О.С. Мандрика

КАЧЕСТВО ДАННЫХ КАК ОСНОВА ЦИФРОВОЙ ТРАНСФОРМАЦИИ: МЕТОДЫ ОЦЕНКИ КАЧЕСТВА ДАННЫХ В КОРПОРАТИВНОМ ХРАНИЛИЩЕ

Резюме: Цифровая трансформация образования напрямую зависит от качества данных, которые лежат в основе управленческих решений, персонализации обучения и прогнозной аналитики. Целью данного исследования является анализ методов оценки и обеспечения качества данных в корпоративных хранилищах образовательных организаций. В статье рассматриваются современные методы профилирования, верификации и валидации информации, поступающей из разнородных источников. Особое внимание уделяется организационным механизмам внедрения системы управления качеством данных, включая практические рекомендации по настройке процессов непрерывного мониторинга. Исследование доказывает, что зрелая практика управления качеством данных является критическим фундаментом для успешного внедрения технологий образовательной аналитики и искусственного интеллекта.

Ключевые слова: LMS, корпоративное хранилище данных, ERP, ETL-процессы.

O.S. Mandrika

DATA QUALITY AS THE FOUNDATION OF DIGITAL TRANSFORMATION: METHODS FOR ASSESSING DATA QUALITY IN CORPORATE WAREHOUSES

Summary: The digital transformation of education directly depends on the quality of the data that underpins management decisions, learning personalization, and predictive analytics. The aim of this study is to analyze methods for assessing and ensuring data quality in corporate data warehouses at educational institutions. The article examines modern methods for profiling, verifying, and validating information received from diverse sources. Particular attention is given to organizational mechanisms for implementing a data quality management system, including practical recommendations for setting up continuous monitoring processes. The study demonstrates that mature data quality management practices are a critical foundation for the successful implementation of educational analytics and artificial intelligence technologies.

Keywords: LMS, enterprise data warehouse, ERP, ETL processes

DOI: 10.34219/2078-8320-2026-16-1-23-29