Databases Reference
In-Depth Information
eigenen Standards in entsprechende Datenqualitätsregeln umgewandelt und erho-
ben werden.
Das Auffinden und Dokumentieren dieser individuellen Standards ist häufig Auf-
gabe des Datenanalysten. Dabei greift er zunächst auf die in den Unternehmen
häufig unterschiedlich gut ausgeprägten Dokumentationen zurück. Beschreibun-
gen der Geschäftsprozesse, Datenmodelle, Schnittstellenbeschreibungen, Arbeits-
anweisungen und Schulungsunterlagen dienen ihm als Quelle für mögliche Da-
tenqualitätsregeln.
Zusätzlich lässt sich aber auch in den vorhandenen Daten häufig eine Vielzahl von
impliziten Datenqualitätsregeln identifizieren. Hierzu werden die Methoden des
Data Profiling und des Data Mining angewandt, um auf den vorhandenen Daten
eine ausführliche Analyse und Auswertung durchzuführen. Mit den entsprechen-
den Werkzeugen lassen sich auch aus größten Datenmengen Auffälligkeiten und
Datenfehler erkennen, die sich dann gemeinsam mit dem zuständigen Fachbe-
reichsmitarbeiter oder Datenverwalter (Data Steward) in zusätzliche Datenquali-
tätsregeln umformulieren lassen.
Technische Anforderungen (System, Anwendung, Datenbank)
Zusätzlich zu den aufgeführten fachlichen und rechtlichen Anforderungen existie-
ren noch eine ganze Reihe von technischen Anforderungen an die Daten, die sich
meist aus Limitierungen der benutzten IT-Systemen ergeben. Auch wenn immer
mehr Standardisierungen in technische Systeme Einzug nehmen, sind immer noch
eine Vielzahl von unterschiedlichen Rahmenbedingungen für die in heterogenen
Systemlandschaften verwendeten Anwendungen oder Datenbanken zu beachten.
Gerade der Austausch von Informationen zwischen verschiedenen Systemen stellt
eine häufige Quelle für Datenqualitätsprobleme dar. Deshalb ist es besonders
wichtig, in der frühen Projektphase alle systemtechnischen Anforderungen aufzu-
nehmen und zu dokumentieren. Hier gewinnt das Thema Metadaten-Management
zunehmend an Bedeutung. Eine saubere, zentrale Dokumentation und Verwaltung
der „Daten über die Daten“ bringt einen erheblichen Mehrwert. So kann zum Bei-
spiel schon frühzeitig erkannt werden, dass in verschiedenen Systemen unter-
schiedliche Datentypen verwendet werden oder die Bezeichnungen von Daten
variieren werden, da Feldbezeichnungen unterschiedlich lang sein können.
Umsetzten der fachlichen Anforderungen in technische Datenqualitätsregeln
Für die Anwendung von Datenqualitätsregeln gilt es in den meisten Fällen von
den Fachbereichen aufgestellte oder formulierte Anforderungen in meist sehr
technische Aussagen zu übersetzten. Die eigentliche Messung der vorhandenen
Datenqualität erfolgt im Allgemeinen auf entweder in Tabellenform vorliegenden
Daten oder auf Datenströmen.
Eine der größeren Herausforderungen des Datenqualitätsmanagements liegt hier-
bei darin, das in den Unternehmen häufig vorherrschende Datenqualitäts-
Esperanto aufzulösen. Fachliche Formulierungen aus den Geschäftsbereichen wie
