{"id":63178,"date":"2018-06-22T00:00:00","date_gmt":"2018-06-22T04:00:00","guid":{"rendered":"https:\/\/dataladder.com\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/"},"modified":"2022-05-11T14:34:15","modified_gmt":"2022-05-11T14:34:15","slug":"datenbereinigung-und-qualitaet-der-datensatzverknuepfung","status":"publish","type":"post","link":"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/","title":{"rendered":"Datenbereinigung und Qualit\u00e4t der Datensatzverkn\u00fcpfung"},"content":{"rendered":"

Die Datensatzverkn\u00fcpfung ist eine Methode zur Verkn\u00fcpfung von Datens\u00e4tzen mit denselben Entit\u00e4ten, wie z. B. Kunden. Die Datensatzverkn\u00fcpfung<\/a> kann zur Verbesserung der Qualit\u00e4t und Integrit\u00e4t von Daten eingesetzt werden, um die Wiederverwendung bestehender Datenquellen zu erm\u00f6glichen. Bei der Bearbeitung von Daten aus verschiedenen Quellen, ob es sich nun um Bewertungen, interne Daten, externe Datenanbieter oder aus dem Internet gesammelte Daten handelt, m\u00f6chten wir oft Personen oder Unternehmen in den Datens\u00e4tzen miteinander verkn\u00fcpfen. Ungl\u00fccklicherweise beginnen wir fast nie mit nahtlos sauberen Daten. Bei der Verwendung strukturierter Daten unterlaufen dem Einzelnen Fl\u00fcchtigkeitsfehler wie das Verwechseln von Buchstaben in Namen, einzelne Werte werden falsch erfasst, und Messfehler wirken sich auf die Ergebnisse aus. Bevor wir in die Daten eindringen k\u00f6nnen, kann eine Vielzahl von Dingen geschehen. Gelegentlich, und das ist vielleicht noch \u00e4rgerlicher, verwenden verschiedene Quellen einfach unterschiedliche Namen f\u00fcr die gleiche Einheit. Aufgrund dieser kleinen Unterschiede ist es schrecklich, die Daten nur anhand der eindeutigen Identifikatoren zusammenzuf\u00fchren<\/a>. Das Verfahren zur Verkn\u00fcpfung von Personen- oder Unternehmensdaten aus verschiedenen Quellen wird als Datensatzverkn\u00fcpfung bezeichnet. Die Datensatzverkn\u00fcpfung (Record Linkage, RL) ist der Prozess des Auffindens desselben Datensatzes in verschiedenen Datens\u00e4tzen. Bei den Aufzeichnungen kann es sich um Personen, B\u00fccher usw. handeln. Sie hat sich zu einer wichtigen Disziplin in der Informatik und bei Big Data entwickelt.<\/p>\n

Unabh\u00e4ngig davon, welche Verkn\u00fcpfungsmethode verwendet wird, steht am Anfang des Verkn\u00fcpfungsverfahrens in der Regel eine Datenbereinigungsphase. Die Datenbereinigung (gelegentlich auch als Datenstandardisierung<\/a> oder Datenbereinigung bezeichnet) umfasst die \u00c4nderung, Beseitigung oder anderweitige Ver\u00e4nderung von Feldern auf der Grundlage ihrer Werte. Es wird erwartet, dass diese neuen Werte die Qualit\u00e4t der Daten verbessern und somit f\u00fcr den Verkn\u00fcpfungsprozess wertvoller sind. Es gibt zwei Arten der Datenverkn\u00fcpfung, darunter:
\nDeterministisch <\/strong>
\nDie deterministische Datensatzverkn\u00fcpfung erzeugt Assoziationen, die auf der Anzahl der separaten Identifikatoren basieren, die in den vorhandenen Datengruppen gleich sind. Es wird angenommen, dass zwei Datens\u00e4tze durch einen deterministischen Datensatzzuordnungsprozess \u00fcbereinstimmen, wenn alle oder einige Identifikatoren gleich sind.
\nProbabilistisch <\/strong>
\nDiese Methode, gelegentlich auch als Fuzzy Matching<\/a>bezeichnet eine andere Methode f\u00fcr das Problem der Datensatzverkn\u00fcpfung anwenden, indem sie eine breitere Palette potenzieller Identifikatoren in Betracht ziehen, f\u00fcr jeden Identifikator Gewichte auf der Grundlage seiner voraussichtlichen F\u00e4higkeit, eine \u00dcbereinstimmung oder Nicht-\u00dcbereinstimmung richtig zu klassifizieren, berechnen und diese Gewichte verwenden, um die Wahrscheinlichkeit zu berechnen, dass sich zwei angenommene Datens\u00e4tze auf die gleiche Entit\u00e4t beziehen. Datensatzpaare mit Wahrscheinlichkeiten \u00fcber einer bestimmten Kante werden als \u00dcbereinstimmungen betrachtet, w\u00e4hrend Paare mit Wahrscheinlichkeiten unter einer anderen Kante als Nicht-\u00dcbereinstimmungen betrachtet werden; Paare, die zwischen diese beiden Kanten fallen, werden als „m\u00f6gliche \u00dcbereinstimmungen“ betrachtet und k\u00f6nnen entsprechend behandelt werden.
\nHerausforderung bei der Datensatzverkn\u00fcpfung<\/strong>
\nEine gro\u00dfe Herausforderung bei der Verkn\u00fcpfung von Datens\u00e4tzen ist das Fehlen gemeinsamer Objektidentifikatoren in den verschiedenen zu koordinierenden Quellsystemen. Daher muss der Abgleich anhand von Eigenschaften erfolgen, die teilweise identifizierende Informationen enthalten, wie Namen, Adressen oder Geburtsdaten. Obwohl solche klassifizierenden Informationen oft von geringer Qualit\u00e4t sind und insbesondere unter regelm\u00e4\u00dfig auftretenden typografischen Unterschieden und Fehlern leiden, k\u00f6nnen sich solche Informationen im Laufe der Zeit \u00e4ndern, menschliche Fehler auftreten oder sie sind nur teilweise in den zu koordinierenden Quellen vorhanden. In den letzten zehn Jahren wurden erhebliche Fortschritte bei verschiedenen Aspekten des Datensatzverkn\u00fcpfungsprozesses erzielt, insbesondere bei der Frage, wie die Genauigkeit des Datenabgleichs erh\u00f6ht werden kann und wie der Datenabgleich<\/a> bei sehr gro\u00dfen Systemen mit Millionen von Datens\u00e4tzen gemessen werden kann.<\/p>\n

Datenqualit\u00e4t und Datenbereinigung<\/h2>\n

Der Prozess der Datenbereinigung<\/a> umfasst das Entfernen von \u00fcberfl\u00fcssigen, veralteten oder falschen Daten. Saubere Daten sind ein entscheidendes Element f\u00fcr korrekte Informationen, Berichte und Analysen. Im gesamten Unternehmen treffen Einzelpersonen Gesch\u00e4ftsentscheidungen auf der Grundlage von Daten, die ihnen zur Verf\u00fcgung gestellt werden. Die Datenbereinigung bietet qualitativ hochwertige Daten, die dazu beitragen, die Herausforderungen des Betrugs zu bew\u00e4ltigen und die Unternehmen in die Lage versetzen, die Vorschriften einzuhalten. Qualitativ hochwertige Daten \u00fcber wichtige Gesch\u00e4ftseinheiten bieten den Wachstumskanal f\u00fcr ein erfolgreiches Unternehmen.
\nDurch den Einsatz von Datenbereinigungstechniken k\u00f6nnen die Unternehmen Duplikate in ihren Daten schnell abgleichen und erkennen. Saubere Kundendaten erm\u00f6glichen einen effektiven Verkauf und Werbung und helfen dem Unternehmen zu wachsen. Stellen Sie sich vor, dass Sie denselben Kunden mehrmals kontaktieren, nur weil er mehrere Eintr\u00e4ge im System hat – kostspielig und zeitaufw\u00e4ndig f\u00fcr die Vertriebs- und Supportmitarbeiter, schwierig f\u00fcr den Datenanalysten, m\u00fchsam f\u00fcr den BI-Entwickler und frustrierend f\u00fcr den Kunden. Schlechte Datenqualit\u00e4t wirkt sich auch auf den Markenwert aus und schadet dem Kundenerlebnis.
\nAuswahl der Schl\u00fcsselattribute in der Datensatzverkn\u00fcpfung
\nDazu geh\u00f6rt die Auswahl der besten Merkmale, anhand derer wir zwei \u00e4hnliche Personen unterscheiden k\u00f6nnen. F\u00fcr einzelne Datens\u00e4tze sind Name, Vorname, Nachname, Adresse und E-Mail die wichtigsten Merkmale. Ziel ist es, f\u00fcr ein Datensatzpaar einen „Vergleichsvektor“ von \u00c4hnlichkeitswerten f\u00fcr jedes Komponentenattribut zu erstellen. \u00c4hnlichkeitsbewertungen k\u00f6nnen einfach boolesch sein (\u00fcbereinstimmend oder nicht \u00fcbereinstimmend) oder sie k\u00f6nnen tats\u00e4chliche Werte mit Abstandsfunktionen sein.<\/p>\n

Prototyping<\/h2>\n

Dazu geh\u00f6rt die Entwicklung von Programmen zur Verkn\u00fcpfung von Datens\u00e4tzen und zur Datenverarbeitung von kleinen Datenproben, bevor sie auf den gesamten Datensatz angewendet werden. Normalerweise ist die Gr\u00f6\u00dfe der Datens\u00e4tze riesig und erfordert viel Zeit und Berechnungen. Dies hilft bei der Optimierung der Algorithmen und des Prozesses der Datensatzverkn\u00fcpfung, da sich die Durchlaufzeit bei der Durchf\u00fchrung von Tests erheblich verringert. Es ist wichtig, dass die Stichprobe den tats\u00e4chlichen Datensatz repr\u00e4sentiert.<\/p>\n

Paarweiser Abgleich<\/h2>\n

Nach der Konstruktion eines Vektors komponentenweiser \u00c4hnlichkeiten f\u00fcr ein Paar von Datens\u00e4tzen ist es wichtig, die Wahrscheinlichkeit zu berechnen, dass das aufgezeichnete Paar \u00fcbereinstimmt. Es gibt zahlreiche Methoden, um die Wahrscheinlichkeit einer \u00dcbereinstimmung zu ermitteln. Zwei einfache Methoden sind die Verwendung einer gewichteten Summe oder eines Durchschnitts der \u00c4hnlichkeitswerte der Komponenten. Eine andere einfache Methode ist die Anwendung des regelbasierten Abgleichs, aber die manuelle Erstellung ist schwierig. Die \u00c4hnlichkeitswerte werden auf der Grundlage verschiedener Algorithmen erzeugt, die in der Regel auf String-Matching beruhen, darunter Edit-Distance- und Fuzzy-String-Matching-Algorithmen.<\/p>\n

Leistungsmessung<\/h2>\n

Die Qualit\u00e4t der Datensatzverkn\u00fcpfung kann anhand der folgenden Dimension gemessen werden:<\/p>\n

    \n
  • Die Anzahl der korrekt verkn\u00fcpften Datensatzpaare (True Positives)<\/li>\n
  • Anzahl der fehlerhaft verkn\u00fcpften Datensatzpaare (falsch-positive Ergebnisse, Fehler vom Typ I)<\/li>\n
  • Die Anzahl der korrekt entkoppelten Datensatzpaare (echte Negative)<\/li>\n<\/ul>\n

    Die Anzahl der f\u00e4lschlicherweise nicht verkn\u00fcpften Datensatzpaare (falsch negativ, Typ-II-Fehler).<\/p>\n","protected":false},"excerpt":{"rendered":"

    Die Datensatzverkn\u00fcpfung ist eine Methode zur Verkn\u00fcpfung von Datens\u00e4tzen mit denselben Entit\u00e4ten, wie z. B. Kunden. Die Datensatzverkn\u00fcpfung kann zur Verbesserung der Qualit\u00e4t und Integrit\u00e4t von Daten eingesetzt werden, um die Wiederverwendung bestehender Datenquellen zu erm\u00f6glichen. Bei der Bearbeitung von Daten aus verschiedenen Quellen, ob es sich nun um Bewertungen, interne Daten, externe Datenanbieter oder […]<\/p>\n","protected":false},"author":9,"featured_media":58169,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_lmt_disableupdate":"","_lmt_disable":"","_links_to":"","_links_to_target":""},"categories":[1327,443,1245],"tags":[549,910,474,765,529,914,913,601,912,907,915,916,911,909,908],"acf":[],"yoast_head":"\nDatenbereinigung und Qualit\u00e4t der Datensatzverkn\u00fcpfung - Data Ladder<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Datenbereinigung und Qualit\u00e4t der Datensatzverkn\u00fcpfung - Data Ladder\" \/>\n<meta property=\"og:description\" content=\"Die Datensatzverkn\u00fcpfung ist eine Methode zur Verkn\u00fcpfung von Datens\u00e4tzen mit denselben Entit\u00e4ten, wie z. B. Kunden. Die Datensatzverkn\u00fcpfung kann zur Verbesserung der Qualit\u00e4t und Integrit\u00e4t von Daten eingesetzt werden, um die Wiederverwendung bestehender Datenquellen zu erm\u00f6glichen. Bei der Bearbeitung von Daten aus verschiedenen Quellen, ob es sich nun um Bewertungen, interne Daten, externe Datenanbieter oder […]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/\" \/>\n<meta property=\"og:site_name\" content=\"Data Ladder\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/web.facebook.com\/DataLadderSoftware\" \/>\n<meta property=\"article:published_time\" content=\"2018-06-22T04:00:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-05-11T14:34:15+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/Data-Cleansing-and-Quality-of-Record-Linkage.png\" \/>\n\t<meta property=\"og:image:width\" content=\"791\" \/>\n\t<meta property=\"og:image:height\" content=\"442\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"lbarrera\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"lbarrera\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"5 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/\"},\"author\":{\"name\":\"lbarrera\",\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\"},\"headline\":\"Datenbereinigung und Qualit\u00e4t der Datensatzverkn\u00fcpfung\",\"datePublished\":\"2018-06-22T04:00:00+00:00\",\"dateModified\":\"2022-05-11T14:34:15+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/\"},\"wordCount\":1090,\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/de\/#organization\"},\"keywords\":[\"Datenabgleich\",\"Datenanalyst\",\"Datenbereinigung\",\"Datenbereinigung\",\"Datenqualit\u00e4t\",\"Datenquellen\",\"Datens\u00e4tze\",\"Datensatzverkn\u00fcpfung\",\"Datenverarbeitung\",\"Datenverkn\u00fcpfung\",\"Externe Daten\",\"Interne Daten\",\"Phase der Datenbereinigung\",\"Saubere Daten\",\"strukturierte Daten\"],\"articleSection\":[\"Datenbereinigung und -standardisierung\",\"Unkategorisiert\",\"Verwaltung der Datenqualit\u00e4t\"],\"inLanguage\":\"de-DE\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/\",\"url\":\"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/\",\"name\":\"Datenbereinigung und Qualit\u00e4t der Datensatzverkn\u00fcpfung - Data Ladder\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/de\/#website\"},\"datePublished\":\"2018-06-22T04:00:00+00:00\",\"dateModified\":\"2022-05-11T14:34:15+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/#breadcrumb\"},\"inLanguage\":\"de-DE\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/dataladder.com\/de\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Datenbereinigung und Qualit\u00e4t der Datensatzverkn\u00fcpfung\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/dataladder.com\/de\/#website\",\"url\":\"https:\/\/dataladder.com\/de\/\",\"name\":\"Data Ladder\",\"description\":\"Enterprise Data Profiling, Cleansing, and Matching\",\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/dataladder.com\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de-DE\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/dataladder.com\/de\/#organization\",\"name\":\"Data Ladder\",\"url\":\"https:\/\/dataladder.com\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png\",\"contentUrl\":\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png\",\"width\":413,\"height\":408,\"caption\":\"Data Ladder\"},\"image\":{\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.linkedin.com\/company\/dataladder-llc\/\",\"https:\/\/web.facebook.com\/DataLadderSoftware\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\",\"name\":\"lbarrera\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g\",\"caption\":\"lbarrera\"},\"url\":\"https:\/\/dataladder.com\/de\/author\/lbarrera\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Datenbereinigung und Qualit\u00e4t der Datensatzverkn\u00fcpfung - Data Ladder","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/","og_locale":"de_DE","og_type":"article","og_title":"Datenbereinigung und Qualit\u00e4t der Datensatzverkn\u00fcpfung - Data Ladder","og_description":"Die Datensatzverkn\u00fcpfung ist eine Methode zur Verkn\u00fcpfung von Datens\u00e4tzen mit denselben Entit\u00e4ten, wie z. B. Kunden. Die Datensatzverkn\u00fcpfung kann zur Verbesserung der Qualit\u00e4t und Integrit\u00e4t von Daten eingesetzt werden, um die Wiederverwendung bestehender Datenquellen zu erm\u00f6glichen. Bei der Bearbeitung von Daten aus verschiedenen Quellen, ob es sich nun um Bewertungen, interne Daten, externe Datenanbieter oder […]","og_url":"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/","og_site_name":"Data Ladder","article_publisher":"https:\/\/web.facebook.com\/DataLadderSoftware","article_published_time":"2018-06-22T04:00:00+00:00","article_modified_time":"2022-05-11T14:34:15+00:00","og_image":[{"width":791,"height":442,"url":"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/Data-Cleansing-and-Quality-of-Record-Linkage.png","type":"image\/png"}],"author":"lbarrera","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"lbarrera","Gesch\u00e4tzte Lesezeit":"5 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/#article","isPartOf":{"@id":"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/"},"author":{"name":"lbarrera","@id":"https:\/\/dataladder.com\/de\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b"},"headline":"Datenbereinigung und Qualit\u00e4t der Datensatzverkn\u00fcpfung","datePublished":"2018-06-22T04:00:00+00:00","dateModified":"2022-05-11T14:34:15+00:00","mainEntityOfPage":{"@id":"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/"},"wordCount":1090,"publisher":{"@id":"https:\/\/dataladder.com\/de\/#organization"},"keywords":["Datenabgleich","Datenanalyst","Datenbereinigung","Datenbereinigung","Datenqualit\u00e4t","Datenquellen","Datens\u00e4tze","Datensatzverkn\u00fcpfung","Datenverarbeitung","Datenverkn\u00fcpfung","Externe Daten","Interne Daten","Phase der Datenbereinigung","Saubere Daten","strukturierte Daten"],"articleSection":["Datenbereinigung und -standardisierung","Unkategorisiert","Verwaltung der Datenqualit\u00e4t"],"inLanguage":"de-DE"},{"@type":"WebPage","@id":"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/","url":"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/","name":"Datenbereinigung und Qualit\u00e4t der Datensatzverkn\u00fcpfung - Data Ladder","isPartOf":{"@id":"https:\/\/dataladder.com\/de\/#website"},"datePublished":"2018-06-22T04:00:00+00:00","dateModified":"2022-05-11T14:34:15+00:00","breadcrumb":{"@id":"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/#breadcrumb"},"inLanguage":"de-DE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/dataladder.com\/de\/datenbereinigung-und-qualitaet-der-datensatzverknuepfung\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/dataladder.com\/de\/"},{"@type":"ListItem","position":2,"name":"Datenbereinigung und Qualit\u00e4t der Datensatzverkn\u00fcpfung"}]},{"@type":"WebSite","@id":"https:\/\/dataladder.com\/de\/#website","url":"https:\/\/dataladder.com\/de\/","name":"Data Ladder","description":"Enterprise Data Profiling, Cleansing, and Matching","publisher":{"@id":"https:\/\/dataladder.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/dataladder.com\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de-DE"},{"@type":"Organization","@id":"https:\/\/dataladder.com\/de\/#organization","name":"Data Ladder","url":"https:\/\/dataladder.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/dataladder.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png","contentUrl":"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png","width":413,"height":408,"caption":"Data Ladder"},"image":{"@id":"https:\/\/dataladder.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.linkedin.com\/company\/dataladder-llc\/","https:\/\/web.facebook.com\/DataLadderSoftware"]},{"@type":"Person","@id":"https:\/\/dataladder.com\/de\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b","name":"lbarrera","image":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/dataladder.com\/de\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g","caption":"lbarrera"},"url":"https:\/\/dataladder.com\/de\/author\/lbarrera\/"}]}},"modified_by":null,"_links":{"self":[{"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/posts\/63178"}],"collection":[{"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/comments?post=63178"}],"version-history":[{"count":1,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/posts\/63178\/revisions"}],"predecessor-version":[{"id":67183,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/posts\/63178\/revisions\/67183"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/media\/58169"}],"wp:attachment":[{"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/media?parent=63178"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/categories?post=63178"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/tags?post=63178"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}