Big datan laatuongelmien tutkimuksen teemat

Abstract

Tässä tutkielmassa selvitetään big datan laatuongelmien tutkimuksessa esiintyviä teemoja. Tutkielma toteutettiin systemaattisena kirjallisuuskatsauksena. Tutkimusprosessi toteutettiin kahdessa osassa. Ensimmäiseksi etsittiin lähdeaineistoa valitusta tietokannasta. Tutkimuksen vähäisyyden vuoksi lähdeaineiston etsintä rajattiin IEEE Xplorer Standards - tietokantaan. Hakutuloksista suodatettiin tutkimukseen sopivimmat julkaisut. Tarkempaan tarkasteluun valikoitui 23 julkaisua. Toisessa vaiheessa valittujen julkaisujen tiivistelmistä kartoitettiin tutkimuksissa esiintyneitä teemoja. Tutkimuksessa löydettiin julkaisuista yhteensä kahdeksan erilaista teemaa. Eniten julkaisuissa oli teemana datan laadun parantaminen. Tämä teema löytyi kahdeksasta julkaisusta. Seuraavaksi eniten julkaisuissa oli teemana datan laatuongelmat big datan kontekstissa sekä datan laadun arviointi. Kumpikin oli teemana kolmessa julkaisussa. Kolmanneksi eniten julkaisuissa oli teemana big datan laadun parantaminen. Tämä oli teemana kahdessa julkaisussa. Muita teemoja löytyi julkaisuista vain yhden kerran. Niitä olivat: big datan laadun varmistaminen, big datan laadun auditointi, big datan laadun haasteet terveydenhuollossa sekä big datan laadun hallinta. Tutkimusta big datan laatuongelmista on tehty vähän ja jatkotukimusta tarvitaan kaikkiin tutkimuksessa löytyneisiin teemoihin. Jatkotukimusta olisi hyvä myös keskittää tutkimuksessa vähemmän esiintyneisiin teemoihin.

This bachelor’s thesis explores the themes involved in the study of big data quality problems. The study was carried out as a systematic literature review. The research process was carried out in two parts. First, the source material was searched in the selected database. Due to the paucity of research, the search for source material was limited to the IEEE Xplorer Standards database. The most suitable publications for the study were filtered from the search results. 23 publications were selected for closer examination. In the second phase, the themes of the studies were mapped from the abstracts of the selected publications. The study found a total of eight different themes in the publications. Improvement of data quality was the main theme in the publications. This theme was found in eight publications. The next most published topics were data quality issues in the context of big data and data quality assessment. Each was the theme of three publications. The third most published topic was optimizing the improvement of big data quality. This was the theme of two publications. Other themes were found in the publications only once. These included: big data quality assurance, big data quality auditing, big data quality challenges in healthcare, and big data quality management. Little research has been done on big data quality problems and further research is needed on all the themes found in this study. It would also be a good idea to focus further support on less frequent themes in the study.