Datenthemen

Das Data Management Body of Knowledge (DMBOK) definiert Datenqualität (DQ) als „die Planung, Implementierung und Kontrolle von Aktivitäten, bei denen Qualitätsmanagementtechniken auf Daten angewendet werden, um sicherzustellen, dass sie für den Verbrauch geeignet sind und die Bedürfnisse der Datenkonsumenten erfüllen.“

Da die Erwartungen an die Datenqualität nicht immer verbalisiert und bekannt sind, ist eine fortlaufende Diskussion erforderlich. Die Datenqualität hängt vom Kontext und den Anforderungen des Datenverbrauchers ab.

Eine kurze Liste der Datenqualitätsdimensionen sind:

• Genauigkeit
• Vollständigkeit
• Konsistenz
• Integrität
• Angemessenheit
• Aktualität
• Eindeutigkeit/Deduplizierung
• Gültigkeit
• Zugänglichkeit

Andere Definitionen der Datenqualität umfassen:

• “ Fit für einen Zweck. Erfüllt die Anforderungen seiner Autoren, Benutzer und Administratoren.“ (Dr. Peter Aiken, adaptiert von Martin Eppler)
• „Vertrauen auf Genauigkeit, Konsistenz und Vollständigkeit der Daten, um im gesamten Unternehmen nützlich zu sein.“ (Michelle Knight)
• Tools und Prozesse für Parsing und Standardisierung, generalisierte „Bereinigung“, Matching, Profiling, Monitoring und Anreicherung (Gartner)

• Strong-Wang Framework: (Wang und Strong, MIT und DAMA DMBOK)
  • Intrinsische DQ:
    • Genauigkeit
    • Objektivität
    • Glaubwürdigkeit
    • Ruf
  • Kontextuelle DQ:
    • Mehrwert
    • Relevanz
    • Vollständigkeit
    • Angemessene Datenmenge
  • Repräsentative DQ:
    • Interpretierbarkeit
    • Verständlichkeit
    • Repräsentative Konsistenz
    • Prägnante Darstellung
  • Zugänglichkeit DQ:
    • Zugänglichkeit
    • Zugangssicherheit

Einige Anwendungen der Datenqualität sind:

• Steigerung des Werts von Unternehmensdaten und der Möglichkeiten, diese zu nutzen.
• Reduzierung von Risiken und Kosten im Zusammenhang mit Daten schlechter Qualität.
• Verbesserung der organisatorischen Effizienz und Produktivität.
• Schutz und Verbesserung der Reputation der Organisation.
• Datenprofilierung.
• Datenstandardisierung.
• Datenüberwachung.
• Datenbereinigung.

Bildnachweis: Rawpixel.com/.com