こんな人におすすめ：
- データ分析担当者やデータサイエンティスト
- データ品質管理やデータガバナンス担当者
- 4V分析（Volume, Variety, Velocity, Veracity）を導入・活用したい企業担当者
プロンプト例：
「4V分析のためのデータ品質評価基準について、正確性、完全性、一貫性を含む具体的な評価項目と改善方法を詳しく説明してください。」
プロンプト例の出力結果：
4V分析を成功させるために重要なデータ品質評価基準には、以下のポイントがあります。
1. 正確性: データが事実を正しく反映しているかの確認。入力ミスや表記揺れの有無をチェックし、誤りを修正することが必須です。例えば、住所の誤りは配送トラブルを招くため、住所検索APIなどの活用が効果的です。
2. 完全性: 必要な項目が欠けていないかどうか。空欄（NULL値）の検査だけでなく、業務に必須の情報がそろっているかを評価します。BtoBデータにおける担当部署名の欠落は営業効率を下げます。
3. 一貫性: 異なるデータソースやシステム間で矛盾がないか確認します。データの格式や値の整合性を維持し、分析結果の信頼性を担保します。
4. その他の基準: 一意性、整合性、適時性、有効性なども加味して評価し、4V分析における互いのバランスを評価します。
評価方法としては、元データの検証、サンプリングチェック、異データ間照合、ルールベース評価、ETLツールによる自動化などがあります。これらを組み合わせて継続的に監査・改善することが重要です。
良質なデータは4V分析の成果を引き上げ、より的確な意思決定とビジネス価値の創出を可能にします。
