Fachthemen
Ovia Raj Kumar & Tim Kettenacker Uniserv GmbH
Big Data ist heute Realität: Volumen, Geschwindigkeit und Vielfalt der Datenströme in Unternehmen erreichen nie da gewesene Ausmaße. Der Dateneinsatz ist so intensiv, dass man sie sprichwörtlich in jedem Winkel eines Unternehmens antrifft. Die Entscheidungsträger stellen umfangreiche Ressourcen für die Verwaltung von Daten bereit, da sie sich des Werts dieser Daten bewusst sind. Sie bedeuten Information und Wissen. Durch ihre Verwendung in der Data Science wird diese wertvolle Ressource zu einem entscheidenden Faktor für den angestrebten Unternehmenserfolg.
Tag für Tag wenden Unternehmen Zeit und Energie auf, um neue Strategien und Initiativen zu entwerfen, um mit ihren Kunden Kontakt aufzunehmen. Das Ergebnis dieser Anstrengungen ist, dass jeder Geschäftsbereich isoliert arbeitet und die Daten in unterschiedlichen Formaten und Systemen verwaltet. Nur in ganz seltenen Fällen ist eine gute Übersicht über alle Geschäftsbereiche hinweg vorhanden. Bevor die Daten jedoch fit für die unterschiedlichen Anforderungen in den Unternehmensbereichen gemacht werden können, muss sich der Kunde eben diesen Überblick verschaffen.
Ein Data Quality Audit bestimmt den Status quo der Datenqualität unter Berücksichtigung aller Aspekte. Das bedeutet, dass nicht nur die Daten im Fokus stehen, sondern auch die Informationserfordernisse der verschiedenen Abteilungen.
Der erste Schritt auf diesem Weg sind die Prozessanalyse sowie die Klärung der geschäftlichen Aspekte des Projekts und der aktuellen Datenressourcen durch konstruktive Kommunikation. Anschließend wird der komplette Datenbestand mit Hilfe der Qualitätstools von Uniserv analysiert: Data Analyzer & Data Quality Batch Suite.
Ganz allgemein kann ein Data Quality Audit in drei Abschnitte eingeteilt werden: Die erste befasst sich mit der Evaluation der vom Kunden erhaltenen Daten. Im zweiten Schritt erfolgt die Validierung der Daten und der Vergleich des Wertzuwachses im Vergleich zu den Rohdateien. Standardmäßig wird das Ergebnis der postalischen Prüfung und des Dublettenchecks geprüft. Abhängig davon kann die Analyse einen oder mehrere der folgenden Aspekte umfassen:
Die Anforderung, ansprechende Visualisierungen in das Datenqualitäts-Audit einzubeziehen, hat ihren Ursprung in dem Bedürfnis, komplexe Daten mit unseren Kunden zu teilen. Durch die interaktiven Grafiken erzeugen wir einen strukturierten Interpretationspfad, der unseren Kunden hilft, die Verbindung zwischen ihren Datasets zu begreifen. Außerdem gibt er ihnen die Möglichkeit, ihre Daten zu erkunden, da sie durch die eigene Neugier angetrieben werden. Daten erzählen Geschichten, und die Darstellung von Daten erzeugt eine emotionale Verbindung, durch die die übertragenen Informationen besser in Erinnerung bleiben.
Wir beraten Sie gerne!
Ovia Raj Kumar
Technical Consultant
Uniserv GmbH
Tim Kettenacker
Customer Data Scientist
Uniserv GmbH