데이터 품질은 의료 데이터 관리 회사로서 시간이 지남에 따라 데이터의 지속 가능성을 유지할 수있는 능력을 요구합니다. 이 개념은 다음과 같은 일련의 기준을 다룹니다.

데이터의 완전성
​ 데이터 품질 팀은 데이터의 완전성을 지속적으로 확인합니다. 즉 ' 우리 데이터베이스에 구멍이 있습니다. 예를 들어 데이터 소스가 정기적으로 전송되고 있고 부분 전송이 없는지 확인합니다. 이러한 컨트롤은 OpenHealth의 상표 인 D + 1에서 새로 고쳐진 데이터의 맥락에서 더욱 중요합니다.

데이터 유효성
데이터 유효성이란 입력 형식, 출력 형식 등 데이터를 정규화하는 작업을 말합니다. 전형적인 예는 OpenHealth가 새로운 코드 및 라벨 보고서를 지속적으로 관리해야하는 제품 및 라벨 코드입니다.

정확성
분석 플랫폼 HUB에 표시되는 데이터는 완벽하게 정확해야합니다. 이것이 우리의 출처, 지역, 지표 시트 및 개체가 우리의 지식 기반을 기반으로 완전히 투명한 사양의 대상이되는 이유입니다. 항상 모든 사용자는 지표 계산 방법, 데이터 소스 및 데이터의 한계를 정확하게 이해할 수 있어야합니다.

일관성
​ OpenHealth는 HUB뿐만 아니라 데이터베이스에서도 데이터 일관성을 지속적으로 계산합니다. 제어의 예 : 부문의 합계는 국가 수준과 같아야하며 Sales & Marketing Essential의 지표는 Sales & Marketing Advanced 등에서 유사한 결과를 제공해야합니다.

가용성
​ 데이터의 가용성과 최종 사용자에 대한 데이터 및 해당 문서에 대한 액세스 용이성. 당사의 고객 성공 센터 는 데이터 가용성과 관련된 질문에 대해 전적으로 처분 할 수 있습니다

뉴스
​ OpenHealth에서는 실시간을 믿습니다. 따라서 우리의 데이터는 D + 1에 업데이트됩니다. 또한 데이터의 계산 매개 변수가 수정 된 경우 과거 데이터를 다시 계산할 수있는 백 데이터의 재 계산을 보장합니다 (예 : 2019 년 9 월에 2018 년 8 월에 출시 된 제품을 내 시장에 추가합니다. . OpenHealth는 일부 패널리스트처럼 2019 년 9 월 이후가 아닌 2018 년 8 월 이후의 판매 내역을 제공합니다.

언제든지 각 사용자는 소급하여도 데이터의 완벽한 추적 가능성을 찾을 수 있습니다. OpenHealth는 완전히 투명한 방식으로 기술 사양과 계산 규칙을 공유합니다.

OpenHealth의 데이터 품질 검사 예 :
​ 판매 분해 프로세스
​ 레벨 1 조사
레벨 2 조사