Databases Reference
In-Depth Information
leiden solche Qualität sichernden Maßnahmen unter höher gewichteten Perfor-
mance-Anforderungen.
Die
inhaltliche Datenqualität
ist bei akzeptabler Datendefinitionsqualität leicht
prüfbar. Über die Datenspezifikation gelangt man leicht zu Kriterien zur Korrek-
theit (
Vollständigkeit, Eindeutigkeit und Genauigkeit
) der Datenwerte eines isoliert
betrachteten Feldes. Mithilfe der
Geschäftsregeln
lassen sich Unplausibilitäten im
Verhältnis zu anderen Feldinhalten und über die Integritäten Unstimmigkeiten zu
in Beziehung stehenden anderen Datensätzen aufdecken. Im Unterschied zu den
anderen Hauptmerkmalen lässt sich die inhaltliche Datenqualität automatisiert
und reproduzierbar messen, wenn die bekannten Spezifikationen und Geschäfts-
regeln zur eindeutigen Aufdeckung von Datenfehlern genutzt werden.
Die
Qualität der Datenpräsentation
ist durch Fragen der
(zeitlichen) Verfügbarkeit,
Angemessenheit des Formats
und
Verständlichkeit
geprägt. Was nützen sauber doku-
mentierte und inhaltlich zu 100% korrekte Daten, wenn diese für den Nutzer zu
spät oder gar nicht verfügbar sind. Weitere Probleme können z. B. die Darstellung
von rein technischen Sichten (Feldnamen und Feldinhalte) sein, die für den End-
anwender erst durch Studium und Auswendiglernen von Schlüsseltabellen zu
fachlichen Inhalten werden. Die Anforderungen an die Präsentationsqualität sind
also überwiegend durch die Anwender getrieben und nicht durch technische Ge-
gebenheiten der Anwendung. Daher ist eine Feststellung dieser Qualität nur durch
eine direkte Einbeziehung der Anwender möglich.
Als Sonderfall ist sicherlich noch zu betrachten, dass auch nachgelagerte Systeme,
die über eine Schnittstelle mit Daten versorgt werden, Anforderungen an die Da-
tenpräsentation haben. Diese sind eher technisch orientiert. Über Transformati-
onsmethoden können Daten umgeschlüsselt und damit dem lesenden System
„verständlich“ gemacht werden. Daher ist Datenpräsentation in diesem Kontext
nicht kritisch. Wichtiger sind vielmehr die Aspekte der korrekten Datendefinition.
Ein alternativer Ansatz zur
Strukturierung der DQ-Merkmale
ist der nach
Ri-
chard Wang
[Wang 1996]. Wie in den vorangegangenen Abschnitten beschrieben
unterscheidet English drei Bereiche, nach denen Datenqualität betrachtet werden
kann. Dieses Modell ist insoweit recht pragmatisch, als dass es sich an den Erfor-
dernissen eines zu implementierenden Datenmodells orientiert. Metainformatio-
nen zu Datenfeldern werden hier in dem Bereich der Datendefinition hinterlegt.
Im Ansatz nach Richard Wang lassen sich zwei grundsätzliche Unterschiede er-
kennen. Zum einen legt Wang stärker den Datennutzer und damit das Thema In-
formationsqualität in den Vordergrund, zum anderen unterliegen in seinem Mo-
dell Metadaten den gleichen Anforderungen der Datenqualität wie Daten. Dies hat
den Vorteil, dass keine akademische Diskussion über den Unterschied zwischen
Metadaten und Daten geführt werden muss.
