Zum Hauptinhalt springen

Datenqualitätsmanagement

Hohe Datenqualität ist einer der am meisten unterschätzten Faktoren für den Erfolg von Informationssystemen. Mit Hilfe von Data Quality Monitoring werden Probleme frühzeitig und automatisiert im Data Warehouse erkannt und korrigiert. So erfährt die Datenqualität eine kontinuierliche Überwachung und Verbesserung. Abweichungen oder Fehler werden systemübergreifend rasch erfasst, gezielt lokalisiert und damit kostengünstig behoben.

Mit Data Quality Monitoring nachhaltig Datenqualitätsmängel verhindern

HIDECONTENT Mangelhafte Datenqualität kann im schlimmsten Fall zu Fehlentscheidungen im Unternehmen führen, die unternehmensinterne Unstimmigkeiten verursachen und darüber hinaus Bereichs- oder Unternehmenszielen entgegenwirken können. Folgen schlechter Datenqualität sind zum einen direkte Kosten, wie Ertragsverluste und Risikokosten, zum anderen aber auch indirekte Kosten, wie unzufriedene Mitarbeiter, Kosten durch entgangene Geschäfte und erhöhte Personalkosten.

Da komplexe Systeme wie ein Data Warehouse besonders anfällig für Datenqualitätsmängel sind, sind No linkhandler TypoScript configuration found for key news.. zur effizienten Datenqualitätsüberprüfung essentiell. Werden Mängel erst im Nachhinein aufgedeckt, ist deren Korrektur umso kosten- und zeitintensiver. Aufgrund dessen ist eine frühzeitige zielgerichtete Erkennung von Datenqualitätsproblemen durch Data Quality Monitoring schon beim Laden des DWH unerlässlich.

Frühzeitige und automatisierte Fehlererkennung durch DQMP

Mit Hilfe eines Data Quality Management Process (DQMP) werden kritische Objekte, wie zum Beispiel bestimmte Tabellen und wichtige No linkhandler TypoScript configuration found for key news..-Prozesse, regelmäßig analysiert und geprüft. Dabei gibt es verschiedene Prüfverfahren (DQ-Module), die in Form von Prüfroutinen (DQ-Monitore) zeitgesteuert, beispielsweise täglich, durchgeführt werden. Die DQ-Monitore können direkt nach dem täglichen Ladelauf des DWH ausgeführt werden, wodurch die Bereitstellungszeit nicht beeinträchtigt wird, und auch die kurze Durchführungszeit von etwa 20 Sekunden im Schnitt verursacht keinen nennenswerten Zeitverlust. Negative Ergebnisse  werden per E-Mail direkt den DWH-Verantwortlichen im Unternehmen mitgeteilt, sodass Probleme sofort behoben werden können. Der Zeitaufwand des DWH-Verantwortlichen beläuft sich dabei normalerweise auf nur wenige Minuten am Tag, da lediglich ein prüfender Blick auf die Auswertung zu werfen ist.

In den meisten Fällen werden bereits während der Analysephase entsprechende Anfragen erstellt, die unter anderem durch den Einsatz von Techniken des No linkhandler TypoScript configuration found for key glossary.. erfüllt werden. Erfahrungsgemäß wird ein Teil dieser Anfragen direkt als Monitoreingabeparameter übernommen, wodurch der Zusatzaufwand für die Erstellung eines DQ-Monitors sehr gering ist. Nach der Wahl des Moduls und der Angabe einiger weniger Parameter ist ein Monitor somit startbereit und kann aktiviert werden. Auf diese Weise werden Testläufe automatisch überwacht und ausgewertet.

Die frühzeitige Erkennung von Datenqualitätsmängeln durch Data Quality Monitoring verhindert mit einem geringen Einsatz an Arbeitszeit und niedrigen Betriebskosten viel Aufwand und hohe Kosten, die durch zu spät erkannte Probleme entstehen können.

Dr. Michael Allgöwer
Dein Ansprechpartner
Dr. Michael Allgöwer
Management Consultant
Machine Learning ist Michaels langjährige Spielwiese. Michael ist überzeugt, dass gutes Machine Learning eine Menge Branchenverständnis voraussetzt, und er liebt es, sich dieses Verständnis immer wieder zu erarbeiten. Sein neuestes Lieblingsthema ist Reinforcement Learning.
#MachineLearning #ReinforcementLearning #HumanIntelligence