Grundlagen der Datenqualität

Kapitel 9. Datenqualität in der realen Welt: Gespräche und Fallstudien

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Es ist toll, in der Theorie über Datenqualität zu reden, aber wie sieht dieser gewünschte Zustand in der Praxis aus?

In den vergangenen Kapiteln haben wir erläutert, was nötig ist, um eine zuverlässige Datenqualität im großen Maßstab zu erreichen - von der Gestaltung eines DataOps-Workflows bis hin zu gängigen SQL-Tests, um den Umfang und die Frische deiner Datenbestände zu bestimmen. Wir haben auch ein paar Fallstudien aus der Praxis eingestreut, aber wie wir alle wissen, lässt sich Datenqualität nicht mit einem Lehrbuch erreichen, und der Weg zu "zuverlässigen Daten" hängt von verschiedenen anderen Elementen deiner Datenanalyse und technischen Praxis ab. Da die Technologien immer weiter fortschreiten und die Unternehmen immer datenabhängiger werden, müssen wir berücksichtigen, wie andere branchenbestimmende Prozesse und Technologien unsere Fähigkeit zur Steigerung der Datenzuverlässigkeit beeinflussen.

In diesem Kapitel besprechen wir fünf Themen, die für viele der heutigen Datenverantwortlichen ganz oben auf der Agenda stehen, und erklären, wie Datenqualität eine entscheidende Rolle spielt:

• Das Datengeflecht und der Stellenwert der Datenqualität

• Die Rolle der Datenqualität auf dem Weg zum Cloud-basierten Datenstapel

• Wissensgraphen als Schlüssel zu besser zugänglichen Daten ...