Kapitel 1 definiert grundlegende Begriffe, die im Zusammenhang mit der Datenqualität auftauchen, darunter die Datenqualitätsdimensionen sowie Rollen und Verantwortlichkeiten. Außerdem lernst du die Bedeutung und den Wert von Datenqualität in einem geschäftlichen Kontext kennen.

Die Bedeutung der Datenqualität

Geschäftlicher Nutzen von Datenqualität

Fragen zur Datenqualität

Datenqualität: Begriffe und Konzepte

Definition von Datenqualität im Kontext

Weitere Datenqualitätsdimensionen

Übung zu Datenqualitätsdimensionen

Wichtigkeit von Konsistenz

Datenqualität: Rollen und Verantwortlichkeiten

Data-Governance-Team

Rollen im Zusammenhang mit der Datenqualität

Verantwortlichkeit für die Datenqualität

Begrifflichkeiten im Zusammenhang mit der Datenqualität

In Kapitel 2 werden zunächst mithilfe von Datenprofilen bestimmte Datenqualitätsregeln für jede Datenqualitätsdimension identifiziert. Du befasst dich auch mit Metadaten und der Datenherkunft, bevor du dann den gesamten Datenqualitätsprozess zum Suchen und Beheben von Fehlern kennenlernst.

Datenqualitätsregeln basierend auf Dimensionen

Datenqualitätsregeln

Optionen

Gültigkeit

Pünktlichkeit

Genauigkeit

Datenqualitätsszenarien

Datenprofile

Datenqualitätsregeln basierend auf einem Datenprofil

Gültige Schlussfolgerung

Mehr Informationen nötig

Schlussfolgerungen anhand des Datenprofils

Metadaten und Datenqualität

Identifizierung von Metadaten

Datenherkunftsebenen und Metadaten

Datenherkunft und Reihenfolge von Datenaktionen

Triage von Datenqualitätsproblemen

Datenherkunft und Metadaten

Datenqualitätsprozess

Umsetzung von Datenqualitätsprozessen

Prozesse und Komponenten zur Sicherung der Datenqualität

Abschließend stellt Kapitel 3 die verschiedenen Arten von Datenqualitätsregeln und das Konzept von schwellenwertbasierten Datenqualitätswarnungen vor. Du beendest das Kapitel mit einer Übung, in der das Gelernte zu Dimensionen, Regeln, Prozessen und Warnmeldungen bei der Datenqualität angewendet wird.

Überwachende Datenqualitätsregeln

Überwachende Datenqualitätsregeln identifizieren

Erkannte Probleme beheben

Präventive Datenqualitätsregeln

Geeignete Szenarien für präventive Datenqualitätsregeln

Gegenüberstellung: überwachende und präventive Datenqualitätsregeln

Erkennung von Anomalien

Geeignete Szenarien für die Erkennung von Anomalien

Behandlung von Anomalien

Schwellenwerte bei der Datenqualität

Festlegung von Schwellenwerten

Anpassung von Schwellenwerten an die Kritikalität

Zusammenfassung

Datenqualitätsregeln in Aktion

Cheat Sheet - Data Quality Dimensions

Die Datenqualität ist ein grundlegendes Konzept, das du bei der Arbeit mit Daten verstehen solltest. Vorgaben und Prozesse rund um die Datenqualität gibt es in vielen Branchen und im Arbeitsalltag all jener, die Daten erzeugen oder verwenden. Dieser Kurs deckt die Grundlagen ab, einschließlich Datenqualitätsdimensionen, Rollen und Verantwortlichkeiten sowie Arten von Datenqualitätsregeln. Du erlangst ein Verständnis für den Datenqualitätsprozess und wirst darauf vorbereitet, die Qualität deiner eigenen Daten zu überwachen. <br><br>
Zu Beginn erfährst du, wie „Datenqualität“ definiert wird und warum sie bei geschäftlichen Entscheidungen so wichtig ist. Sobald du das verstanden hast, lernst du sechs grundlegende Dimensionen der Datenqualität kennen. Dann nutzt du diese Dimensionen, um überwachende und präventive Regeln für die Datenqualität zu definieren. <br><br>
Am Ende dieses Kurses weißt du, wie du Datenqualitätsprobleme erkennen, überwachen und beheben kannst. Vermutlich wirst du deine Daten künftig mit einem kritischeren Blick betrachten und dir über mögliche Qualitätsprobleme schon vor der Nutzung der Daten Gedanken machen. Letztlich wirst du in der Lage sein, bessere Entscheidungen zu treffen und das Vertrauen in deine Daten zu stärken, indem du die in diesem Kurs behandelten grundlegenden Techniken zur Steigerung der Datenqualität anwendest.

<h2>Erforsche die Grundlagen der Datenqualität</h2>
Die Datenqualität ist ein grundlegendes Konzept, das du bei der Arbeit mit Daten verstehen solltest. Vorgaben und Prozesse rund um die Datenqualität gibt es in vielen Branchen und im Arbeitsalltag all jener, die Daten erzeugen oder verwenden. Dieser Kurs deckt die Grundlagen ab, einschließlich Datenqualitätsdimensionen, Rollen und Verantwortlichkeiten sowie Arten von Datenqualitätsregeln. Du erlangst ein Verständnis für den Datenqualitätsprozess und wirst darauf vorbereitet, die Qualität deiner eigenen Daten zu überwachen. 
<h2>Lernen Sie die Dimensionen der Datenqualität kennen</h2>
Zu Beginn erfährst du, wie „Datenqualität“ definiert wird und warum sie bei geschäftlichen Entscheidungen so wichtig ist. Sobald du das verstanden hast, lernst du sechs grundlegende Dimensionen der Datenqualität kennen. Dann nutzt du diese Dimensionen, um überwachende und präventive Regeln für die Datenqualität zu definieren. <br><br> Du lernst auch die Grundlagen der Anomalieerkennung, einer fortgeschrittenen Methode zur Überwachung der Datenqualität. Du wirst diese Konzepte zusammenführen, indem du den Datenqualitätsprozess anwendest. Du erfährst, welche Rolle für bestimmte Datenqualitätsaufgaben zuständig ist und in welcher Reihenfolge diese Aufgaben erledigt werden sollten. 
<h2>Beherrsche die Grundlagen des Datenqualitätsmanagements</h2>
Am Ende dieses Kurses weißt du, wie du Datenqualitätsprobleme erkennen, überwachen und beheben kannst. Vermutlich wirst du deine Daten künftig mit einem kritischeren Blick betrachten und dir über mögliche Qualitätsprobleme schon vor der Nutzung der Daten Gedanken machen. Letztlich wirst du in der Lage sein, bessere Entscheidungen zu treffen und das Vertrauen in deine Daten zu stärken, indem du die in diesem Kurs behandelten grundlegenden Techniken zur Steigerung der Datenqualität anwendest.

Erforschen Sie die Grundlagen des Datenqualitätsmanagements: Konzepte, Dimensionen, Techniken.

Einführung in die Datenqualität

Erkunden Sie die Grundlagen des Datenqualitätsmanagements. Lernen Sie Konzepte, Dimensionen und Techniken.

Grundlagen der Data Governance

Risikomanagement – Interessiert an Werten im Feld für den Kontostand, da die Abteilung oft Werte findet, die viel zu groß erscheinen.

Operatives Geschäft – Interessiert an Zahlungsfristen mit falscher Formatierung, die es erschwert, nach bestimmten Kunden zu filtern.

Informationstechnologie – Kümmert sich darum, dass die ETL-Pipelines wie geplant laufen und die Daten gemäß der täglichen SLA geladen werden.

Marketing – E-Mails von Kunden müssen jeden Morgen aktualisiert werden und verfügbar sein, um E-Mails über neue Produkte an Kunden zu schicken.

Buchhaltung – Interessiert daran, dass alle Kundenkonten einen korrekten Saldo aufweisen, der für die Prognose des Bargeldbedarfs der Bank verwendet wird.

Unternehmensentwicklung – Interessiert daran, dass E-Mail-Adressen der Kunden korrekt sind. Sonst ist der jeweilige Kunde nicht erreichbar.

Datenqualitätsszenarien

Einführung in die Datenqualität

Interaktive Übung