Am Ende dieses dritten Kurses der Total Data Quality Specialization werden die Teilnehmer in der Lage sein: 1. Designwerkzeuge und Techniken zur Maximierung der TDQ in allen Phasen des TDQ-Frameworks während einer Datenerhebung oder eines Datenerfassungsprozesses kennenlernen. 2. Aspekte der Datengenerierung oder des Datenerfassungsprozesses zu identifizieren, die sich auf die TDQ auswirken, und beurteilen zu können, ob und wie solche Aspekte gemessen werden können. 3. Verstehen Sie Strategien zur Maximierung der TDQ, die bei der Erfassung von entworfenen und gefundenen/organischen Daten angewendet werden können. 4. Lösungen für hypothetische Design-Probleme zu entwickeln, die während der Datenerhebung oder der Datenerfassung und -verarbeitung auftreten. Die gesamte Specialization zielt darauf ab, das Total Data Quality Framework zu vertiefen und den Lernenden mehr Informationen über die detaillierte Bewertung der Gesamtdatenqualität zu geben, die vor der Datenanalyse erfolgen muss. Ziel ist es, dass die Lernenden die Bewertung der Datenqualität als kritische Komponente für alle Projekte in ihren Prozess einbeziehen. Wir hoffen aufrichtig, das Wissen über die gesamte Datenqualität an alle Lernenden, wie z.B. Datenwissenschaftler und quantitative Analysten, weiterzugeben, die in den ersten Schritten des datenwissenschaftlichen Prozesses, die sich auf die Datenerfassung und die Bewertung der Datenqualität konzentrieren, nicht ausreichend geschult wurden. Wir sind der Meinung, dass ein umfangreiches Wissen über datenwissenschaftliche Techniken und statistische Analyseverfahren einer quantitativen Forschungsstudie nicht weiterhilft, wenn die gesammelten Daten nicht von ausreichend hoher Qualität sind. Diese Specializations konzentrieren sich auf die wesentlichen ersten Schritte bei jeder Art von wissenschaftlicher Untersuchung, bei der Daten verwendet werden: entweder die Generierung oder die Sammlung von Daten, das Verständnis dafür, woher die Daten stammen, die Bewertung der Datenqualität und die Ergreifung von Maßnahmen zur Maximierung der Datenqualität, bevor irgendeine Art von statistischer Analyse durchgeführt oder datenwissenschaftliche Techniken zur Beantwortung von Forschungsfragen angewendet werden. Angesichts dieses Schwerpunkts wird es nur wenig Material über die Analyse von Daten geben, die in unzähligen bestehenden Coursera Specializations behandelt wird. Das Hauptaugenmerk dieser Specialization liegt auf dem Verständnis und der Maximierung der Datenqualität vor der Analyse.