργία, αναζήτηση, διαγραφή, ενημέρωση).

Οι διαδικασίες συνεχούς ποιοτικού ελέγχου στοχεύουν στον εντοπισμό σφαλμάτων δεδομένων και περιλαμβάνουν σχεδιασμό ποιότητας, καθορισμό μετρήσεων ποιότητας και κανόνες επαλήθευσης και ρύθμιση διαδικασιών αξιολόγησης δεδομένων σύμφωνα με καθορισμένα κριτήρια.

Οι διαδικασίες βελτίωσης της ποιότητας των δεδομένων πρέπει να διασφαλίζουν ότι τα σφάλματα δεδομένων διορθώνονται και εξαλείφονται οι αιτίες τους.

Και τέλος, το τρίτο στοιχείο είναι τα εργαλεία διαχείρισης ποιότητας δεδομένων. Η αγορά προσφέρει ένα ευρύ φάσμα συστημάτων εργαλείων για εργασία με δεδομένα. Αυτά περιλαμβάνουν προϊόντα κατηγορίας Data Quality, κύρια συστήματα διαχείρισης δεδομένων, εξειδικευμένες λύσεις για εργασία με αναλυτικά στοιχεία πελατών, πολυάριθμες πλατφόρμες ενοποίησης με πλούσιο οπλοστάσιο εργαλείων ETL και βιομηχανικές λύσεις.

Ο έλεγχος ποιότητας δεδομένων εκτελείται παραδοσιακά μετά την εξαγωγή των δεδομένων από την πηγή προτού τοποθετηθούν στην αποθήκη δεδομένων σε αυτό που είναι γνωστό ως διαδικασία ETL. Αυτή η διαδικασία συνήθως περιλαμβάνει την εκτέλεση μιας σειράς από ελέγχους συστήματοςδεδομένα (παρακολούθηση της ακεραιότητας, συνέπειας, ορθότητας συμπλήρωσης χαρακτηριστικών) και διενέργεια πρόσθετων επιχειρηματικών ελέγχων (παρακολούθηση σύγκλισης υπολοίπων και κύκλου εργασιών, συμμόρφωση προσωπικούς λογαριασμούςισολογισμός κ.λπ.). Η διαδικασία ETL μπορεί επίσης να εκτελέσει λειτουργίες εμπλουτισμού και ταξινόμησης δεδομένων, γεγονός που αυξάνει την αξία των δεδομένων για μεταγενέστερη ανάλυση. Τα αποτελέσματα των διαδικασιών ETL καταγράφονται, τα προβλήματα δεδομένων αναλύονται και διορθώνονται. Η χρήση εξειδικευμένων λύσεων κλάσης ποιότητας δεδομένων απλοποιεί τη ρύθμιση των διαδικασιών ελέγχου και διευκολύνει την παρακολούθηση των αποτελεσμάτων της διαδικασίας. Κατά κανόνα, τέτοιες λύσεις παρέχουν ειδικές γραφικά εργαλεία, τα οποία αντικατοπτρίζουν χαρακτηριστικά ποιότητας δεδομένων όπως πληρότητα, συνέπεια, συνοχή, ακρίβεια, ακεραιότητα και απουσία αντιγράφων. Τέτοιες λύσεις παρέχονται τόσο από ξένες όσο και από εγχώριες εταιρείες πληροφορικής. Σε αντίθεση με τους δυτικούς προμηθευτές, οι Ρώσοι πωλητές προσφέρουν όλο και περισσότερο δημοσιονομικές λύσειςγια τη διαχείριση της ποιότητας των δεδομένων. Έτσι, η Intersoft Lab έχει αναπτύξει μια ειδική ενότητα για την αξιολόγηση της ποιότητας των δεδομένων ως μέρος της πλατφόρμας αποθήκης δεδομένων «». Η ενότητα παρέχει τη συλλογή πληροφοριών σχετικά με τους δείκτες ποιότητας των δεδομένων που συγκεντρώνονται στην αποθήκη δεδομένων, καθώς και πληροφορίες σχετικά με τα γεγονότα της εξάλειψης ελαττωμάτων στα δεδομένα. Στους χρήστες προσφέρονται εργαλεία για την ανάλυση δεικτών ποιότητας δεδομένων σε διάφορες αναλυτικές ενότητες, συμπεριλαμβανομένης της ανάλυσης της δυναμικής των αλλαγών στην ποιότητα των δεδομένων, καθώς και της ανάλυσης του κόστους εργασίας για την εξάλειψη ελαττωμάτων στα δεδομένα ταξινομημένα κατά τύπους σφαλμάτων, κλάδους, εκτελεστές, περιόδους και άλλα αναλυτικές ενότητες.

Ένα παράδειγμα από την εγχώρια πρακτική διαχείρισης ποιότητας δεδομένων

Σήμερα, η πλειονότητα των έργων που αντιμετωπίζουν ζητήματα ποιοτικού ελέγχου δεδομένων σχετίζονται με την επιστήμη των δεδομένων ή την εφαρμογή αναλυτικών εφαρμογών, συμπεριλαμβανομένων των εφαρμογών για τη διαχείριση κινδύνου, τις σχέσεις με τους πελάτες και την αναφορά. Το πιο ενδεικτικό παράδειγμα με αυτή την έννοια είναι ο χρηματοοικονομικός κλάδος, ο οποίος έχει εξαιρετικά υψηλές απαιτήσεις για την ποιότητα των αναλυτικών στοιχείων πελατών και απαιτήσεις για την ποιότητα των αναφορών που παρέχονται στη ρυθμιστική αρχή.

Επιπλέον, η Κεντρική Τράπεζα έχει ορίσει νομικά απαιτήσεις για την ποιότητα των δεδομένων από τα πληροφοριακά συστήματα που χρησιμοποιούνται για τον υπολογισμό του ύψους του πιστωτικού κινδύνου με βάση τις εσωτερικές αξιολογήσεις.

Ο Αναπληρωτής Πρόεδρος του Διοικητικού Συμβουλίου της PJSC Bank St. Η διασφάλιση ποιότητας είναι πάντα χαμηλότερη από το κόστος διόρθωσης σφαλμάτων. Δραστηριότητες για τη διασφάλιση της ποιότητας των δεδομένων ξεκίνησαν ως μέρος ενός έργου για την κατασκευή μιας εταιρικής αποθήκης δεδομένων και κατέληξαν στη δημιουργία μιας υπηρεσίας ποιότητας δεδομένων, η οποία εξακολουθεί να είναι σπάνια στη ρωσική πρακτική. Σήμερα η υπηρεσία αυτή λειτουργεί με επιτυχία ως τμήμα του τμήματος πληροφορικής. Έχουν θεσπιστεί τακτικές διαδικασίες παρακολούθησης και διόρθωσης σφαλμάτων. Πλήρης και τακτικός έλεγχος δεδομένων παρέχεται σε όλα τα πληροφοριακά συστήματα που παρέχουν δεδομένα στην αποθήκη δεδομένων. Το πείραμα για την ανάπτυξη μιας υπηρεσίας ποιότητας δεδομένων ολοκληρώθηκε με επιτυχία, σε μεγάλο βαθμό χάρη στην οργανωτική και τεχνολογική βοήθεια του προμηθευτή της αποθήκης δεδομένων, Intersoft Lab, που παρείχε τεχνολογική υποστήριξη για τις διαδικασίες επαλήθευσης και εμπλουτισμού δεδομένων. Τι πήραμε τελικά; Ο αριθμός των σφαλμάτων δεδομένων έχει μειωθεί σημαντικά. Είναι σημαντικό ότι μόνο στο χαρτοφυλάκιο δανείων ο αριθμός των τύπων σφαλμάτων μειώθηκε κατά 15 φορές. Τα σοβαρά σφάλματα που επηρεάζουν την οικονομική απόδοση αποκλείονται πλήρως. Η εμπιστοσύνη των χρηστών στις αποθήκες δεδομένων έχει αυξηθεί και μαζί με αυτήν η ποιότητα των αποφάσεων διαχείρισης. Εκείνοι. Έχει δημιουργηθεί ένα αποτελεσματικό σύστημα διαχείρισης ποιότητας δεδομένων που λειτουργεί προς το συμφέρον όλων των τμημάτων».

Έτσι, η εφαρμογή της επιχείρησης αυξάνει την αξία των εταιρικών δεδομένων ως περιουσιακό στοιχείο ικανό να υποστηρίξει την επίτευξη των επιχειρηματικών στόχων.

Επάρκεια πληροφοριώνμπορεί να εκφραστεί με τρεις μορφές: σημασιολογική, συντακτική, πραγματιστική.

1. Συντακτική επάρκεια. Εμφανίζει τα τυπικά και δομικά χαρακτηριστικά της πληροφορίας και δεν επηρεάζει το σημασιολογικό της περιεχόμενο. Αυτή η μορφή συμβάλλει στην αντίληψη του εξωτερικού δομικά χαρακτηριστικά, δηλ. συντακτική πλευρά της πληροφορίας.
2. Σημασιολογική (εννοητική) επάρκεια. Αυτή η φόρμα καθορίζει τον βαθμό αντιστοιχίας μεταξύ της εικόνας του αντικειμένου και του ίδιου του αντικειμένου. Η σημασιολογική πτυχή περιλαμβάνει τη λήψη υπόψη του σημασιολογικού περιεχομένου των πληροφοριών.
3. Πραγματική (καταναλωτική) επάρκεια. Αντικατοπτρίζει τη σχέση μεταξύ της πληροφορίας και του καταναλωτή της, την αντιστοιχία των πληροφοριών με τον στόχο διαχείρισης, ο οποίος υλοποιείται στη βάση του. Αυτή η μορφή επάρκειας σχετίζεται άμεσα με πρακτική χρήσηπληροφορίες, με τη συμμόρφωσή τους αντικειμενική λειτουργίαδραστηριότητα του συστήματος.

Η ποιότητα των πληροφοριών καθορίζεται από δείκτες όπως:

1. αντιπροσωπευτικότητα,
2. περιεχόμενο,
3. επάρκεια,
4. προσιτότητα,
5. συνάφεια,
6. επικαιρότητα,
7. ακρίβεια,
8. αξιοπιστία,
9. βιωσιμότητα.

Αντιπροσωπευτικότητα πληροφοριώνσυνδέεται με την ορθότητα της επιλογής και του σχηματισμού του ώστε να αντικατοπτρίζει επαρκώς τις ιδιότητες του αντικειμένου.
Τα πιο σημαντικά πράγματα εδώ είναι:

1. την ορθότητα της έννοιας βάσει της οποίας διατυπώνεται η αρχική έννοια·
2. εγκυρότητα της επιλογής βασικών χαρακτηριστικών και συνδέσεων του εμφανιζόμενου φαινομένου.

Η παραβίαση της αντιπροσωπευτικότητας των πληροφοριών συχνά οδηγεί σε σημαντικά σφάλματα.
Το περιεχόμενο των πληροφοριών αντικατοπτρίζει τη σημασιολογική ικανότητα, ίση με την αναλογία του ποσού σημασιολογικές πληροφορίεςστο μήνυμα προς τον όγκο των δεδομένων που υποβάλλονται σε επεξεργασία.

Με αύξηση περιεχόμενο των πληροφοριώνη σημασιολογία μεγαλώνει διακίνησηςπληροφοριακό σύστημα, καθώς για να ληφθούν οι ίδιες πληροφορίες απαιτείται μετατροπή μικρότερου όγκου δεδομένων.

Μαζί με τον συντελεστή περιεκτικότητας Γ, αντανακλώντας σημασιολογική πτυχή, μπορείτε επίσης να χρησιμοποιήσετε τον συντελεστή περιεχομένου πληροφοριών, που χαρακτηρίζεται από την αναλογία
Επάρκεια (πληρότητα) πληροφοριώνσημαίνει ότι περιέχει μια ελάχιστη αλλά επαρκή σύνθεση (σύνολο δεικτών) για τη λήψη της σωστής απόφασης. Η έννοια της πληρότητας της πληροφορίας συνδέεται με το σημασιολογικό της περιεχόμενο (σημασιολογία) και την πραγματιστική. Ως ελλιπής, δηλ. Οι ανεπαρκείς πληροφορίες για τη λήψη της σωστής απόφασης και οι περιττές πληροφορίες μειώνουν την αποτελεσματικότητα των αποφάσεων που λαμβάνονται από τον χρήστη.

Διαθεσιμότητα πληροφοριώνΗ αντίληψη των χρηστών διασφαλίζεται με την εφαρμογή κατάλληλων διαδικασιών για την απόκτηση και τον μετασχηματισμό του. Για παράδειγμα, σε ένα πληροφοριακό σύστημα, οι πληροφορίες μετατρέπονται σε μια προσιτή και φιλική προς τον χρήστη μορφή. Αυτό επιτυγχάνεται, ειδικότερα, με το συντονισμό της σημασιολογικής του μορφής με τον θησαυρό του χρήστη.

Συνάφεια πληροφοριώνκαθορίζεται από τον βαθμό διατήρησης της αξίας των πληροφοριών για τη διαχείριση κατά τη στιγμή της χρήσης τους και εξαρτάται από τη δυναμική των αλλαγών στα χαρακτηριστικά τους και από το χρονικό διάστημα που έχει περάσει από την εμφάνιση αυτών των πληροφοριών.

Επικαιρότητα ενημέρωσηςσημαίνει την άφιξή του το αργότερο σε ένα προκαθορισμένο χρονικό σημείο, σύμφωνο με το χρόνο επίλυσης της εργασίας.

Ακρίβεια πληροφοριώνκαθορίζεται από τον βαθμό εγγύτητας των λαμβανόμενων πληροφοριών στην πραγματική κατάσταση του αντικειμένου, της διαδικασίας, του φαινομένου κ.λπ. Για πληροφορίες που εμφανίζονται ψηφιακός κώδικας, είναι γνωστές τέσσερις έννοιες ταξινόμησης της ακρίβειας:

1. τυπική ακρίβεια, που μετράται με τη μοναδιαία τιμή του λιγότερο σημαντικού ψηφίου ενός αριθμού·
2. πραγματική ακρίβεια, που καθορίζεται από την τιμή της μονάδας του τελευταίου ψηφίου του αριθμού, η ακρίβεια του οποίου είναι εγγυημένη.
3. τη μέγιστη ακρίβεια που μπορεί να επιτευχθεί υπό τις συγκεκριμένες συνθήκες λειτουργίας του συστήματος·
4. προσδιορίζεται η απαιτούμενη ακρίβεια λειτουργικό σκοπόδείκτης.

Αξιοπιστία πληροφοριώνκαθορίζεται από την ιδιότητά του να ανακλά αντικείμενα της πραγματικής ζωής με την απαιτούμενη ακρίβεια. Η αξιοπιστία των πληροφοριών μετριέται με την πιθανότητα εμπιστοσύνης της απαιτούμενης ακρίβειας, δηλ. η πιθανότητα η τιμή μιας παραμέτρου που εμφανίζεται από πληροφορίες να διαφέρει από την πραγματική τιμή αυτής της παραμέτρου εντός της απαιτούμενης ακρίβειας.
Η σταθερότητα της πληροφορίας αντανακλά την ικανότητά της να ανταποκρίνεται σε αλλαγές στα δεδομένα πηγής χωρίς να διακυβεύεται η απαιτούμενη ακρίβεια. Η σταθερότητα της πληροφορίας, καθώς και η αντιπροσωπευτικότητα, καθορίζονται από την επιλεγμένη μεθοδολογία για την επιλογή και τη διαμόρφωσή της.

Συμπερασματικά, θα πρέπει να σημειωθεί ότι παράμετροι ποιότητας πληροφοριών όπως π.χ η αντιπροσωπευτικότητα, η σημασία, η επάρκεια, η προσβασιμότητα, η βιωσιμότητα καθορίζονται εξ ολοκλήρου στο μεθοδολογικό επίπεδο της ανάπτυξης πληροφοριακών συστημάτων.

Οι παράμετροι της συνάφειας, της επικαιρότητας, της ακρίβειας και της αξιοπιστίας καθορίζονται επίσης σε μεγαλύτερο βαθμό σε μεθοδολογικό επίπεδο, ωστόσο Η αξία τους επηρεάζεται σημαντικά από τη φύση της λειτουργίας του συστήματος, κυρίως από την αξιοπιστία του.

Συγχρόνως οι παράμετροι συνάφειας και ακρίβειας σχετίζονται αυστηρά με τις παραμέτρους της επικαιρότητας και της αξιοπιστίας, αντίστοιχα.