ISSN 1436-3011

14.03.2010

Business & Competitive Intelligence
Strategien zur Verbesserung der Datenqualität im DWH-Umfeld
Wolfgang Behme, Sylvia Nietzschmann

Zusammenfassung

Datenqualität ist einer der wichtigsten Erfolgsfaktoren im Rahmen von Data-Warehouse-Projekten. Um die Auswirkungen von schlechter Datenqualität so gering wie möglich zu halten, bedarf es eines proaktiven Datenqualitätsmanagements. Nur dieses ist in der Lage, die Prozesse und Systeme so aufeinander abzustimmen, dass Fehler auf ein Minimum reduziert werden können. Der folgende Beitrag vergleicht zunächst ausgewählte Strategien zum Datenqualitätsmanagement. Anschließend werden die Erkenntnisse auf ein konkretes Projekt übertragen und deren Anwendbarkeit kritisch beleuchtet.

Inhaltsübersicht

1. Einleitung
2. Definitorische Grundlagen
   1. Datenqualität
   2. Qualitäts- und Datenqualitätsmanagment
3. Ausgewählte Strategien des Datenqualitätsmanagements
   1. Data Quality Program/Policy (Redman)
   2. Information Quality Environment (English)
   3. CLIQ - Data Cleansing mit intelligentem Qualitätsmanagement (Hinrichs)
   4. Proaktives Datenqualitätsmanagement (Helfert)
   5. Data Quality Assurance Program (Olson)
   6. Zusammenfassende Analyse der Strategien
4. Verwendbarkeit von Strategien: Erfahrungen aus einem DWH-Projekt
   1. Projekt SMART
   2. Datenqualität im Projekt
   3. Anwendbarkeit der Strategien
5. Literatur

HMD, Heft 247, Februar 2006