Kapitel 8. Datenqualität demokratisieren
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
"Hey - sind das gute Daten?"
"Kann ich diesem Armaturenbrett vertrauen?"
"Wem gehört dieser Datensatz?"
Wenn du diese Fragen - und viele andere - von Analysten und anderen Datenkonsumenten in deinem Unternehmen gehört hast, dann gratuliere ich dir! Die Bürde des Datenvertrauens liegt auf deinen Schultern.
Da Unternehmen immer mehr Daten erfassen und die Analytik zu einem festen Bestandteil jeder Unternehmensstrategie wird, steigt der Bedarf an qualitativ hochwertigen Daten, wodurch Dateningenieure, Analytiker und sogar Datenanalysten unter Druck geraten, diese wichtige, aber schwierige Aufgabe zu übernehmen.
Es spielt jedoch keine Rolle, wie viele Datenqualitätstests du durchführst - Datenvertrauen kann nur erreicht werden, wenn das gesamte Unternehmen dahinter steht. Obwohl fast alle Teams datengesteuert sind, tragen die Datenorganisationen oft die Hauptlast der Arbeit, wenn es darum geht, Datenqualitätsinitiativen zu verfolgen, durchzusetzen und zu skalieren.
Schließlich geht es bei der Datenqualität nicht nur darum, zuverlässigere Datenpipelines aufzubauen und Service Level Agreements (SLAs) für die Datenaktualität festzulegen. Es geht auch um Bildung und Kommunikation. Tatsächlich ist Datenqualität ein ebenso technischer wie ein kultureller Prozess. Und sehr oft geht es nicht darum, völlig korrekte Daten ...
Get Grundlagen der Datenqualität now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
