5. Strukturierte Datenanalyse, Profiling und Geschäftsregeln

Der Beitrag untersucht die essenzielle Rolle der Datenqualität in modernen Unternehmen und deren direkte Auswirkungen auf die Informationsqualität. Es wird die Unterscheidung zwischen formellen und informellen Informationen sowie die Bedeutung von Kontext und Zweck bei der Bewertung von Datenqualität erläutert. Der Text führt die Leser durch die Datenqualitätspyramide, die drei Stufen der Operationalisierung von Datenqualität darstellt: Datenqualitätsmetriken, Datenqualitätsmerkmale und die Gesamtheit der Datenqualität. Dabei werden verschiedene Ansätze zur Strukturierung von Datenqualitätsmerkmalen, wie die Modelle von Larry English und Richard Wang, vorgestellt. Besonders hervorgehoben wird die Bedeutung von Geschäftsregeln für die Prüfbarkeit und Messung der Datenqualität. Der Beitrag zeigt auf, wie Methoden der Datenanalyse zur Ermittlung und Korrektur von Geschäftsregeln eingesetzt werden können. Zudem wird die praktische Anwendung von Metriken und Regeln in verschiedenen Messprojekttypen, wie Konsistenzprüfungen und Datenmigrationen, detailliert beschrieben. Abschließend wird die Notwendigkeit einer zielgerichteten und operativ notwendigen Überprüfung der Datenqualität betont, um regulatorischen Anforderungen zu genügen und Business Intelligence erfolgreich zu betreiben.