依頼者: 架空の医療システム、Cedar Ridge Healthのデータガバナンスの責任者です。
理由: 3つの元の抽出データが来週データウェアハウスに読み込まれます。入り込んだ問題はどれも、後で患者数、在院日数、診断のレポートに現れ、そこではたどるのがはるかに難しくなります。
データ: hd_registrations_raw(クリニックと救急のシステムからの登録)、hd_encounters_raw(入院と経過観察の入院)、hd_diagnoses_raw(診断のフィード)、hd_icd10_ref(有効なコード)です。抽出データは2026年7月1日に取り出されました。
完成の目安: 確認ごとに1つのクエリで、それぞれ影響を受ける行の数を示します:登録のプロファイル、重複した人、ありえない生年月日、正規化の後も無効な診断コード、ありえない入院、2回読み込まれた行です。次に、何を最初に直すべきか、そしてその理由についての推奨です。
Cedar Ridgeの元の抽出データについての、7つのステップのプロジェクトです。最初の6つのステップはそれぞれSQLで書いた1つの確認で、ガバナンスの責任者がそれぞれの問題の大きさを把握できるように数えます。最後のステップは、推奨をまとめることです。