Datengüte

Datengüte bezeichnet die Gesamtheit der Eigenschaften von Daten, die ihre Eignung für festgelegte Verwendungszwecke bestimmen. Sie beeinflusst Genauigkeit, Vollständigkeit, Konsistenz, Aktualität, Validität, Eindeutigkeit und Integrität und ist maßgeblich für verlässliche Analysen, Berichte und regulatorische Compliance.

Zu den zentralen Qualitätsdimensionen gehören:

- Genauigkeit: Abbildung der realen Werte.

- Vollständigkeit: Erfassung aller relevanten Felder.

- Konsistenz: Widerspruchsfreiheit über Systeme hinweg.

- Aktualität: zeitnahe Verfügbarkeit.

- Validität: Einhaltung von Formaten und Definitionsbereichen.

- Eindeutigkeit: Vermeidung doppelter Datensätze.

- Integrität: korrekte Beziehungen zwischen Datensätzen.

Messung und Verbesserung erfolgen durch Datenprofiling, Plausibilitätsprüfungen, Validierungsregeln, Bereinigung, Deduplication und Data-Cleansing. Wichtige Kennzahlen sind Fehlerrate, Abdeckungsgrad, Timeliness und Konsistenzfehler. Typische Maßnahmen umfassen Data Quality Management, Datenprofiling, Stammdatenpflege (MDM) und Monitoring über Dashboards.

Governance und Organisation legen Verantwortlichkeiten fest (Data Owner, Data Steward), definieren Qualitätsziele, Regeln und Eskalationen, und integrieren Qualitätsprozesse in den gesamten Datenlebenszyklus. Data Governance unterstützt auch Compliance- und Datenschutzanforderungen.

Standards und Rahmenwerke umfassen ISO 8000, ISO 25012, DAMA-DMBOK und DCAM; sie liefern Methoden zur Bewertung, Verbesserung und Reifegradbestimmung der Datengüte.

Bedeutung: Gute Datengüte ist Grundvoraussetzung für valide Entscheidungen, effiziente Prozesse und Risikominimierung. Herausforderungen ergeben sich aus heterogenen Quellen, unvollständigen Metadaten, unklaren Verantwortlichkeiten und regulatorischen Vorgaben.