当社のデータ管理チームは、さまざまなハブアプリケーションを通じて返されるデータの品質を維持する責任があり、データベース内で動作するため、データはOpenHealthCompanyの品質要件に準拠しています。
1。観察結果を再現するために必要な要素
最初のステップは、この調査をトリガーする観測を再現することです。このため、このプロセスをトリガーする前に、スクリーンショットとともに次の要素を提供するようにお願いします。
TRACEABILITY CARTRIDGE
サーバー/環境名 ：アプリケーションのデータベースサーバーまたは環境
マグ： 基になるデータベースの名前。
アプリケーション： アプリケーションの名前。
データソース ：観測用のデータソース。
地理的領域： 観測の地理的領域。
モジュール： 監視しているHUBモジュール。
フィルター： シート内に適用したフィルターのセット MY QUERY または市場の定義（市場/セグメント/企業/ブランド）
寸法： 使用される製品の粒度 （市場/セグメント/会社/ブランド/製品およびコード）
インジケーター： 観察に使用されたインジケーター 。
期間： 観察を行う期間。
演算子： 観測を再現する演算子。
2.レベル1調査の2番目のステップで、データベースのバージョンを確認します
この手順は、データベース内のすべてのトレーサビリティ要素を確認することで構成されます。
データベースが配置されているサーバー。
データベースのトレーサビリティ。
作成日。
最後の更新の日付。
最新のデータの日付。
データを更新する頻度。
データベースのバージョン。
市場の名前。
製品の数。
契約の参照。
ベースに配線されたデータソース。
完全なトレーサビリティ（日付/時刻/処理/パラメータ/演算子）を備えたすべての処理（IPR / MAM / CCP / CMT）のリスト
TMAおよび/またはCUSTOMERTYPEに対して計算されたセクター化の数。
3.レベル1調査の3番目のステップで、それらの間のデータの整合性をチェックします（イントラベースのデータの整合性）
次に、データベース内のデータの整合性をチェックできるチェックを実行します。
国のPHARMACIES（PHARMA）データの場合
歴史の深さ。
販売された製品の数。
1か月あたりの全国販売データ：
1か月あたりの売上高（処方箋を除く）
1か月あたりの売上高（処方箋あり）
1か月あたりの売上高（合計：処方箋と処方箋を除く）
1か月あたりの販売量（処方箋を除く）
1か月あたりの販売量（規定に基づく）
1か月あたりの販売量（合計：処方箋と処方箋を除く）
1日あたりの全国販売データ：
1日あたりの売上高（処方箋を除く）
1日あたりの売上高（処方箋あり）
1日あたりの売上高（合計：処方箋と処方箋を除く）
1日あたりの販売量（処方箋を除く）
1日あたりの販売量（規定に基づく）
1日あたりの販売量（合計：処方箋外+処方箋あり）
セクター別のPHARMACY（PHARMA）データの場合
セクター別の1か月あたりの売上データ：
1か月あたりの売上高（処方箋を除く）
1か月あたりの売上高（処方箋あり）
1か月あたりの売上高（合計：処方箋と処方箋を除く）
1か月あたりの販売量（処方箋を除く）
1か月あたりの販売量（規定に基づく）
1か月あたりの販売量（合計：処方箋と処方箋を除く）
セクターの数
セクター別の1日あたりの売上データ：
1日あたりの売上高（処方箋を除く）
1日あたりの売上高（処方箋あり）
1日あたりの売上高（合計：処方箋と処方箋を除く）
1日あたりの販売量（処方箋を除く）
1日あたりの販売量（規定に基づく）
1日あたりの販売量（合計：処方箋外+処方箋あり）
セクターの数
国のPARAPHARMACIES（SMKT）データの場合
歴史の深さ
販売された製品の数
1か月あたりの全国販売データ：
1か月あたりの売上高
1か月あたりの販売量
1日あたりの全国販売データ：
1日あたりの売上高
1日あたりの販売量
セクター別のPARAPHARMACIES（SMKT）データの場合
セクター別の1か月あたりの売上データ：
1か月あたりの売上高
1か月あたりの販売量
セクターの数
セクターの合計に対する1か月あたりの売上高と、全国的な1か月あたりの売上高
セクターの合計に対する1か月あたりの販売量と、全国的な1か月あたりの販売量
セクター別の1日あたりの売上データ：
1日あたりの売上高
1日あたりの販売量
セクターの数
セクターの合計に対する1日あたりの売上高と全国的な1日あたりの売上高
セクターの合計に対する1日あたりの販売量と全国的な1日あたりの販売量
次に、統合されたPHARMA + SMKT（薬局およびパラ薬局）データと他のデータソース（CORSE / MONACO / DROM-）のデータに同じコントロールを適用します。 COM /その他の国）
株式のPHARMACYデータ（PHARMAのみ）の場合：
データ：
月ごとの
データの量
月
データの値
4.レベル1調査の4番目のステップで、参照データベースとのデータの整合性をチェックします（Interbaseのデータの整合性）
ベース内データの整合性が検証されたら、プロダクションチェーン全体のデータの品質を保証するために、参照データベースとのデータの整合性をチェックします。
そこで、データベース内の製品のリストを確認します。
リファレンスマグの歴史の深さ
1日あたりの売上高
1か月あたりの売上高
1日あたりの販売量
1か月あたりの販売量
1日あたりに販売された製品の数
1か月に販売された製品の数
月ごとの
データの量
月
データの値
5.レベル1調査の5番目のステップ、薬局からのチケットの検索
レベル1の調査中に、利用可能なデータの完全な追跡可能性を保証するために、薬局からのチケットまでの生産チェーンを追跡することができます。ハブアプリを介して。
特定の場合、特定の薬局、特定の製品の販売、または特定の販売日で、異常な動作を検出できます。
非定型セールとは何かを知るには： 非定型販売に関する記事
6.レベル1調査の6番目のステップ、復元
最後に、完全な透明性、この調査のすべての追跡可能性を備えたすべての結果を要約メールで提供します。
成功サイトには、すべてのプロセスに関する多くの記事が含まれています。遠慮なく共有してください。
付録には、この主題に関連する記事があります：
ハブのデータソース ： データソースのリスト
地理的領域 ： 領域のリストHUBで利用可能な地理的位置
市場 ： 市場と分類に関連する記事製品の
測定値と期間 ： HUBで利用可能な測定値
ハブインジケーター ： 指標のリスト
薬局の パネルすべての情報については、次の記事を ： OpenHealth-pharmacyパネルとは何かを理解する
パラファーマシー（SMKT：スーパーマーケット）からのデータの更新に関する質問 ： GSAドラッグストアデータが更新されるのは （SMKTデータ）ハブで？
データの間隔と信頼レベル ： 知っておくべきこと。
データ品質 ： OpenHealthでの売上分解プロセス
2つの異なるプロバイダーからのデータを比較したい ： 比較分析を行う方法は？
非定型セール何かを知るに ： 非定型販売に関する記事
新しいデータソースをHUBに統合する方法 ？ ： プロセスd 'HUBでのデータ統合