Прогнозування поведінки якості інформації

Abstract

Розглянуто показники якості інформації (метрики Data Quality). Запропоновано підхід та інформаційна технологія до оцінювання та прогнозування показника якості, що описує достовірність інформації. Проведено короткий аналіз робіт, що присвячені різним підходам до визначення метрик Data Quality. Нелінійний характер показника достовірності інформації дає можливість прогнозувати його майбутню поведінку із застосуванням моделі стохастичної волатильності (МСВ), в якій для оцінювання параметрів застосовано програмно реалізований алгоритм Гіббса. Запропоновано розроблену для прогнозування волатильності валютного курсу інформаційну технологію застосувати для прогнозування майбутньої поведінки міри невизначеності показника достовірності інформації. Прогнозування показника достовірності інформації має ключовий вплив на процес прийняття рішень.

Рассматриваются показатели качества информации (метрики Data Quality). Предложен подход и информационная технология к оцениванию и прогнозированию показателя качества, который описывает достоверность информации. Проведен краткий анализ работ, посвященных разным подходам к определению метрик Data Quality. Нелинейный характер показателя достоверности информации дает возможность прогнозировать его будущие поведение с применением модели стохастической волатильности (МСВ), в которой для оценивания параметров применяется программно-реализованный алгоритм Гиббса. Предложено разработанную для прогнозирования волатильности валютного курса информационную технологию применить для прогнозирования будущего поведения меры неопределенности показателя достоверности информации. Прогнозирование показателя достоверности информации имеет ключевое влияние на процесс принятия решений

This paper considers information quality dimensions (Data Quality metrics). The approach and information technology to estimation and forecasting the data quality metric, which describes the accuracy of the information is proposed. A brief analysis of prior research on various approaches to defining metrics of Data Quality is presented. Nonlinearity of the data quality metric of accuracy makes it possible to forecast its future behavior using a stochastic volatility model (MSV), in which the Gibbs algorithm is used for parameter estimation. It is suggested to apply the information technology developed for forecasting the volatility of the exchange rate to forecast the future behavior of the uncertainty measure of the information accuracy. Forecasting of the accuracy measure of information has a key influence on the decision-making process.