Detlef Apel, Wolfgang Behme, Rüdiger Eberlein et al.
Datenqualität erfolgreich steuern
Praxislösungen für Business-Intelligence-Projekte
DATENQUALITÄT ERFOLGREICH STEUERN
4
Impressum
5
Inhalt
6
Vorwort
10
Einleitung
12
I. Theorie
16
I.1 Datenqualität
17
I.1.1 Daten
17
I.1.2 Qualität
18
I.1.3 Datenqualität
20
I.1.4 Datenqualitätsmanagement
25
I.1.5 Zusammenfassung
29
I.2 Ausprägungen und Ursachen schlechter Datenqualität
30
I.2.1 Geschäftstreiber
30
I.2.2 Ausprägungen schlechter Datenqualität
33
I.2.3 Ursachen schlechter Datenqualität
35
I.2.4 Beispiel: Finanzdienstleister
40
I.2.5 Zusammenfassung
42
I.3 Auswirkungen schlechter Datenqualität
43
I.3.1 Datenqualitätskosten
43
I.3.2 Gesetzliche Anforderungen
48
I.3.3 Zusammenfassung
52
I.4 Organisation
53
I.4.1 Aufbauorganisation
53
I.4.2 Ablauforganisation
61
I.4.3 Empfehlungen
64
I.5 Referenzarchitektur für Business-Intelligence-Anwendungen
66
I.5.1 Referenzarchitektur
66
I.5.2 Problemstellen und Lösungsansätze hinsichtlich der Datenqualität
70
I.5.5 Master Data Management
77
I.6 Kennzahlen zur Messung der Datenqualität
82
I.6.1 Anwendungsmöglichkeiten von Kennzahlen
83
I.6.3 DQ-Metriken
88
I.6.4 Beispiele für Kennzahlen je Datenqualitätskriterium
90
I.6.5 Kennzahlenbaum
92
I.6.6 DQ-Assessment
93
I.6.7 DQ-Planung
96
I.6.8 DQ-Projekte
97
I.6.9 Kennzahlenformular
97
I.6.10 Zusammenfassung
98
II. Technische Umsetzung
100
Einleitung
101
II.1 Verbesserung der Datenqualität im Quellsystem
104
II.1.1 Vorbeugung vor neuen Datenqualitätsproblemen
104
II.1.2 Empfehlungen
109
II.2 Data Profiling
111
II.2.1 Data-Profiling-Prozess
112
II.2.2 Zusammensetzung des Data-Profiling-Teams
114
II.2.3 Data-Profiling-Verfahren
115
II.2.4 Empfehlungen
148
II.3 Erfolgreiche Datenvalidierung und -filterung
150
II.3.1 Validierung auf vier Ebenen
150
II.3.2 Filterung fehlerhafter Daten
150
II.3.3 Validierung bei Extraktion oder Laden
154
II.3.4 Arten der Datenvalidierung
156
II.3.5 Erstellung der Validierungsregeln und Speicherung der Ergebnisse
158
II.3.6 Empfehlungen
159
II.4 Standardisierung und Bereinigung
160
II.4.1 Standardisierung
160
II.4.2 Datenbereinigung
162
II.4.3 Standardisierung und Bereinigung im ETL-Prozess
184
II.4.4 Verfahren für nicht zu bereinigende Daten
185
II.4.5 Empfehlungen
185
II.5 Datenanreicherung
186
II.5.1 Wirtschaftsinformationen
186
II.5.2 Geografische Informationen
188
II.5.3 Soziodemografische Informationen
190
II.5.4 Haushaltsbildung
190
II.5.5 Standards zur Klassifizierung von Waren und Dienstleistungen
192
II.5.6 Branchen-Klassifizierung
195
II.5.7 Empfehlungen
197
II.6 Verbesserung der Datenqualität in der Bereitstellung und Visualisierung
198
II.6.1 Bereitstellung der Daten
198
II.6.2 Visualisierung der Information
199
II.6.3 Empfehlungen
214
II.7 Wertschöpfung durch Metadaten
215
II.7.1 Metadaten: Begriff und Strukturierung
215
II.7.2 Metadaten-Architekturen
217
II.7.3 Metadaten-Management
219
II.7.4 Metadaten-Kategorien
221
II.7.5 Probleme bei der Erstellung: Motivation und Aktualität
225
II.7.6 Nutzung von Metadaten
225
II.7.7 Empfehlungen
227
II.8 Data Quality Monitoring
228
II.8.1 DQ-Messung und -Analyse
228
II.8.2 Methoden
230
II.8.3 Visualisierung
232
II.8.4 Benachrichtigung und Aktionen
236
II.8.5 Verantwortlichkeiten
236
II.8.6 Zusammenfassung
236
II.9 Produktauswahl und -integration
237
II.9.1 Anbieter und Produkte
237
II.9.2 Auswahlkriterien im Überblick
238
II.9.3 Funktionale Kriterien
239
II.9.4 Integration
242
II.9.5 Einbeziehung der Fachbereiche
243
II.9.6 Sprachen und Länder
244
II.9.7 Einbindung in DQM-Prozesse
244
II.9.8 Empfehlungen
244
III. Projektpraxis
246
Einleitung
247
III.1 Datenqualitätsmanagement in einer Studie
251
III.1.1 Analyse des Ist-Zustands
251
III.1.2 Entwurf des Soll-Konzepts
260
III.1.3 Bewertung
265
III.1.4 Umsetzungsplanung
265
III.1.5 Empfehlungen
265
III.2 Datenqualitätsmanagement in der Spezifikation
266
III.2.1 Spezifikation der Schnittstellen
266
III.2.2 Definition der Rollen in der Datenorganisation
267
III.2.3 Festlegung der Datenqualitätsziele
268
III.2.4 Bezeichnung und Definition der Objekte
271
III.2.5 Festlegung der Geschäftsregeln
273
III.2.6 Messung der Qualität von Definitionen und Geschäftsregeln
274
III.2.7 Data Profiling in der Spezifikation
274
III.2.8 Entwurf des Systems
275
III.2.9 Empfehlungen
278
III.3 Datenqualitätsmaßnahmen in der Konstruktionsphase
279
III.3.1 Übertragung der Datenqualitätsziele
279
III.3.2 Konventionen und Richtlinien
279
III.3.3 Entwurf des Systems
280
III.3.4 Erstellung eines Prototypen
286
III.3.5 Empfehlungen
286
III.4 Steuerung der Datenqualität in der Realisierung
287
III.4.1 Einhaltung der Konventionen, Richtlinien und Konzepte
287
III.4.2 Data Profiling in der Realisierung
287
III.4.3 Einbindung der Datenverantwortlichen und Benutzer
288
III.4.4 Realisierung der Datenqualitätsmaßnahmen
289
III.4.5 Durchführung von Tests
290
III.4.6 Empfehlungen
290
III.5 Steuerung der Datenqualität im Betrieb
291
III.5.1 Monitoring und Berichtswesen
291
III.5.2 Ausbildung
293
III.5.3 Empfehlungen
293
Die Autoren
295
Abkürzungen
297
Literaturverzeichnis
298
Register
303
Zurück an den Anfang
2
© 2009-2024 ciando GmbH