Avaliação de Dimensões de Qualidade de Dados para o Agronegócio

• Clovis S. Junior Universidade Federal de Rondonópolis (UFR)
• Carina F. Dorneles Universidade Federal de Santa Catarina (UFSC)

DOI: https://doi.org/10.5753/sbbd.2021.17886

Resumo

Dados de boa qualidade melhoram a precisão de informações resultando em decisões mais assertivas. Para avaliar os diversos aspectos envolvidos, é necessária uma abordagem que faça uso de dimensões para a verificação. Neste artigo, é apresentado um estudo acerca de dimensões de qualidade de dados no domínio do agronegócio. A validação das dimensões é feita sobre duas bases de dados reais, a primeira com foco no meio ambiente e a segunda em agricultura familiar. Os resultados mostram como cada base de dados se comporta em relação às dimensões definidas.

Palavras-chave: agricultura, qualidade de dados, dimensões de qualidade

Referências

Batini, C., Cappiello, C., Francalanci, C., and Maurino, A. (2009). Methodologies for data quality assessment and improvement. 41(3).

Cai, L. and Zhu, Y. (2015). The challenges of data quality and data quality assessment in the big data era. Data Science Journal, 14:2.

Cichy, C. and Rass, S. (2019). An overview of data quality frameworks. IEEE Access.

Malaverri, J. and Medeiros, C. (2012). Data quality in agriculture applications. Proceedings of the Brazilian Symposium on GeoInformatics, pages 128–139.

Sadiq, S. and et al. (2018). Data quality: The role of empiricism. SIGMOD Rec., 46(4):35–43.

Sidi, F., Shariat Panahy, P. H., Affendey, L. S., Jabar, M. A., Ibrahim, H., and Mustapha, A. (2012). Data quality: A survey of data quality dimensions. In 2012 International Conference on Information Retrieval Knowledge Management, pages 300–304.

Silvola, R., Harkonen, J., Vilppola, O., Kropsu-Vehkapera, H., and Haapasalo, H. (2016). Data quality assessment and improvement. International Journal of Business Information Systems, 22:62–81.