Zeenea - Data Innovation Summit 2022

Leitfaden zum Data Quality Management #3 – Die wichtigsten Funktionen eines DQM-Tools

April 4, 2022
April 4, 2022
04 April 2022

Datenqualität, besser bekannt unter dem englischen Begriff Data Quality, bezieht sich auf die Fähigkeit eines Unternehmens, seine Daten dauerhaft und im Laufe der Zeit zu erhalten. Zum Thema Datenqualität hört man von Fachleuten immer wieder, dass deren Verbesserung die Lösung für alle geschäftlichen Probleme ist und daher oberste Priorität haben sollte.

Die Realität sieht unserer Meinung nach jedoch anders aus: Datenqualität sollte nur als ein Mittel unter vielen betrachtet werden, um die Unsicherheit beim Erreichen der Unternehmensziele zu verringern.

In dieser Serie erfahren Sie alles, was Sie über Datenqualitätsmanagement (DQM) wissen müssen:

  1. Die neun Dimensionen der Datenqualität
  2. Die Herausforderungen und Risiken der Datenqualität
  3. Die wichtigsten Funktionen eines DQM-Tools
  4. Der Beitrag des Datenkatalogs zum DQM

 

Im Folgenden möchten wir die auf dem Markt angebotenen DQM-Lösungen genauer untersuchen und so die Herausforderungen dieser Disziplin noch besser verstehen.

Wie geht man vor, um Qualitätsprobleme zu erkennen und zu beheben? Was bieten die marktüblichen Tools an Funktionen zur Verbesserung der Datenqualität?

Ohne zu sehr ins Detail zu gehen, möchten wir Ihnen die Qualitäten eines DQM-Tools anhand der wichtigsten Bewertungskriterien des Magic Quadrant for Data Quality Solutions von Gartner veranschaulichen.

Konnektivität

Ein DQM-Tool muss in der Lage sein, Qualitätsregeln für alle Daten im Unternehmen abzurufen und anzuwenden (interne, externe, On-Prem-, Cloud-, relationale, nicht-relationale Daten usw.). Das Tool muss sich also mit allen wichtigen Daten des Unternehmens verbinden können, um Qualitätsregeln anzuwenden.

Profiling, Messung und Visualisierung von Daten

Um Qualitätsprobleme zu beheben, muss man sie erst einmal erkennen können. Data Profiling ermöglicht es Business-Anwendern und IT-Abteilungen, sich einen Überblick über die Datenqualität zu verschaffen, um Probleme zu erkennen und zu verstehen.

Das Tool muss daher in der Lage sein, die im Abschnitt Die neun Dimensionen der Datenqualität beschriebenen Schritte durchzuführen: Qualitätsprobleme anhand der für das Unternehmen wichtigsten Dimensionen identifizieren.

Monitoring

Das Tool muss in der Lage sein, die Entwicklung der Datenqualität zu überwachen und die Verantwortlichen ab bestimmten Schwellenwerten zu alarmieren.

Standardisierung und Bereinigung von Daten

Es kommt zwangsläufig der Zeitpunkt, an dem die Daten bereinigt werden müssen. Hier sind Funktionen zur Datenbereinigung nötig, um Standards oder Geschäftsregeln zur Änderung von Daten (Format, Werte oder Layout) anzuwenden.

Matching und die Zusammenführung von Daten

Duplikate innerhalb von oder zwischen Datensätzen müssen identifiziert und entfernt werden.

Validierung von Adressen

Unvollständige oder fehlerhafte Adressen müssen standardisiert werden.

Pflege und Anreicherung von Daten

Dies sind die Fähigkeiten eines DQM-Tools, Daten aus externen Quellen zu integrieren, um die Vollständigkeit zu verbessern – und damit den Wert der Daten zu steigern.

Entwicklung und Umsetzung von Geschäftsregeln

Das DQM-Tool muss Geschäftsregeln erstellen, einsetzen und verwalten können, die dann zur Validierung von Daten verwendet werden.

Lösung von Problemen

Das DQM-Tool sollte es Fachbereichen und IT ermöglichen, Datenqualitätsprobleme zuzuordnen, zu lösen und zu überwachen.

Metadaten-Management

Das Tool muss in der Lage sein, alle Metadaten im Zusammenhang mit dem Datenqualitätsprozess zu erfassen und abzugleichen.

Zusammenarbeit

Schließlich muss sich die Lösung an die verschiedenen Rollen im Unternehmen anpassen, insbesondere an nicht-technische Fachanwender.

Werfen Sie einen Blick in unseren Leitfaden zum Data Quality Management

Für weitere Informationen über Datenqualität und DQM, laden Sie sich jetzt unseren kostenlosen “Leitfaden zum Data Quality Management“ herunter!

der-leitfaden-zum-data-quality-management-cover

zeenea logo

At Zeenea, we work hard to create a data fluent world by providing our customers with the tools and services that allow enterprises to be data driven.

zeenea logo

Chez Zeenea, notre objectif est de créer un monde “data fluent” en proposant à nos clients une plateforme et des services permettant aux entreprises de devenir data-driven.

zeenea logo

Das Ziel von Zeenea ist es, unsere Kunden "data-fluent" zu machen, indem wir ihnen eine Plattform und Dienstleistungen bieten, die ihnen datengetriebenes Arbeiten ermöglichen.

Related posts

Articles similaires

Ähnliche Artikel

Be(come) data fluent

Read the latest trends on big data, data cataloging, data governance and more on Zeenea’s data blog.

Join our community by signing up to our newsletter!

Devenez Data Fluent

Découvrez les dernières tendances en matière de big data, data management, de gouvernance des données et plus encore sur le blog de Zeenea.

Rejoignez notre communauté en vous inscrivant à notre newsletter !

Werden Sie Data Fluent

Entdecken Sie die neuesten Trends rund um die Themen Big Data, Datenmanagement, Data Governance und vieles mehr im Zeenea-Blog.

Melden Sie sich zu unserem Newsletter an und werden Sie Teil unserer Community!

Let's get started
Make data meaningful & discoverable for your teams
Learn more >

Los Geht’s!

Geben Sie Ihren Daten einen Sinn

Mehr erfahren >

Démarrez maintenant
Donnez du sens à votre patrimoine de données
En savoir plus >