Die wesentlichen Datenanalysen
Die Datenanalyse fokussiert im Wesentlichen auf drei Bereiche.
Untersuche mit der Strukturanalyse die Metadaten deiner Datenbanken und entdecke auf Knopfdruck Änderungen an Entitäten, Attributen, Constraints etc.
Nimm die Inhalte mit dieser Analyseart unter die Lupe und lass dir wichtige Statistiken wie Muster, häufigste Werte, Minimum, Maximum im Handumdrehen ermitteln. Du erhältst ein vollständiges Datenprofil. Wir finden für dich sämtliche ungültigen Werte aufgrund von definierten Validierungsregeln.
Nun geht es ans Eingemachte: Überprüfe mit Wenn-Dann-Regeln, ob Werte fachlich korrekt sind. Du kannst zudem die Regeln auf Relationen anwenden und so verifizieren, ob die Daten auch fachlich richtig sind.
Schritt für Schritt zum Ziel
Unser Vorgehen umfasst mehrere Schritte, die wir einzeln oder kombiniert einsetzen, abhängig von den jeweiligen Bedürfnissen unserer Kunden.
Im ersten Schritt werden die Geschäftsziele basierend auf der Ausgangslage und den spezifischen Use-Cases festgelegt. Die gewünschte Datenqualität und die Messkriterien werden definiert.
Bei diesem Schritt führen wir die Datenanalyse mit unserem Tool gemäss den definierten Zielen durch. Wir setzen dabei drei verschiedene Arten von Analysen ein: Strukturanalyse (STA), Dateninhaltsanalyse (DIA) und Fachanalyse (FAA).
Im Datenanalysebericht werden die Auffälligkeiten und Regelverletzungen im Detail festgehalten und bewertet. Durch unsere Erfahrung kennen wir die neuralgischen Punkte in der Datenhaltung. Dabei berücksichtigen wir technische Aspekte wie die Verletzung von Validierungen, Informationsdichte oder Probleme in der historischen Datenführung. Im Rahmen von Workshops erarbeiten wir mit deinem Fachbereich die wichtigen fachlichen Zusammenhänge und leiten weitere Regeln für die Fachanalyse ab.
Alle identifizierten Befunde werden zentral in einer Liste abgelegt. Aufgrund dieser Befunde erstellen wir eine Datenbereinigungsstrategie und erarbeiten Bereinigungsmassnahmen. Weiter können aus den Befunden wichtige Erkenntnisse abgeleitet werden, die u.a. als Input für das Datenmanagement deiner Unternehmung resp. für die Data-Governance dienen.
In diesem Schritt führen wir die konkrete Bereinigung durch. Eine sorgfältige Vorbereitung und detaillierte Nachkontrolle sind wichtige Faktoren, damit die Bereinigung den erwünschten Nutzen bringt.
Zu guter Letzt empfehlen wir eine regelmässige, automatisierte Wiederholung der Datenanalyse. Im Sinne eines kontinuierlichen Verbesserungsprozesses können die Regeln ergänzt oder angepasst werden. Dadurch nimmt die Breite und Tiefe der Datenqualitätsmessung laufend zu.
