Strategien zur Hebung der Datenqualitaet in Datenbanken

Empfehlungen

Info

Ansatz Kriterium Definition Transzendenter Ansatz „Qualität, … man weiss, was es ist und man weiss es doch nicht. … Aber manche Dinge sind nun mal besser als andere, das heisst, sie haben mehr Qualität“ Pirsig, 1991, S. 189 Produktorientierter Ansatz „… differences in quality often consist of differences in the quality of some desired ingredient or attribute.” Abbott, 1955, S. 126ff. Herkunft Philosophie Wirtschaftswissensch aften Probleme Kernaussagen Operationalisierbarkeit wird favorisiert von Qualität ist der absolut höchste Standard der Güte einer Leistung. Auch wenn der Begriff nicht exakt definierbar ist, so weiss doch jeder, wann er Qualität vor sich hat. Vage Definition; keine exakte Anwendbarkeit. Kaum operationalisierbar, nicht zum Aufbau eines Messinstrumentarium s geeignet. Kunden und Marketeers Qualitätsunterschiede lassen sich zurückführen auf Unterschiede in der Menge eines Bestandteils oder Attributes die zu einer Leistung gehören. Lässt subjektive Komponente der Einstellungen unberücksichtigt. Käufer können unterschiedliche Massstäbe anlegen. Produktorientierte Qualitätsindikatoren können durch Kommunikationspoliti k der Unternehmen zu Massstäben gemacht werden. Sehr gut operationalisierbar; objektiv messbar; Bildung von Rangfolgen möglich; Kontrolle einmal gesetzter Qualitätsstandards ohne Probleme möglich. Kundenorientierter Ansatz „Quality is fitness for use.“ Juran, 1974, Sec. 2-2 „Qualität ist der Grad der Eignung eines Produktes für bestimmte Verwendungszwecke und Nutzenerwartungen.“ Wimmer, 1987, S. 507 Marketing Ausschliesslich der Kunde bestimmt die Qualität einer Leistung. Qualität ist damit hochgradig subjektiv. Verdichtung einer grossen Anzahl unterschiedlicher Qualitätsurteile zu einem generellen Qualitätsurteil. Gefahr der Gleichsetzung von Qualität und Kundenzufriedenheit. Messinstrumentarium entwickelbar; Anwendung der Methoden der Einstellungsmessung. Herstellungsorientierter Ansatz „…we must define quality as conformance to requirements.“ Crosby, 1979, S. 17 Qualitätssicherung und -kontrolle der Produktion Die tatsächlich erbrachte Leistung muss den zuvor festgesetzten Normen und Regeln entsprechen. Enge Auslegung des Qualitätsbegriffes auf Produktionssicht. Festlegung der Standards und Normen muss häufig subjektiv geschehen. Damit erfolgt eine willkürliche Festlegung der Personen, die festlegen, was Qualität ist. Sehr gut operationalisierbar; Messinstrumente vorhanden; Kontrolle und Messung der Abweichung von den festgelegten Standards. Wertbasierter Ansatz „Quality means best for certain customer conditions. These conditions are (a) the actual use and (b) the selling price of the product.” Feigenbaum, 1961, S. 1 Nutzentheorie Marketing Qualität ist definiert als Austauschverhältnis. Das Individuum als Nutzenmaximierer wägt zu erbringendes Opfer und zu erwartenden Nutzen ab und begründet hierauf sein Qualitätsurteil. Hochgradig subjektiver Ansatz. Qualität wird nicht einer Leistung zugeordnet sondern einem Austauschverhältnis. Schwierigkeiten bei der Operationalisierung. F & E Angehörige Marketeers Produktion Finanzchefs, mündiger Kunde Tabelle 2: Die Qualitätsbegriffe nach Garvin, erweitert um die Favorisierung nach Wagner 59 59 Siehe Garvin, 1988 in [ 21 ], zitiert aus Wagner, 2005 in [ 64 ], Seite 4-99. Strategien zur Hebung der Datenqualität in Datenbanken - Diplomarbeit © Jürg Wolf 2007 Seite 24 / 83
2.3. Was ist Datenqualität 2.3.1. Definition im deutschsprachigen Raum Datenqualität ist ein mehrdimensionales Mass für die Eignung von Daten, den an ihre Erfassung/Generierung gebundenen Zweck zu erfüllen. Diese Eignung kann sich über die Zeit ändern, wenn sich die Bedürfnisse ändern. 60 Diese Einordnung dieser Definition anhand der Tabelle 2 zeigt, dass hier ein herstellerorientierter Ansatz vorliegt, dessen Messung sehr gut operationalisiert werden kann. Die Komplexität der Definition wiederum zeigt aber wiederum, dass hier die Datenqualität nicht auf einer simplen Skala dargestellt werden kann, wenn man alle Aspekte in Betracht ziehen will. Bei der Berücksichtigung aller Punkte müssten mehrere Dimensionen zur Darstellung bemüht werden. Dies wiederum stellt erhöhte Anforderungen an die Personen, die die Datenqualität messen und überwachen. Zudem werden mehrdimensionale Grafiken nicht von allen auf Anhieb verstanden. Aus diesem Grund ist es notwendig, eine vereinfachte Definition von Datenqualität heranzuziehen, welche die Komplexität bricht und trotzdem den Fokus auf der „Fitness for use“ behält: Gute Datenqualität liegt dann vor, wenn die Daten den vom Nutzer verlangten Zweck erfüllen. 61 Diese Definition kann in die Kategorie des kundenorientierten Ansatzes aus Tabelle 2 eingeordnet werden. 2.3.2. „Datenqualität“ und „Information Quality“ In der englischsprachigen Literatur wird der Begriff „Datenqualität“ mehrheitlich als „Information Quality“ verwendet. Die deutschen Begriffe „Daten“ und „Informationen“ werden oft synonym verwendet – sagen aber nicht das selbe aus. „Informationen“ werden meist als „verarbeitete Daten“ verstanden 62 . Im Zusammenhang mit dieser Arbeit und der Messung von Datenqualität spielt es eigentlich keine Rolle, welcher Begriff verwendet wird, da die Messung sowohl vor als auch nach der Verarbeitung erfolgen kann und muss. Standardliteratur wie „Quality Information and Knowledge“ [ 26 ] propagiert denn auch, dass diesbezüglich nicht unterschieden werden soll. 63 2.4. Geschichte des Begriffs Datenqualität Wie Würthele beschreibt 64 , ist der Begriff noch relativ jung (seit ca. 1995) und sein Verständnis uneinheitlich 65 – ähnlich wie im Kapitel 2.2 für den Begriff „Qualität“ aufgezeigt. Von einer einheitlichen Begriffsbenutzung ist man weit entfernt und entsprechende Prozesse und Metriken zur reproduzierbaren Erhebung von Datenqualität fehlen vielfach. Die in dieser Arbeit verwendeten Begriffe und Zusammenhänge bauen auf dem Begriffsnetz von Würthele auf, da dieses als einziges auch die „weichen Faktoren“ 66 mit einbezieht. 60 Siehe Würthele, 2004 in [ 89 ], Seite 21. 61 Siehe Wang et al. in [ 63 ]. 62 Siehe Huang et al. „In practice, managers differentiate information from data intuitively and describe information as data, that have been processed” in [ 26 ], Seite 13 und Stahlknecht et al. in [ 53 ], Seite 10. 63 Siehe Huang et al. „Unless specified otherwise, this book will use 'information' interchangeably with 'data'” in [ 26 ], Seite 13. 64 Siehe Würthele, 2004 in [ 89 ] Seite 12: „Exakte Definitionen oder gar eine Metrik, welche es erlaubt, die unternehmensweite Datenqualität messbar zu machen, fehlen bisher jedoch völlig“ / Seite 18: „Breit etablierte, einheitliche Definitionen fehlen, d.h. Begriffe werden uneinheitlich und auf völlig unterschiedlichen Abstraktionsebenen verwendet.“ 65 Siehe Huang et al. in [ 26 ], Seite 16: „A comprehensive survey of the literature, however, shows that there is no general agreement on information quality dimensions.“ 66 Für die Definition der „Weichen Faktoren“ siehe Kapitel 2.6.2, Punkt 2. Strategien zur Hebung der Datenqualität in Datenbanken - Diplomarbeit © Jürg Wolf 2007 Seite 25 / 83
Seite 1 und 2: AKAD Hochschule für Berufstätige
Seite 3 und 4: Danksagung Mein Dank geht an Herrn
Seite 5 und 6: 5.5. Strategie E: Daten-Lifecycle a
Seite 7 und 8: 1.2. Anzeichen schlechter Datenqual
Seite 9 und 10: schickt die Angaben per Fax zu Swis
Seite 11 und 12: 1.5. Wichtigkeit des Themas für di
Seite 13 und 14: Beispiel 1: Im Cockpit von Abbildun
Seite 15 und 16: Auf der anderen Seite taugt das The
Seite 17 und 18: 1.6.6. Solvency II „Solvency II
Seite 19 und 20: 1.7.2. Datenqualität als Managemen
Seite 21 und 22: Qualität kann nach diesem Konzept
Seite 23: Dies wird insbesondere dann wichtig
Seite 27 und 28: 2.6.2. Das Datenqualitäts-Radar na
Seite 29 und 30: Aber wie steht es mit der Qualität
Seite 31 und 32: 2.9. Wie kann man Datenqualität id
Seite 33 und 34: 2.11. Anforderungen an ein einfache
Seite 35 und 36: 2.12.2. Kostenarten im Datenqualit
Seite 37 und 38: 2.14. Was Datenqualität nicht ist
Seite 39 und 40: 3.1.2. Data Cleansing Data Cleansin
Seite 41 und 42: eruhen im Abgleich mit anderen Date
Seite 43 und 44: 4.2.2. Auf Basis des TQM-Konzeptes
Seite 45 und 46: Zudem muss auch im Thema Datenquali
Seite 47 und 48: 4.5. Aus diesen Thesen abgeleitete
Seite 49 und 50: Aus diesem Grund muss diese Strateg
Seite 51 und 52: Eine derartige Implementation erhö
Seite 53 und 54: Beispiel 4: Die eine Applikation (A
Seite 55 und 56: Eine hohe Usability bringt den Nutz
Seite 57 und 58: Sind dann noch jeweils verschiedene
Seite 59 und 60: 5.5.5. Nachteile und Risiken dieser
Seite 61 und 62: Abbildung 27: Schritt 2 - Aufruf de
Seite 63 und 64: 5.8. Strategie H: Eingabe von „Ic
Seite 65 und 66: Beide Umsetzungen haben ihre Vor- u
Seite 67 und 68: Je nach Strategie werden mehr oder
Seite 69 und 70: 6. Empfehlungen und Ausblick Keine
Seite 71 und 72: Geschäftsregel (Business Rule) Hyp
Seite 73 und 74: 7.4. Tabellenverzeichnis Tabelle 1:
Seite 75 und 76:
[ 19 ] Fields Gary; 2003; From Comm
Seite 77 und 78:
[ 63 ] Wang, Richard; Madnick, Stua
Seite 79 und 80:
Anhänge Anhang A: eMail für die T
Seite 81 und 82:
8 Fragen zum Prozess 1 2 3 4 X Bitt
Seite 83:
Anhang D: Inhalt der CD Die beilieg
Alle anzeigen

Strategien zur Hebung der Datenqualitaet in Datenbanken

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?