Fase 3.11
Datavalidering
3.1
Udbud eller indkøb?
Udbud eller indkøb?
3.2
Udbudsmateriale
Udbudsmateriale
3.3
Datakilder
Datakilder
3.4
Kravspecifikation – Funktionelleog ikke -funktionelle krav
Kravspecifikation – Funktionelleog ikke -funktionelle krav
3.5
Kravspecifikation – Sensordata
Kravspecifikation – Sensordata
3.6
Kravspecifikation – Bæredygtighed
Kravspecifikation – Bæredygtighed
3.7
Kravspecifikation- Persondatasikkerhedm.v.
Kravspecifikation- Persondatasikkerhedm.v.
3.8
Interoperabilitet
Interoperabilitet
3.9
Krav til IT-arkitektur
Krav til IT-arkitektur
3.10
Udviklingsmetode og proces
Udviklingsmetode og proces
3.11
Datavalidering
Datavalidering
3.12
Datalagring og deling
Datalagring og deling
3.13
Refleksion og næste skridt
Refleksion og næste skridt
Nulstil tidslinje
Datavalidering er afgørende for at sikre, at data er korrekte og pålidelige. Er der fejl i data, kan det påvirke kvaliteten af de data, der indsamles, og dermed medføre en forkert konklusion. Samtidig er det svært manuelt at identificere fejl ved store mængder af data.
Datavalidering bør derfor indtænkes i kommunernes måde at behandle data på, hvilket ikke mindst er vigtigt i takt med mængden af data vokser.
Der er flere metoder, der kan anvendes til at datavalidere. Er der tale om sensordata, kan man anvende flere forskellige metoder. Nogle gange bruger man dem alle for at opnå den størst mulige sandsynlighed for, at sensor-data er korrekte.
Metoder til datavalidering:
- Grundlæggende validering
- Tidsbaseret validering
- Multisensor validering
- Statistisk filtrering
- Fejlhåndtering og alarmer
- Validering fra edge devices
Den første metode benyttes altid før en eller flere af de øvrige.
Læs mere om metoderne i dokumentet ”Datavalidering” under Værktøjer.
Handling
- Tal med IT-afdelingen om de kan være behjælpelig med datavalidering af de data, der indkommer.
- Drøft arbejdsgang og mulige valideringsmetoder.