{"id":68372,"date":"2022-05-23T07:11:12","date_gmt":"2022-05-23T11:11:12","guid":{"rendered":"https:\/\/dataladder.com\/die-12-haeufigsten-datenqualitaetsprobleme-und-deren-ursachen\/"},"modified":"2022-10-31T12:44:29","modified_gmt":"2022-10-31T12:44:29","slug":"die-12-haeufigsten-datenqualitaetsprobleme-und-deren-ursachen","status":"publish","type":"post","link":"https:\/\/dataladder.com\/de\/die-12-haeufigsten-datenqualitaetsprobleme-und-deren-ursachen\/","title":{"rendered":"Die 12 h\u00e4ufigsten Datenqualit\u00e4tsprobleme und deren Ursachen"},"content":{"rendered":"\n

Laut dem O’Reilly-Bericht “ The state of data quality 2020<\/a>“ sind 56 % der Unternehmen mit mindestens vier verschiedenen Arten von Datenqualit\u00e4tsproblemen konfrontiert, 71 % sogar mit mindestens drei verschiedenen Arten. Unternehmen verbringen viel Zeit und Ressourcen mit der Entwicklung von Datenqualit\u00e4tsrahmen und der Behebung von Datenqualit\u00e4tsproblemen. Um jedoch gute Ergebnisse zu erzielen, m\u00fcssen sie die genaue Natur dieser Probleme verstehen und herausfinden, wie sie \u00fcberhaupt in das System gelangen.<\/p>\n\n

In diesem Blog befassen wir uns mit einigen allgemeinen Datenqualit\u00e4tsproblemen, die in jedem Datensatz vorkommen, und zeigen auf, auf welche Weise sie sich in Ihrer Datenbank einschleichen k\u00f6nnen.<\/p>\n\n

Fangen wir an.<\/p>\n\n

Was ist ein Datenqualit\u00e4tsproblem?<\/h2>\n\n

Ein Datenqualit\u00e4tsproblem bezieht sich auf das Vorhandensein eines nicht tolerierbaren Mangels in einem Datensatz, der die Zuverl\u00e4ssigkeit und Vertrauensw\u00fcrdigkeit dieser Daten beeintr\u00e4chtigt.<\/strong><\/p>\n\n

Daten, die in unterschiedlichen Quellen gespeichert sind, enthalten zwangsl\u00e4ufig Probleme mit der Datenqualit\u00e4t. Diese Probleme k\u00f6nnen aus verschiedenen Gr\u00fcnden in das System eingef\u00fchrt werden, z. B. durch menschliches Versagen, falsche Daten, veraltete Informationen oder mangelnde Datenkompetenz im Unternehmen. Da Daten die Grundlage f\u00fcr kritische Gesch\u00e4ftsfunktionen sind, k\u00f6nnen solche Probleme ernsthafte Risiken und Sch\u00e4den<\/a> f\u00fcr das Unternehmen verursachen.<\/p>\n\n

Die Notwendigkeit, hochwertige Daten in allen Gesch\u00e4ftsprozessen zu nutzen, liegt auf der Hand. F\u00fchrungskr\u00e4fte investieren in die Einstellung von Datenqualit\u00e4tsteams<\/a>, weil sie die Mitarbeiter f\u00fcr die Erreichung und Aufrechterhaltung der Datenqualit\u00e4t verantwortlich machen wollen. Dar\u00fcber hinaus werden<\/a> komplexe Rahmenwerke f\u00fcr die Datenqualit\u00e4t entwickelt<\/a> und fortschrittliche Technologien eingesetzt <\/a>, um ein schnelles und genaues Datenqualit\u00e4tsmanagement<\/a> zu gew\u00e4hrleisten. All diese Bem\u00fchungen werden in der Hoffnung unternommen, den Traum von sauberen Daten<\/em> wahr werden zu lassen.<\/p>\n\n

All dies ist jedoch nur m\u00f6glich, wenn wir verstehen, was die Daten \u00fcberhaupt verunreinigt und woher es genau kommt.<\/p>\n\n

Die 12 gr\u00f6\u00dften Probleme mit der Datenqualit\u00e4t in Unternehmen<\/h2>\n\n

Ich habe vor kurzem einige Kundennotizen durchgesehen und eine Liste der 12 wichtigsten Datenqualit\u00e4tsprobleme zusammengestellt, die in den Organisationsdaten eines Unternehmens h\u00e4ufig vorkommen. Werfen wir einen Blick auf diese Liste.<\/p>\n\n

Problem Nr. 01: Fehlende Eindeutigkeit der Datens\u00e4tze<\/h3>\n\n

Ein durchschnittliches Unternehmen mit 200-500 Mitarbeitern nutzt heutzutage etwa 123 SaaS-Anwendungen <\/a>. Die gro\u00dfe Zahl und Vielfalt der Anwendungen, die zur Erfassung, Verwaltung, Speicherung und Nutzung von Daten eingesetzt werden, ist der Hauptgrund f\u00fcr eine schlechte Datenqualit\u00e4t. Und das h\u00e4ufigste Problem, das in solchen Situationen auftritt, ist, dass Sie am Ende mehrere Datens\u00e4tze f\u00fcr dieselbe Entit\u00e4t speichern.<\/p>\n\n

So werden beispielsweise alle Interaktionen, die ein Kunde w\u00e4hrend seiner Kaufentscheidung mit Ihrer Marke hat, irgendwo in einer Datenbank gespeichert. Diese Aufzeichnungen k\u00f6nnen von Websites, Landing-Page-Formularen, Werbung in sozialen Medien, Verkaufsaufzeichnungen, Rechnungsaufzeichnungen, Marketingaufzeichnungen, Aufzeichnungen \u00fcber Kaufpunkte und anderen Bereichen stammen. Wenn es keine systematische Methode gibt, um Kundenidentit\u00e4ten zu identifizieren und neue Informationen mit bestehenden zusammenzuf\u00fchren, kann es zu Duplikaten in Ihren Datens\u00e4tzen kommen.<\/p>\n\n

Und um Duplikate zu beseitigen, m\u00fcssen Sie fortgeschrittene Algorithmen zum Datenabgleich<\/a> ausf\u00fchren, die zwei oder mehr Datens\u00e4tze vergleichen und die Wahrscheinlichkeit berechnen, dass sie zur selben Entit\u00e4t geh\u00f6ren.<\/p>\n\r\n

\r\n
\r\n
\r\n
\r\n
\r\n

How to build a unified, 360 customer view<\/h1>\r\n

Download this whitepaper to learn about why it\u2019s important to consolidate your data to get a 360 view.<\/p>\r\n Download<\/a>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n\r\n <\/div>\r\n <\/div>\n\n

Problem Nr. 02: Fehlen von Beziehungseinschr\u00e4nkungen<\/h3>\n\n

Ein Datensatz verweist oft auf mehrere Datenbest\u00e4nde. Wenn jedoch keine Beziehung zwischen zwei oder mehreren unterschiedlichen Datenbest\u00e4nden definiert und durchgesetzt wird, k\u00f6nnen Sie am Ende eine Menge falscher und unvollst\u00e4ndiger Informationen erhalten.<\/p>\n\n

Betrachten Sie dieses Szenario als Beispiel: Ihr Kundenportal enth\u00e4lt Datens\u00e4tze f\u00fcr Neukunden<\/em>, die Sie in diesem Jahr gewonnen haben, sowie f\u00fcr Bestandskunden<\/em>, die im letzten Jahr ein Upgrade vorgenommen haben. Abgesehen von den grundlegenden Kundeninformationen gibt es definitiv einige Kundenfelder, die nur f\u00fcr ein neues Unternehmen <\/em>gelten und einige, die nur f\u00fcr einen neuen Kunden<\/em> funktionieren. Sie k\u00f6nnen beide Szenarien mit demselben, verallgemeinerten Datenmodell abwickeln, aber dies kann zu einer Vielzahl von Datenqualit\u00e4tsproblemen f\u00fchren, z. B. zum Fehlen notwendiger Informationen sowie zu mehrdeutigen oder falschen Informationen in Kundendatens\u00e4tzen.<\/p>\n\n

Um solche Szenarien zu bew\u00e4ltigen, sollten Sie immer spezifische Datenmodelle erstellen und Beziehungen zwischen ihnen erzwingen. Indem Sie eine Eltern-Kind-Beziehung (Supertyp\/Subtyp) zwischen Entit\u00e4ten erzwingen, erleichtern Sie denjenigen, die mit diesen Informationen zu tun haben, die Datenerfassung, -aktualisierung und das Verst\u00e4ndnis. Siehe das folgende ERD-Diagramm als Beispiel. Die grundlegenden Kundenfelder werden von den untergeordneten Subtypen, d. h. Neukunden<\/em> und Bestandskunden<\/em>, getrennt gehalten.<\/p>\n\n

Problem Nr. 03: Fehlende referenzielle Integrit\u00e4t<\/h3>\n\n

Referentielle Integrit\u00e4t bedeutet, dass die Datens\u00e4tze ihrem referenzierenden Gegenst\u00fcck entsprechen. Um die Probleme zu verstehen, die durch einen Mangel an referenzieller Integrit\u00e4t entstehen, betrachten wir das Beispiel eines Einzelhandelsunternehmens. Ein Einzelhandelsunternehmen speichert seine Verkaufsdaten wahrscheinlich in einer Verkaufstabelle <\/em>, und in jedem Datensatz ist vermerkt, welches Produkt verkauft wurde, als der Verkauf stattfand. Daher erwarten Sie wahrscheinlich, dass Sie in der Verkaufstabelle <\/em> sowohl Verkaufs-<\/em> als auch Produkt-IDs<\/em> finden. Wenn jedoch ein Verkaufsdatensatz <\/em>auf Produkt-IDs<\/em> verweist, die in der Produkttabelle <\/em>nicht vorhanden sind, ist es offensichtlich, dass Ihre Datens\u00e4tze keine referenzielle Integrit\u00e4t aufweisen.<\/p>\n\n

Diese Probleme k\u00f6nnen dazu f\u00fchren, dass Ihre Teams falsche Berichte erstellen, falsche Produkte ausliefern oder Produkte an Kunden liefern, die es gar nicht gibt, und so weiter.<\/p>\n\n

Problem Nr. 04: Fehlende Kardinalit\u00e4t der Beziehung<\/h3>\n\n

Die Beziehungskardinalit\u00e4t bezieht sich auf die maximale Anzahl von Beziehungen, die zwei Entit\u00e4ten miteinander haben k\u00f6nnen. Normalerweise k\u00f6nnen verschiedene Arten von Beziehungen zwischen Datenobjekten erstellt werden, je nachdem, wie die Gesch\u00e4ftsvorg\u00e4nge in einem Unternehmen ablaufen d\u00fcrfen.<\/p>\n\n

Anhand der folgenden Beispiele k\u00f6nnen Sie die Kardinalit\u00e4t zwischen verschiedenen Datenobjekten wie Kunde<\/em>, Kauf<\/em>, Standort<\/em> und Produkt<\/em> verstehen:<\/p>\n\n