
Datenqualität erfolgreich steuern
Description
Alles über E-Books | Antworten auf Fragen rund um E-Books, Kopierschutz und Dateiformate finden Sie in unserem Info- & Hilfebereich.
More details
Other editions
Additional editions

Persons
Content
- Cover
- Titel
- Impressum
- Geleitwort zur 3. Auflage
- Vorwort zur 3. Auflage
- Inhaltsverzeichnis
- Teil I
- 1 Datenqualität
- 1.1 Daten
- 1.2 Qualität
- 1.3 Datenqualität
- 1.4 Datenqualitätsmanagement
- 1.5 Zusammenfassung
- 2 Ausprägungen und Ursachen schlechter Datenqualität
- 2.1 Geschäftstreiber
- 2.2 Ausprägungen schlechter Datenqualität
- 2.3 Ursachen schlechter Datenqualität
- 2.4 Beispiel: Finanzdienstleister
- 2.5 Empfehlungen
- 3 Auswirkungen schlechter Datenqualität
- 3.1 Datenqualitätskosten
- 3.2 Gesetzliche Anforderungen
- 3.3 Business-Case-Betrachtungen
- 3.4 Empfehlungen
- 4 Organisation
- 4.1 Aufbauorganisation
- 4.2 Ablauforganisation
- 4.3 Empfehlungen
- 5 Referenzarchitektur für Business-Intelligence-Anwendungen
- 5.1 Referenzarchitektur
- 5.1.1 Datenquellen und Datenströme
- 5.1.2 Datenintegration
- 5.1.3 Datenhaltung
- 5.1.4 Informationsbereitstellung
- 5.1.5 Anwender und Rollen
- 5.1.6 Operative Anwendungen und Prozesse
- 5.1.7 Querschnittsprozesse
- 5.2 Problemstellen und Lösungsansätze hinsichtlich der Datenqualität
- 5.2.1 Datenquellen
- 5.2.2 Datenintegration
- 5.2.3 Datenhaltung
- 5.2.4 Informationsbereitstellung
- 5.3 Architektur für Datenqualitätsmanagement
- 5.4 Serviceorientierte Architektur
- 5.5 Master Data Management
- 5.5.1 Architektur
- 5.5.2 Umsetzung
- 5.6 Empfehlungen
- 6 Big Data
- 6.1 Definitionen von Big Data
- 6.1.1 Fachlich-datenbezogene Sicht
- 6.1.2 Gartner-Sicht
- 6.1.3 Technisch-infrastrukturelle Sicht
- 6.2 Bedeutung der Datenqualität bei Big Data
- 6.3 Herausforderung externe Daten
- 6.4 Herausforderung unstrukturierte Daten
- 6.5 Herausforderung Geschwindigkeit
- 6.6 Herausforderung Volumen
- 6.7 Empfehlungen
- 7 Kennzahlen zur Messung der Datenqualität
- 7.1 Anwendungsmöglichkeiten von Kennzahlen
- 7.2 Messpunkte für Datenqualität
- 7.3 DQ-Metriken
- 7.4 Kennzahlen für ausgewählte Datenqualitätskriterien
- 7.5 Kennzahlenbaum
- 7.6 Kennzahlenformular
- 7.7 Empfehlungen
- Teil II
- 8 Verbesserung der Datenqualität im Quellsystem
- 8.1 Vorbeugung vor neuen Datenqualitätsproblemen
- 8.2 Empfehlungen
- 9 Data Profiling
- 9.1 Data-Profiling-Prozess
- 9.1.1 Schritt 1: Integration der Daten
- 9.1.2 Schritt 2: Analyse der integrierten Daten
- 9.1.3 Schritt 3: Darstellung der Ergebnisse
- 9.1.4 Schritt 4: Fachliche Bewertung der Ergebnisse
- 9.2 Zusammensetzung des Data-Profiling-Teams
- 9.3 Vorgehensweise beim Data Profiling
- 9.4 Data-Profiling-Verfahren zur Analyse von Attributen
- 9.4.1 Standardanalysen auf Attributebene
- 9.4.2 Analyse der Attribute mit Geschäftsregeln
- 9.5 Data-Profiling-Verfahren zur Analyse von Datensätzen
- 9.5.1 Analyse auf Schlüsselattribute
- 9.5.2 Analyse auf abgeleitete Werte
- 9.5.3 Analyse von Datensätzen mit Geschäftsregeln
- 9.6 Data-Profiling-Verfahren zur Analyse von Tabellen
- 9.6.1 Analyse von Tabellen auf referenzielle Abhängigkeiten
- 9.6.2 Analyse von Tabellen mit Geschäftsregeln
- 9.7 Empfehlungen
- 10 Erfolgreiche Datenvalidierung und -filterung
- 10.1 Validierung auf vier Ebenen
- 10.2 Filterung fehlerhafter Daten
- 10.3 Validierung bei Extraktion oder Laden
- 10.4 Arten der Datenvalidierung
- 10.5 Erstellung der Validierungsregeln und Speicherung der Ergebnisse
- 10.6 Empfehlungen
- 11 Standardisierung und Bereinigung
- 11.1 Standardisierung
- 11.2 Datenbereinigung
- 11.3 Standardisierung und Bereinigung im ETL-Prozess
- 11.4 Verfahren für nicht zu bereinigende Daten
- 11.5 Empfehlungen
- 12 Datenanreicherung
- 12.1 Wirtschaftsinformationen
- 12.2 Geografische Informationen
- 12.3 Soziodemografische Informationen
- 12.4 Haushaltsbildung
- 12.5 Standards zur Klassifizierung von Waren und Dienstleistungen
- 12.6 Branchenklassifizierung
- 12.7 Empfehlungen
- 13 Verbesserung der Datenqualität in der Bereitstellung und Visualisierung
- 13.1 Bereitstellung der Daten
- 13.2 Visualisierung der Information
- 13.3 Empfehlungen
- 14 Wertschöpfung durch Metadaten
- 14.1 Metadaten: Begriff und Strukturierung
- 14.2 Metadatenarchitekturen
- 14.3 Metadatenmanagement
- 14.4 Metadatenkategorien
- 14.5 Probleme bei der Erstellung: Motivation und Aktualität
- 14.6 Nutzung von Metadaten
- 14.7 Empfehlungen
- 15 Data Quality Monitoring
- 15.1 DQ-Planung
- 15.2 DQ-Assessment
- 15.3 DQ-Phasenkonzepte
- 15.4 Methoden
- 15.5 Verantwortlichkeiten
- 15.6 Empfehlungen
- 16 Produktauswahl und -integration
- 16.1 Anbieter und Produkte
- 16.2 Auswahlkriterien im Überblick
- 16.3 Funktionale Kriterien
- 16.4 Integration
- 16.5 Einbeziehung der Fachbereiche
- 16.6 Sprachen und Länder
- 16.7 Einbindung in DQM-Prozesse
- 16.8 Empfehlungen
- Teil III
- 17 Datenqualitätsmanagement in einer Studie
- 17.1 Analyse des Istzustands
- 17.2 Entwurf des Sollkonzepts
- 17.3 Bewertung
- 17.4 Umsetzungsplanung
- 17.5 Empfehlungen
- 18 Datenqualitätsmanagement in der Spezifikation
- 18.1 Spezifikation der Schnittstellen
- 18.2 Definition der Rollen in der Datenorganisation
- 18.3 Festlegung der Datenqualitätsziele
- 18.4 Bezeichnung und Definition der Objekte
- 18.5 Festlegung der Geschäftsregeln
- 18.6 Messung der Qualität von Definitionen und Geschäftsregeln
- 18.7 Data Profiling in der Spezifikation
- 18.8 Entwurf des Systems
- 18.9 Empfehlungen
- 19 Datenqualitätsmaßnahmen in der Konstruktionsphase
- 19.1 Übertragung der Datenqualitätsziele
- 19.2 Konventionen und Richtlinien
- 19.3 Entwurf des Systems
- 19.4 Erstellung eines Prototypen
- 19.5 Empfehlungen
- 20 Steuerung der Datenqualität in der Realisierung
- 20.1 Einhaltung der Konventionen, Richtlinien und Konzepte
- 20.2 Data Profiling in der Realisierung
- 20.3 Einbindung der Datenverantwortlichen und Benutzer
- 20.4 Realisierung der Datenqualitätsmaßnahmen
- 20.5 Durchführung von Tests
- 20.6 Empfehlungen
- 21 Steuerung der Datenqualität im Betrieb
- 21.1 Monitoring und Berichtswesen
- 21.2 Ausbildung
- 21.3 Empfehlungen
- Anhang
- Abkürzungen
- Literatur
- Index
- Fußnoten
- 1 Datenqualität
- 2 Ausprägungen und Ursachen schlechter Datenqualität
- 3 Auswirkungen schlechter Datenqualität
- 4 Organisation
- 5 Referenzarchitektur für Business-Intelligence-Anwendungen
- 6 Big Data
- 8 Verbesserung der Datenqualität im Quellsystem
- 9 Data Profiling
- 10 Erfolgreiche Datenvalidierung und -filterung
- 11 Standardisierung und Bereinigung
- 12 Datenanreicherung
- 13 Verbesserung der Datenqualität in der Bereitstellung und Visualisierung
- 14 Wertschöpfung durch Metadaten
- 15 Data Quality Monitoring
- Teil III
- 16 Produktauswahl und -integration
- 17 Datenqualitätsmanagement in einer Studie
- 18 Datenqualitätsmanagement in der Spezifikation
- 19 Datenqualitätsmaßnahmen in der Konstruktionsphase
- 20 Steuerung der Datenqualität in der Realisierung
System requirements
File format: PDF
Copy protection: Watermark-DRM (Digital Rights Management)
System requirements:
- Computer (Windows; MacOS X; Linux): Use the free software Adobe Reader, Adobe Digital Editions, or any other PDF viewer of your choice (see eBook Help).
- Tablet/Smartphone (Android; iOS): Install the free app Adobe Digital Editions or another reading app for eBooks, e.g., PocketBook (see eBook Help).
- E-reader: Bookeen, Kobo, Pocketbook, Sony, Tolino and many more (only limited: Kindle).
The file format PDF always displays a book page identically on any hardware. This makes PDF suitable for complex layouts such as those used in textbooks and reference books (images, tables, columns, footnotes). Unfortunately, on the small screens of e-readers or smartphones, PDFs are rather annoying, requiring too much scrolling.
This eBook uses Watermark-DRM, a „soft” copy protection. This means that there are no technical restrictions to prevent illegal distribution. However, there is a personalised watermark embedded in the eBook that can be used to identify the purchaser of the eBook in the event of misuse and to provide evidence for legal purposes.
For more information, see our eBook Help page.