Kapitel 9. Entwurfsmuster für Datenqualität
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Vertrauen ist ein wichtiger Wert für einen Datensatz. Der Austausch von Daten ist wie eine gegenseitige Transaktion, bei der du entweder einen Dienst (Datensatz) anbietest oder konsumierst. Das Ziel ist es, dass der Produzent und der Konsument mit dem Datenaustausch zufrieden sind. Leider wirst du kaum mit einem Datensatz arbeiten wollen, dem du nicht vertrauen kannst, denn die daraus gewonnenen Erkenntnisse könnten jederzeit falsch sein.
Eine der Ursachen für den Vertrauensverlust ist eine schlechte Datenqualität, d.h. unvollständige, ungenaue und/oder inkonsistente Daten. Die gute Nachricht ist, dass diese Probleme nicht neu sind, und auch wenn Dateningenieurinnen und -ingenieure immer noch gegen sie ankämpfen, gibt es einige Designmuster, mit denen sich Datenqualitätsprobleme abmildern lassen.
In diesem Kapitel befassen wir uns mit Fragen der Datenqualität mit Hilfe von Entwurfsmustern, die in drei verschiedene Kategorien unterteilt sind. In der ersten Kategorie erfährst du, wie du die Qualität deiner Daten sicherstellst und so vermeidest, dass sie für deine nachgelagerten Kunden von schlechter Qualität sind.
Im nächsten Teil erfährst du, wie du Probleme mit der Datenqualität auf der Schemaebene angehen kannst. Oft können deine Produzenten Daten ohne offensichtliche Probleme erzeugen, bis sie sich entscheiden, ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access