DQ Messgröße – 5 Steckbrief-Elemente

Für englisch-sprachige Leser: There is an English version of this post.

Dass eine DQ Messgröße einen aussagekräftigen Namen erhalten muss, ist wohl klar. Was sonst noch dazu gehört, wird in diesem Artikel genauer betrachtet. In einem folgenden Eintrag werden die Elemente an einem Beispiel weiter diskutiert.

1. Bezeichnung der DQ Messgröße

Eine aussagekräftige, einheitliche Bezeichnung erleichtet die Kommunikation zwischen den Beteiligten. Sie sollte die Messgröße knapp, aber möglichst genau beschreiben.

2. Beschreibung der Datenregel

Die Beschreibung der einzuhaltenden Datenregel muss so detailliert sein, dass die genaue Umsetzung der Prüfung abgeleitet werden kann und somit die DQ Messgröße mit Hilfe eines SQL Statements oder eines Programms umgesetzt werden kann. Dabei verwendete allgemeine Begriffe (z.B. ‘Kunde’) sind zu definieren, z.B. in einem allgemeinen Abschnitt der Dokumentation oder in einem Business-Glossar.

Nach Möglichkeit ist diese Regel zusammen mit dem betroffenen Fachbereich zu erarbeiten und meist in einem iterativen Prozess zu schärfen. Die dabei ermittelten Ausnahmen (d.h. Konstellationen bei denen eine Verletzung der Regel keinen Fehler darstellt) sind ebenfalls festzuhalten.

3. Auswirkungen der Regelverletzungen

Für eine Priorisierung bei mehreren DQ-Problemen ist es wichtig, die Folgen von Regelverletzungen zu kennen. Erste Ansatzpunkte:

  • Entstehen direkte Folgekosten durch die Regelverletzungen?
  • Werden gesetzliche Vorschriften verletzt?
  • Können Prozesse nicht oder nur mit zusätzlichem Aufwand oder Kosten durchgeführt werden?
  • Können Kennzahlen nicht bestimmt werden oder werden durch Regelverletzungen ungenau oder unzuverlässig?

Nach Möglichkeit sind qualitative und quantitative Folgen so genau wie möglich anzugeben. Hierfür ist es wichtig, einen guten Überblick über die Prozesse und Datenbewirtschaftung des Unternehmens zu haben und mit den verschiedenen Fachbereichen die Auswirkungen von Regelverletzungen zu erarbeiten. Um Management-Unterstützung für die Beseitigung von DQ-Problemen zu erhalten, ist es unerlässlich, die Folgen des Nicht-Handelns aufzuzeigen.

4. Fehler-Ursachen

Um einen Ansatz zur Korrektur und zur dauerhaften Beseitigung des DQ-Problems zu haben, ist es wichtig zu ermitteln, wo das DQ-Problem entsteht. In welchem System sind fehlerhafte Eingaben erfolgt oder benötigte Angaben unterblieben? U.U. muss man dabei mehrere Schritte in der Datenbewirtschaftungskette zurückgehen, um zur eigentlichen Fehler-Ursache zu kommen.

Die genaue Beschreibung der Fehler-Ursachen stellt eine wertvolle Hilfe bei der Definition von Präventionsmaßnahmen dar, mit denen nach einer Korrektur das erneute Auftreten des DQ-Problems verhindert werden soll.

5. Vorgehen zur Korrektur der fehlerhaften Datensätze

Den Abschluss bildet eine Beschreibung, wie fehlerhafte Datensätze korrigiert werden können:

  • Wenn Angaben fehlen oder falsch sind, wie können die korrekten Werte bestimmt werden? Können die Werte aus dem Internet (z.B. fehlerhafte Postleitzahlen) oder der Kundenakte entnommen werden? Muss gar der Kunde direkt angesprochen werden?
  • Werden diese Angaben von einem Benutzer erfasst werden? Welche Programme, Menüpunkte, Transaktionen etc. können dazu verwendet werden?
  • Gibt es ein Korrektur-Programm, mit dem eine maschinelle Korrektur bei großen Datenmengen erfolgen kann?

Mit diesen Informationen kann bei Auftreten von Fehlern schnell reagiert werden.

Comments

2 Comments on DQ Messgröße – 5 Steckbrief-Elemente

    […] Describing Data Quality Measurands February 5, 2010 by ThorstenFiled under: English  For German Readers: Es gibt eine deutsche Version dieses Artikels. […]

    […] Datensätze. Am Ende dieser Phase hat man eine Reihe von DQ Messgrößen (siehe meinen Beitrag zur Definition von DQ Messgrößen) und eine idealerweise automatische Möglichkeit zur Durchführung von Messungen für diese […]

Tell me what you're thinking...
and oh, if you want a pic to show with your comment, go get a gravatar!