Chapter 1 introduces basic data quality terms, including data quality dimensions and data quality roles and responsibilities. You will also learn the importance and value of data quality in a business context.

Importance of data quality

Value of data quality

Data quality questions

Data quality terms and concepts

Data quality definition in context

Bonus data quality dimensions

Data quality dimension practice

Importance of consistency

Data quality roles and responsibilities

The Data Governance Team

Which data quality role fits

Which role is responsible

Defining Data Quality Terms

You’ll start chapter 2 by identifying data quality rules for each data quality dimension using data profiles. You’ll also learn about metadata and data lineage before exploring the overall data quality process for triaging and remediating issues.

Datenqualitätsregeln basierend auf Dimensionen

Datenqualitätsregeln

Optionen

Gültigkeit

Aktualität

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

Data Quality Processes and Components

In chapter 3, you’ll learn about the different types of data quality rules and the concept of data quality alert thresholds. You’ll finish the chapter with an exercise that puts dimensions, data quality rules, data quality processes, and data quality alerts together.

Detective Data Quality Rules

Identifying detective rules

Remediating detected issues

Preventative Data Quality Rules

When to use a preventative rule

Detective versus preventative data quality rules

Anomaly detection

When to use anomaly detection

Triaging anomalies

Data quality thresholds

Threshold selection

Matching threshold to criticality

Wrap-Up

Data Quality Rules In Action

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

Dieser Kurs vermittelt die Grundlagen des Datenqualitätsmanagements sowie zentrale Konzepte, Dimensionen und Monitoring-Methoden.

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

Interaktive praktische Übung