개념: 데이터 품질 모듈
데이터 품질
모듈은 필드 매핑 구성 데이터를 확인하여 데이터가 People Analytics 및 Storyteller의 유용성, 완전성 및 정확성 요건을 충족하는지 확인합니다. 데이터 품질
모듈은 이러한 데이터에서 People Analytics 설치 및 어플리케이션에 부정적인 영향을 미치는 문제가 있는지 확인하고 계속하기 전에 해결해야 할 수 있는 데이터 품질 결함을 반환합니다.채용 V2로 마이그레이션하면
Data Quality에서
더 이상 채용 파이프라인을 확인하지 않습니다. 데이터 품질
카드에 채용 파이프라인이 확인되지 않았음을 알리는 정보 메시지가 표시됩니다.People Analytics를 설치하거나 재설치하면 데이터 품질 모듈이 자동으로 실행되지만, 수동으로 실행할 수도 있습니다. People Analytics를 다시 설치하기 전에
데이터 품질
모듈을 수동으로 실행하여 새로 변경된 구성이 모든 요구사항을 충족하는지 확인하는 것이 좋습니다. People Analytics 구성
리포트에서 데이터 품질을 실행하고People Analytics 데이터 품질
리포트에 액세스하여 결과를 조회할 수 있습니다.일부 결함은 다른 결함보다 부정적인 영향이 더 큽니다. Workday는 각 결함에 심각도 레벨을 지정합니다.
- 심각 심각한 결함으로 인해 People Analytics가 설치되지 않을 수 있습니다. 이러한 결함은 또한 데이터 품질과 분석 결과의 무결성에 심각한 영향을 미칠 수 있으며 잠재적으로 제약조건이 있는 시큐리티에 영향을 미칠 수 있습니다. 발견한 경우People Analytics 구성리포트 또는 기본 데이터에서 심각한 결함을 해결합니다.
- 전공 주요 결함이 설치를 방해하지는 않지만 데이터 품질과 분석 결과의 무결성에 심각한 영향을 미칠 수 있습니다.People Analytics 구성리포트에서 이러한 문제를 해결하는 것이 좋습니다.
- 보통 중간 정도의 결함은 People Analytics의 KPI, 시각화 및 포커스 인사이트의 품질에 영향을 미칠 수 있습니다. 데이터 품질에 미치는 영향은 미미하므로 무시해도 됩니다.
카디널리티
특정 필드에서 고유한 값의 수를 확인합니다. 숫자를 해당 필드에 정의된 한도와 비교하고 필드의 카디널리티가 계층 내 예상 레벨과 관련하여 일관된지 확인합니다. 검사에 실패한 필드가 반환되고 값 열에 필드의 카디널리티가 표시됩니다.
카디널리티가 높으면(고유한 값이 많음) Storyteller 엔진 성능에 부정적인 영향을 미칠 수 있으며, 더 작은 그룹이 많이 있기 때문에 포커스 인사이트의 품질이 저하될 수도 있습니다.
크로스 파이프라인
일관된 값
파이프라인 전반에서 값의 일관성을 확인하고 두 개의 파이프라인 간 값을 정의된 한도와 비교합니다. 현재 한도는 각 파이프라인의 동일한 필드에서 중복되는 값이 없는 경우입니다.
Workday는 검사에 실패한 각 파이프라인의 필드를 반환하고 값 열에 각 파이프라인의 일치하지 않는 값의 백분율을 표시합니다.
데이터 유형
필드 유형을 검사하여 여러 파이프라인의 특정 필드가 동일한지 확인합니다. Workday는 검사에 실패한 필드를 반환하고 값 열에 필드의 데이터 유형을 표시합니다.
교차 파이프라인 결함은 사용자가 구성한 채우기 필터가 여러 파이프라인의 데이터를 필터링하지 못하게 하여 KPI 탭의 필터링에 심각한 영향을 미칠 수 있습니다.
중복 항목
동일한 근무자의 레코드가 여러 개 있는지 확인합니다. Workday는 직원 ID 또는 후보자 ID를 반환하고 값 열에 여러 레코드의 수를 표시합니다.
레코드가 중복되면 인원수가 정확하지 않아 기하급수적으로 영향을 미칠 수 있습니다.
비논리적인 값
특정 필드에 해당 필드에 대해 정의된 로직 규칙을 충족하지 않는 값이 포함되어 있는지 확인합니다. 예: 입사일이 미래인 경우 Workday는 검사에 실패한 필드를 반환하고 값 열에 해당 필드에 대한 비논리적 값의 백분율을 표시합니다.
비논리적인 값은 주제의 메트릭이 부정확하여 시각화, KPI 및 포커스 인사이트에 부정확한 데이터를 생성할 수 있습니다.
유효하지 않은 값
특정 필드에 해당 필드에 대해 정의된 유효한 값 목록에 없는 값이 포함되어 있는지 확인합니다. 검사에 실패한 필드가 반환되고 값 열에 해당 필드에 대해 유효하지 않은 값의 백분율이 표시됩니다.
유효하지 않은 값은 주제의 부정확한 메트릭으로 이어지며 시각화, KPI 및 포커스 인사이트에서 데이터가 부정확해질 수 있습니다.
누락된 값
특정 필드에 누락된 값이 몇 개인지 확인합니다. 누락된 값은 비어 있거나 NULL일 수 있습니다. Workday는 누락된 값이 있는 필드를 반환하고 값 열에 해당 필드의 누락된 값 비율을 표시합니다.
값이 누락되면 People Analytics에 표시되는 데이터가 왜곡되어 인력이 정확하게 반영되지 않을 수 있습니다.
복수 계층
계층의 하위 항목에 여러 계층의 상위 항목이 있는지 확인합니다. Workday는 여러 계층에 걸쳐 parent 계층과 함께 child 계층의 필드를 반환하고 값 열에 여러 계층의 수를 표시합니다.
다중 계층 결함은 중복으로 인해 데이터가 부정확해질 수 있으며, 조직에 속하지 않는 근무자에게 최종 사용자가 표시될 수 있으므로 보안에 부정적인 영향을 미칠 수 있습니다.
모집단
특정 VIBE Index 교차 그룹에서 고유한 값의 수를 확인하고 VIBE Index 교차 그룹에 정의된 최소 인원 요건과 이 숫자를 비교합니다. Workday는 검사에 실패한 교차 그룹 필드와 교차 그룹 수를 반환하고, 값 열에 충분한 그룹이 없는 교차 그룹의 레코드 수를 표시합니다.
자동입력 검사 결함으로 인해 Workday는 VIBE 계산에서 특정 교차점을 제외합니다.
스킬 카테고리 카디널리티
고유 스킬 카테고리 값을 10개 미만으로 사용하는지 확인합니다(Skills Cloud에서만). Workday는 스킬 카테고리 값의 현재 수를 반환합니다. 스킬 카테고리 수가 적으면 데이터 세분화가 제한되고 결과를 사용할 수 없게 될 수 있습니다.
스킬 항목 카테고리 유지관리
태스크에 액세스하여 스킬 카테고리 카탈로그를 업데이트합니다.카테고리 미지정 스킬 비율
스킬 카테고리에 지정되지 않은 스킬의 백분율이 한도인 5%를 초과하는지 확인합니다. 이 경우 검사에 실패한 스킬 값의 백분율이 반환됩니다.
스킬 항목 카테고리 유지관리
태스크를 사용하여 강조 표시된 스킬을 분류합니다.카테고리 미지정 스킬이 많으면 데이터 세분화가 제한되고 결과를 사용할 수 없게 될 수 있습니다.
매칭 점수 가능 여부 분포
매칭 점수는 명시적 또는 추론된 스킬로 구성된 근무자의 현재 포트폴리오를 직무 프로필에 나열된 스킬과 비교하는 계산입니다. 이 데이터 품질 검사는 그룹의 근무자에게 매칭 점수가 지정되었는지 확인합니다. Workday는 매칭 점수 가능 여부에 따라 그룹으로 나눈 근무자 그룹의 도넛형 차트 시각화를 반환합니다. 매칭 점수가 없는 근무자는 사유에 따라 분할됩니다.
- 근무자 프로필에서 충원되었거나 추론할 스킬이 없습니다.
- 근무자의 직무 포지션에서 충원되었거나 추론할 스킬이 없습니다.
- 직무 포지션의 스킬이 Skills Cloud의 스킬과 일치하지 않습니다.
매칭 점수가 없는 근무자가 많으면 People Analytics에 표시되는 데이터가 왜곡되어 인력 간에 존재하는 스킬이 정확하게 반영되지 않을 수 있습니다.
근무자 및 해당 직무 프로필, 직원 ID, 매칭 점수가 없는 사유 등을 조회할 차트의 세그먼트를 클릭합니다. 테이블을 Workday 디스커버리 보드로 내보낼 수 있습니다.