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

Datenqualitätsszenarien

Datenprofile

Datenqualitätsregeln basierend auf einem Datenprofil

Schlussfolgerungen anhand des Datenprofils

Metadaten und Datenqualität

Identifizierung von Metadaten

Datenherkunft und Reihenfolge von Datenaktionen

Triage von Datenqualitätsproblemen

Datenherkunft und Metadaten

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

Korrekturprozess für erkannte Probleme

Erkannte Probleme beheben

Präventive Datenqualitätsregeln

Geeignete Szenarien für präventive Datenqualitätsregeln

Optionen

Überwachende Datenqualitätsregel

Präventive Datenqualitätsregel

Gegenüberstellung: überwachende und präventive Datenqualitätsregeln

Anomalieerkennung

Geeignete Szenarien für die Erkennung von Anomalien

Behandlung von Anomalien

Schwellenwerte bei der Datenqualität

Festlegung von Schwellenwerten

Stufe 1: Einfache Warnung

Stufe 2: Warnung bei kritischem Problem

Stufe 3: Vorbeugung nötig bei kritischem Problem

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

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

Grundlagen der Data Governance

Für alle Einträge muss ein Kontotyp angegeben sein. Fehlt der Wert bei über 10 % der Einträge, informiere den Datenproduzenten. 

Alle Kundentypen in Datensatz1 müssen mit den Kundentypen in Datensatz2 übereinstimmen. Sind über 10 % der Einträge inkonsistent, informiere den Datenproduzenten.

Für alle Einträge muss das Kontoeröffnungsdatum in der Vergangenheit liegen. Wenn Fehler gefunden werden, sag dem Datenproduzenten Bescheid und mach einen Bericht über die SLA zur Fehlerbehebung.

Für alle Einträge mit dem Status „offen“ (Open) muss das Kontoeröffnungsdatum im Zeitraum von 3 Tagen liegen. Wenn ein Fehler gefunden wird, sag dem Datenproduzenten Bescheid und mach einen Bericht über die SLA-Korrektur.

Für alle Einträge mit Kundendaten muss ein aktueller Saldo vorhanden sein. Ist dies bei über 10 % der Einträge nicht der Fall, lade die Daten nicht und informiere den Datenproduzenten.

Anpassung von Schwellenwerten an die Kritikalität

Interaktive praktische Übung