Datenqualität

das Fundament für erfolgreiche Business-Entscheidungen

Erfolgskriterien für Datenqualität

Messen, steuern – und verbessern

Messen, steuern – und verbessern

Datenqualität ist ein wesentlicher Erfolgsfaktor: Daten von minderer Qualität – also fehlerhafte Daten – können Prozesse verlangsamen und im Endeffekt Kundenbeziehungen schwächen. MIOvantage ist eine Software-Lösung, mit der Sie die Qualität Ihrer Daten messen und mittels sogenannter Datenqualitätsindikatoren (DQI) bestimmen können. Das erlaubt Ihnen die schnelle Identifizierung von Handlungsfeldern zur Datenqualitätsoptimierung – und damit zur Verbesserung Ihrer Business Performance. Starten Sie eine Datenqualitäts-Offensive!

Skalierfähige DQ-Lösungen

Skalierfähige DQ-Lösungen

Wenn Sie erst einmal an der „Stellschraube“ Datenqualität gedreht haben, werden Sie feststellen: Die Wirkung ist sofort spürbar! Bereits leichte Verbesserungen der Datenqualität haben z. B. in der Logistik oder im Kundenmanagement enorme Auswirkungen. Sie wollen Ihre Datenqualitäts-Offensive ausweiten? Kein Problem: Die persistente Datenhaltung verhindert Performance-Einbußen bei den produktiven Systemen – daher können die entladenen Daten, die Delta-Lieferungen und die Messages ohne Einschränkungen gespeichert und in die Messungen einbezogen werden. MIOvantage ist also komplett skalierfähig. Beste Voraussetzungen für den souveränen Umgang mit allen denkbaren „Big Data“-Szenarien!

Geschäftsprozesse bewerten

Geschäftsprozesse bewerten

Die Hauptursachen für schlechte Datenqualität sind system- und prozessübergreifende Datenverflechtungen in Kombination mit manuell verursachten Fehlern. Wenn Sie über Instrumente verfügen, die Ihre Geschäftsprozesse in ihrer gesamten Komplexität erfassen, dann können Sie das Übel bei der Wurzel packen und Datenqualitätsprobleme von vornherein vermeiden. MIOvantage verschafft Ihnen eine ganzheitliche Sicht auf sämtliche Daten und Prozesse. Heißt: Mit MIOvantage generieren Sie einen effektiven Nutzen für alle Organisationsbereiche in Ihrem Unternehmen!

Nachhaltigkeit sicherstellen

Nachhaltigkeit sicherstellen

Abgesehen von den Unternehmenskennzahlen, die sich objektiv messen lassen, wirkt sich eine bessere Datenqualität auch auf das Unternehmensimage, die Mitarbeitermotivation und die Marktposition aus – daher ist es wichtig, dass das Datenqualitätsniveau dauerhaft hoch bleibt. Mit MIOvantage kann die Datenqualität regelmäßig kontrolliert werden – das schafft die Voraussetzungen für eine ordentliche Data Governance. Im Ergebnis können Ihre Datenexperten kontinuierlich eine höhere „Datenrendite“ erwirtschaften.

Mehr Informationen: Top Datenqualitäts-Features von MIOvantage

Formeller Qualitäts-Check

Visuelle Dateninspektion

Bei der Datenqualität stehen Daten und Informationen im Mittelpunkt.
Deshalb ist es besonders wichtig, die Daten schon vor der automatisierten Messung anzuschauen, zu verstehen und Anomalien festzustellen.

Mit MIOvantage können die kompletten Daten über Milliarden von Datensätzen vor der Integration angezeigt, für die Formaterzeugung visuell inspiziert und anhand der Fast-Scrolling-Technologie überprüft werden.

Normierung/Standardisierung

Nach der Inspizierung folgt die Normierung: Alle Daten werden im Hinblick auf Vergleichbarkeit einander angepasst: Beispielsweise werden unterschiedliche Schreibweisen von Ländernamen vereinheitlicht, oder Geschlechts-, Größen- und Maßangaben werden formell angeglichen. Daten, die in verschiedenen Formaten vorliegen, werden in ein vordefiniertes Standardformat überführt.

Dataprofiling

Eine Basis-Überprüfung der Daten kann bereits in den Adaptern im Point-and-click-Verfahren anhand von standardisierten Datenoperationen erfolgen.
Dabei können z. B. Business-Rule-Verletzungen detektiert werden (nebst Identifizierung der verursachenden Daten oder Datenquellen), oder es können statistische Pattern- oder Wert-Analysen durchgeführt werden.

Configurable Classifier

Anhand der konfigurierbaren Musterbestimmung werden sämtliche Daten, die transponiert oder ungültig bzw. unvollständig oder nicht normgerecht sind, restrukturiert und bereinigt.

Fachlicher Qualitäts-Check

Matching

Mit unserer patentierten Matching-Methode lassen sich anhand von strikten und “fuzzy” Regeln (unter Berücksichtigung der transitiven Hülle) systeminterne und systemübergreifende Zusammenhänge bilden und fachlich auswerten. So kann auf die relevanten Daten gezielt und hoch performant zugegriffen werden.

Tansitive Hülle

Über eine transitive Hülle können Daten, die aus verschiedenen Systemen einer heterogenen Systemlandschaft stammen – und die nur indirekt miteinander verknüpft sind –, auf Konsistenz überprüft werden. Dies ermöglicht performante Messungen auf allen relevanten Daten und führt dazu, dass Anomalien und Fehler wie z. B. Kreisbeziehungen in den Daten entdeckt werden.

Businessregeln und –prozesse

Anhand von Businessregeln kann bestimmt werden, 1. wie die Daten aus den unterschiedlichen Systemen zusammengeführt werden sollen, 2. wie der Master-Datensatz auszusehen hat und 3. welche formellen und fachlichen Datenqualitätsregeln anzuwenden sind. Auf eine Vorselektion von bestimmten Daten wird absichtlich verzichtet, damit Bodensätze erkannt und Bereinigungsvorschläge mit zusätzlichen Informationen gemacht werden können.

Systemübergreifende Prozesse werden ebenfalls anhand von Businessregeln abgebildet und geprüft. Sie sind Bestandteil der definierten Datenqualitätsindikatoren (DQI).

DQIs

Datenqualitätsindikatoren

Um die Qualität der Daten eines Unternehmens messbar zu machen, werden sogenannte Datenqualitätsindikatoren (DQI) verwendet – diese beschreiben die Brauchbarkeit, die Glaubwürdigkeit, die Manipulierbarkeit und die Reputation der Daten (bzw. der Datenquellen und der Datenprozesse).

Die Festlegung von detaillierten Businessregeln (technischen und fachlichen) und deren Zuordnung zu den DQI versetzt jede Fachabteilung in die Lage, konkrete Bereinigungsmaßnahmen durchzuführen und Prioritäten für das DQ-Management zu setzen. Durch den kausalen Bezug zwischen gemessenen DQIs und KPIs wird für die Entscheider im Unternehmen direkt ersichtlich, wie sich die Datenqualität auf den Unternehmenserfolg auswirkt.

Massenbereinigung

Anreicherung

Alle Rohdaten der Datenquellen werden verarbeitet und in Kontexten abgelegt – so ist gewährleistet, dass keine Information verloren geht.

Jeder Analyse- oder Bereinigungsdatensatz kann vollständig mit allen benötigten Daten für sämtliche Fachabteilungen angereichert werden. Das erleichtert nicht nur die Datenbereinigung, sondern auch die Anschlussanalysen und die anschließenden Prozessentscheidungen.

Massenbereinigung

Anhand der automatisierten Messungen werden Fehlercluster erstellt, die als Basis für die Festlegung von geeigneten Maßnahmen zur Steigerung der Datenqualität dienen. Auf diese Weise ist es möglich, Massenbereinigungen in kürzester Zeit ohne aufwendige manuelle Arbeit durchzuführen.

Notwendige Nachverfolgungen werden protokolliert; unter Berücksichtigung der erfolgten Maßnahmen werden wiederholt weitere Messungen durchgeführt.

Deduplikation

Redundante Daten (Dubletten) werden identifiziert und eliminiert.

Master Data

Daten, die aus verschiedenen Quellen stammen, enthalten häufig redundante oder auch sich widersprechende Informationen. Über detaillierte Regeln kann der richtige Informationswert pro Attribut automatisch identifiziert und zu einem Masterdatensatz hinzugefügt werden. Dadurch ist fachliche Korrektheit und Verlässlichkeit gewährleistet.

Monitoring

Webbasiertes Monitoring

Alle Regeln, Fehlercluster und Messergebnisse wie DQIs und Regelauswertungen können anhand eines webbasierten Monitorings (Dashboards) jederzeit von berechtigten Mitarbeitern nachverfolgt und Trends abgelesen werden.

Sowohl Migrationen, Prozessänderungen, Bereinigungsmaßnahmen sowie Prozess- und Systemfehler können so jederzeit von Fachexperten und Management überprüft, priorisiert und bewerten werden.

Datenqualität OnPremise und als Service

Unsere Datenqualitätslösung bieten wir neben der klassischen OnPremise Lösung auch als Service an. Dies bietet Ihnen enorme Geschwindigkeits- und Investitionsvorteile, wenn es darum geht, kurzfristig die Datenqualität der Systeme zu beurteilen.

Durch eine klare Kapselung wird die Komplexität Ihrer Systemlandschaft reduziert und Sie benötigen weniger In-House Experten. Mit Hilfe unserer Data Engineers und durch unsere vollintegrierte Lösung schaffen wir es in kürzester Zeit für Sie individualisierte Lösungen zu bauen – OnPremise und als Service.

Wir bieten bereits vordefinierte Services für die Themenbereiche Classification, Data Preparation und Technical Data Quality (formelle DQ-Prüfung) über die Cloudplattformen von Amazon und Azure an.

Weiterführende Links

.

Case Study: Datenqualität Deutsche Telekom

.

.

Case Study: Datenprüfung und Migrations- unterstützung im Krankenhaus

.

Whitepaper:
Data quality aspects of Revenue Assurance

.

.

Whitepaper: Dataquality Management Method

.

.

Whitepaper: Datenaufbereitung und Datenqualität

.

Die Zukunft liegt im Schaffen von Verbindungen.

Wie können Sie zukunftsorientiert handeln? Wir geben Ihnen die Antwort.