Veri bütünlüğü, değer kontrolleri, format kontrolleri ve veri doğrulama için önceden oluşturulmuş çeşitli şablonlar veya özel komut dosyaları.
DQ sorunlarına neden olan verileri oluşturan iş adımları ile grafiksel gösterim ve raporlama (Sonraki Sürüm) arasındaki ilişki.
Manuel olarak girilen verilerdeki hataların kural girişi gerektirmeden tespiti ve doğru değer önerileri sağlanması.
Önceden oluşturulmuş akıllı veri kontrolleri (NLP, istatistiksel kontroller, trend analizi, veri dağıtım analizi vb.)
2 veya daha fazla veri sistemi arasında veri mutabakatı.
Önceden tanımlanmış kurallar (anormallikler, trend kırılmaları, dağıtım sapmaları vb.) olmadan makine öğrenimini kullanarak tablo sütunları için otomatik veri doğrulama
Veri profili oluşturma, bağlamsallaştırma ve tarihsel eğilimlerle karşılaştırma.
Hazır DQ Şablonları ile DQ Kuralını çok kolay bir şekilde tanımlayabilirsiniz.
AI Definition ile operasyonel yükü azaltabilir ve kaliteyi artırabilirsiniz.
Kalite Kontrol sonuçları puanlanır ve öncelik tanımı sağlanır.
Büyük veriler için veriler parametrik olarak küçültülebilir.
Kendi Zamanlayıcısı ile kontroller herhangi bir zamanda ve sıklıkta çalıştırılabilir.
Ldap ya da Kendi Kullanıcı Yönetim Sistemi.
Puanlama sonuçlarına göre Alarm üretilir.
Bilinen birçok veritabanını destekler.
DWH tarafından bir çok ETL sonucunda hesaplanan tablolar, kaynak sistem ile karşılaştırılamıyor ve güvende hissedilmiyor ise, ürünün AI özelliği ile geçmiş veri deseni ile yeni veri deseni karşılaştırılabilir..
Kaynak ve hedef verilerinizi periyodik olarak karşılaştırın ve veri kalitenizden emin olun
Geliştirme, taşıma veya yapılandırma hatalarından kaynaklanan veri sorunlarını hızla tespit eder
Verilerinizin profilini çıkararak hem tablo hem de sütun düzeyinde birçok bilgiye erişebilirsiniz. Verileriniz hakkında önemli bilgiler edinin.
