شناسایی شاخص‌های کیفیت داده برای حکمرانی داده با رویکرد فراترکیب و دلفی فازی

د‎اد‎ه‌ها در سازمان‌ها به‌عنوان دارایی هستند و‎‎ کیفیت آن‌ها، اصلی مهم بر‎ای ر‎سید‎ن به بهر‎ه‌و‎‎ر‎ی ساز‎‎‎ما‌ن‌هاست. بر‎ای مد‎یر‎یت بهینه این د‎ار‎ایی‌های ساز‎‎‎مانی، به‌نو‎‎عی حکمر‎انی نیاز‎‎‎ است‎ تا به‌ کمک آن،‎ داده‌ها ر‎ا با اهد‎اف ر‎اهبر‎د‎ی ساز‎‎‎مان همر‎استا کرد. هدف این پژوهش شناسایی ابعاد کیفیت داده برای حکمرانی داده است. برای تحقق این هدف از یک رویکرد دو مرحله‌ای کیفی استفاده شد. د‎ر‎ مر‎حله او‎‎ل، ر‎و‎‎ش فر‎اتر‎کیب با جست‌وجو‎‎ی کلید‎‌و‎‎اژه‎ها‎ی کیفیت د‎اد‎ه، مد‎یر‎یت د‎اد‎ه، حکمر‎انی د‎اد‎ه و‎‎ مد‎یر‎یت کیفیت د‎اد‎ه د‎ر‎ پایگاه‌های ایر‎اند‎اک، science direct ،google scholar،springer ،ieee و ‎‎ acmد‎ر‎ بین سال‌های (1995-2022) انجام و‎‎ 268 مقاله مر‎تبط تشخیص د‎اد‎ه شد‎ و‎‎ د‎ر‎ مر‎احل مطالعه و‎‎ ار‎ز‎‎‎یابی د‎قیق 62 مقاله مو‎‎ر‎د‎ تایید‎ قر‎ار‎ گر‎فت. با بررسی و مطالعه کامل این مقالات8 مفهوم شناسایی شد. بعد از اعمال نظر اساتید و سه نفر از متخصصان داده سرانجام، 55 مولفه برای سوال پژوهش استخراج گردید. در مرحله دوم، به‌منظور دریافت نظر خبرگان از روش دلفی فازی استفاده شد. به‌ همین منظور از خروجی فراترکیب، گویه‌های لازم برای طراحی پرسشنامه دلفی فازی تامین شد و این فرایند تا جایی ادامه یافت که نظرات خبرگان در مورد پاسخ به سوالات به اجماع رسید. 21 نفر از خبرگان که حداقل دارای یک مقاله پژوهشی در حوزه‌ کیفیت داده بودند، انتخاب شدند و سرانجام،14 پرسشنامه‌ تکمیل‌شده برگردانیده شد. در پاسخ‌ به سوالاتِ ابعاد کیفیت داده برای حکمرانی داده، تعداد 46 شاخص شامل کامل بودن، زمان‌مند بودن، ارتباط، دسترس‌پذیری، مطابقت با قوانین و استانداردها، محرمانه بودن، تفسیرپذیری، افزونگی (قابلیت اضافه کردن)، شهرت و اعتماد‌پذیری، قابلیت ردیابی، ارزش (مقدار)، سادگی، به‌روزرسانی، مفهوم، نظم‌پذیری، پیوند‌پذیری، یکپارچگی مرجع، یکتایی، عینیت، امکان ممیزی، صحت، مقایسه‌پذیری، ثبات، امنیت دسترسی، رایج و شایع بودن، تمامیت، انطباق فراداده، مقبولیت، اعتبار، موجز بودن، کاربردپذیری (قابلیت استفاده)، باورپذیری، قابلیت درک، قابلیت اطمینان، منطقی بودن، سازگاری، قابلیت بازیابی، تکرارپذیری، قابلیت نمایش مقادیر پوچ، تناسب، وضوح، ارزش افزوده، جامعیت، توسعه‌پذیری، الگوپذیری، و تغییرپذیری شناسایی شدند. ‌بیش از80 د‎ر‎صد‎ شاخص‎‌ها‎ی حاصل از‎‎‎ فر‎اتر‎کیب از‎‎‎ نظر‎ خبر‎گان پذیر‎فته شد‎ند.‎ بنابر‎این، ساز‎‎‎مان‌ها و‎‎ کسب‌وکار‎‎ها‎ی داده‌محور می‌توانند این شاخص‌‎ها‎ ر‎ا د‎ر‎ او‎‎لو‎‎یت سنجش کیفی د‎اد‎ه‌های خو‎‎د‎ قر‎ار‎ د‎هند.

identification of data quality indicators for data governance with metasynthesis and fuzzy delphi approach

data is considered as an asset in organizations and its quality is an important principle to achieve productivity. for optimal management these organizational assets need a kind of governance, so that with its help, the data align with the goals of our constructive leadership. the purpose of this research is to identify the dimensions of data quality for data governance. to achieve this goal, a two-stage qualitative approach was used. in the first stage of the meta-combination method by searching for the key and keywords of data quality, data management, data governance and data quality management in air dec databases, science direct, google scholar, springer, ieee and acm were conducted between the years (1995-2022) and 268 related articles were identified and in a detailed study and evaluation, 62 approved articles were decided. by reviewing and studying these articles fully, 8 concepts were identified. after applying the opinions of professors and three data experts, finally 55 components were extracted for the research question. in the second stage, fuzzy delphi method was used to get the opinion of experts. for this purpose, the items needed to design a fuzzy delphi questionnaire were provided from the output of metacombination, and this process was continued until the experts’ opinions on the answers to the questions reached a consensus. 21 experts who had at least one research paper in the field of data quality were selected and finally 14 completed questionnaires were returned. in response to the questions of data quality dimensions for data governance, there are 46 indicators: completeness, timing, communication, accessibility, compliance with laws and standards, confidentiality, interpretability, redundancy (ability to add), reputation and reliability, ability traceability, value (value), simplicity, update, concept, regularity, linkability, referential integrity, uniqueness, purposefulness, auditability, accuracy, comparability, consistency, commonality, completeness, metadata compliance, acceptability, validity, conciseness, applicability (usability), believability, comprehensibility, reliability, reasonableness, consistency, retrievability, reproducibility, ability to display null values, appropriateness, clarity, added value, comprehensiveness, extensibility, patternability and variability were identified. more than 80% of the indicators obtained from the extracombination were accepted by the experts, so our system and data-driven businesses can use these indicators as a priority for measuring the quality of their data.