1. Data Type
data type을 확인한다. 
python을 했을 때도 numeric 열에서 중간에 갑자기 string이 들어가면 함수가 안먹곤했었다. 
그럴때 이유를 몰랐는데 나중에 하나씩 행을 까보다가 string을 발견했을 때가 있었다. 
Data Type을 확실하게 본다. 

2. Range
histogram 등 분위를 나누거나 할 때 숫자의 범위가 굉장히 중요하다. 
예를 들어, 어떤 item의 값이 너무 크다거나 0이라던가 이런 이상값은 범위를 적절하게 조절하여 포함되지 않게 한다. 

3. Uniqueness
예를 들어 Item 데이터를 정리할 때 겹치는 Item Number가 있으면 안되듯.
unique함을 확인해봐야한다.

4. format
예를 들어 어떤것은 소문자로쓰고 어떤것은 대문자로쓰고
예를 들어 니켈을 ni라고 했는데 어떤것은 kel 로 들어가있고 이러면 안된다는 것이다. 

5. null
사실 null이 있으면 무조건 안좋긴하다. 
그래서 현재 mark rate라고 기입율을 뽑아내는작업도 하고있다. 

1. Master data management

Data는 크게 Master Data와 Transaction Data로 나눌 수 있다.
Transaction Data는 매일 혹은 주기적으로 추가되는 Data로 고정되어있지 않다는 특징이 있고
Master Data는 Unique Name과 특징을 가진 Data로 Transaction Data와 함께 이해를 하기 위해 쓰인다. 고정적이다. 

2. Data Quality

3. Data security

4. Data governance

Data governace는 Data가 들어오는 것부터 어떻게 정의하고 정리하고 관리하고 유지하는 등 
모든 활동에 대해서 법률 및 규칙을 정해놓는. 그렇게 Data가 움직이게끔 해놓는 모든 장치들을 합한것을 Data Governance라고 한다. 그래서 보통 Data Governance가 중앙에 있고 다른 것들을 수식해준다.

5. Data Warehousing

6. Data Modeling

7. Data Architecture

등. 쓰지 않았지만 당연히 중요한 품질, 보안 등을 모두 관리하는 것에 속한다. 

아마 회사내에서도 거의 하게 될 업무가 이런 느낌일 것 같다. 

1. Accountability for data items 
이게 가장 우선시 된다. responsibility랑 비슷할 수 있는데 책임감보다는 작성잘하는, 관리잘하는 마음이다.
그리고 Steward랑 연결된다.

2. Data Stewardship
Ownership과 연결된다. 자기가 데이터를 생성하는 만큼 주의를 해야한다는 뜻이다. =

3. Data Policy
rule이자 Guideline이다. 우리가 정한, 맞다고 생각하는 규칙을 따른다.

4. Meta Data Management
메타데이터는 중심이되는 데이터로 거의 변하지 않아 정적이다. 
이와 반대로 transaction data는 동적이라 쌓인다. transaction data 분석을 할 때 메타데이터가 중요하다.

5. Data Tracking
change log가 있다면 같이 저장하는것이 좋다.

6. Data Quality
데이터가 정확한지 validation 작업도 포함된다.

7. Data Security
데이터 노출되거나 변질되지 않게 보안에 신경도 써야한다.