Data Quality

  • Konsistenz: Daten müssen widerspruchs- und doublettenfrei sein.
  • Vollständigkeit: Die Datenmenge muss exakt stimmen.
  • Validität: Daten müssen aus glaubwürdigen Quellen stammen.
  • Genauigkeit: Daten müssen im geeigneten Format mit der erforderlichen Anzahl an Nachkommastellen vorliegen
  • Aktualität: Daten müssen entsprechend der Erwartungen pünktlich bereitgestellt werden.

Data Quality als fortlaufender Prozess

Mix aus Software und Best-Practices

Datenqualitätskreislauf
Data Quality ist ein fortlaufender Prozess, in dessen Kontext die Qualitätsmaßstäbe immer wieder auf Neue definiert, geprüft und optimiert werden. (Grafik: ORAYLIS GmbH)

 

Newsletter Anmeldung

Abonnieren Sie unseren Newsletter!
Lassen Sie sich regelmäßig über alle Neuigkeiten rundum ORAYLIS und die BI- & Big-Data-Branche informieren.

Jetzt anmelden

Unsere Website benutzt Cookies, um bestmögliche Funktionalitäten bieten zu können. Durch die Nutzung unserer Website, erklären Sie sich mit der Verwendung von Cookies einverstanden. In unserer Datenschutzerklärung finden Sie unter §5 Informationen und Links, wie Sie diesen Maßnahmen jederzeit widersprechen können.