Jokainen datatoimittaja sanoo aineistonsa olevan laadukasta. Väite on merkityksetön, ellei sen takana ole mittari, jonka voi tarkistaa.
Viisi mitattavaa ulottuvuutta
| Mittari | Kysymys | Miten testaat |
|---|---|---|
| Kattavuus | Kuinka monella rivillä kenttä on? | Pyydä osuus, älä lupausta |
| Tarkkuus | Onko arvo oikein? | Poimi 20 riviä ja soita |
| Tuoreus | Milloin tieto on todettu? | Pyydä havaintopäivä riviltä |
| Jäljitettävyys | Mistä tieto tulee? | Pyydä lähdeosoite |
| Toistettavuus | Saanko saman rajauksen uudelleen? | Pyydä rajaus näkyviin |
Tärkein yksittäinen testi on halpa: ota kaksikymmentä riviä ja soita ne läpi. Kymmenen minuutin työ kertoo enemmän kuin mikään esite.
Kattavuus on se, jossa harhaanjohdetaan useimmin
"460 000 yritystä" ja "kattava puhelinaineisto" voivat esiintyä samassa lauseessa, vaikka numero olisi vain joka kymmenennellä rivillä. Oikea kysymys ei ole montako riviä on, vaan montako riviä on sellaisia, joilla on se kenttä jonka takia ostan.
Tuoreus tarkoittaa eri asioita
"Päivitetty päivittäin" voi tarkoittaa, että uusia yrityksiä lisätään päivittäin — muttei sitä, että vanhat rivit tarkistetaan koskaan. Kysy erikseen, milloin yksittäinen rivi on viimeksi todennettu.
Miten me vastaamme näihin
Kattavuusluvut ovat aineistosivulla mitattuina, myös silloin kun ne ovat pieniä. Jokaisella rivillä on lähdeosoite ja havaintopäivä. Rajaus on aina näkyvissä ja toistettavissa. Näytteen saa ennen ostoa aitona — ei peitettynä.