| dc.contributor.author | Шмалюх, В. А. | uk |
| dc.contributor.author | Марущак, А. В. | uk |
| dc.contributor.author | Романюк, О. В. | uk |
| dc.date.accessioned | 2024-03-14T18:03:03Z | |
| dc.date.available | 2024-03-14T18:03:03Z | |
| dc.date.issued | 2021 | |
| dc.identifier.citation | Шмалюх В. А. Аналіз наслідків та втрат від низької якості організації даних в базі даних [Електронний ресурс] / В. А. Шмалюх, А. В. Марущак, О. В. Романюк // Матеріали L Науково-технічної конференції підрозділів ВНТУ, Вінниця, 10-12 березня 2021 р. – Електрон. текст. дані. – 2021. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2021/paper/view/12151. | uk |
| dc.identifier.uri | http://ir.lib.vntu.edu.ua//handle/123456789/39819 | |
| dc.description.abstract | У даній статті розглянутоосновні наслідки та втрати від низької якості оргаізації даних в базах даних. | uk |
| dc.description.abstract | This article presents the main consequences and losses from the low quality of data organization in databases. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали L Науково-технічної конференції підрозділів ВНТУ, Вінниця, 10-12 березня 2021 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2021/paper/view/12151 | |
| dc.subject | база даних | uk |
| dc.subject | нормалізація бази даних | uk |
| dc.subject | продуктивність | uk |
| dc.subject | виробничі втрати | uk |
| dc.subject | програмне забезпечення | uk |
| dc.subject | database | en |
| dc.subject | database normalization | en |
| dc.subject | productivity | en |
| dc.subject | production losses | en |
| dc.subject | software | en |
| dc.title | Аналіз наслідків та втрат від низької якості організації даних в базі даних | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 004.6 | |
| dc.relation.references | Романюк О. Н. Організація баз даних і знань / О. Н. Романюк, Т. О. Савчук. – Вінниця: НІВЕРСУМ-Вінниця, 2003.
– 217 с. | uk |
| dc.relation.references | Jean Paul Saltos. Exposing and Quantifying Poor-Quality Data [Електронний ресурс] / Jean Paul Saltos // Careers –
Режим доступу до ресурсу: https://www.freelancermap.com/blog/poor-quality-data/. | en |
| dc.relation.references | Vedran Bozicevic. How to Achieve Cloud Data Accuracy and Visibility [Електронний ресурс] / Vedran Bozicevic //
Globaldots – Режим доступу до ресурсу: https://www.globaldots.com/blog/achieve-cloud-data-accuracy-visibility. | en |
| dc.relation.references | Thomas C. Redman. Bad Data Costs the U.S. $3 Trillion Per Year [Електронний ресурс] / Thomas C. Redman // Harvard
Business Review – Режим доступу до ресурсу: https://hbr.org/2016/09/bad-data-costs-the-u-s-3-trillion-per-year. | en |
| dc.relation.references | Nick Bonfiglio. The catastrophic cost of bad data and where it’s all headed [Електронний ресурс] / Nick Bonfiglio //
Syncari – Режим доступу до ресурсу: https://syncari.com/blog/insights/the-catastrophic-cost-of-bad-data-and-where-its-all-headedpart-2-of-5/ | en |
| dc.relation.references | Research from IAB Data Center of Excellence and Winterberry Group Shows Spending Increase, Undeterred by Concerns
About Regulation and Data Quality [Електронний ресурс] // iab – Режим доступу до ресурсу: https://www.iab.com/news/2018-
state-of-data-report/. | en |
| dc.relation.references | How to Create a Business Case for Data Quality Improvement [Електронний ресурс]. – 2019. – Режим доступу до
ресурсу: https://www.gartner.com/smarterwithgartner/how-to-create-a-business-case-for-data-quality-improvement/. | en |
| dc.relation.references | Extracting business value from the 4 V's of big data [Електронний ресурс]. – 2020. – Режим доступу до ресурсу:
https://www.ibmbigdatahub.com/infographic/extracting-business-value-4-vs-big-data | en |
| dc.relation.references | Cure for the Common Cold Call [Електронний ресурс]. – 2018. – Режим доступу до ресурсу:
https://blog.zoominfo.com/cure-for-the-common-cold-call-infographic/. | en |
| dc.relation.references | Data Performance Management Is Essential To Prove Data's ROI [Електронний ресурс]. – 2018. – Режим доступу до
ресурсу: https://www.forrester.com/report/Build+Trusted+Data+With+Data+Quality/-/E-RES83344. | en |
| dc.relation.references | For Big-Data Scientists, ‘Janitor Work’ Is Key Hurdle to Insights [Електронний ресурс] – Режим доступу до ресурсу:
https://www.nytimes.com/2014/08/18/technology/for-big-data-scientists-hurdle-to-insights-is-janitor-work.html. | en |
