Allgemeiner Überblick über die DQC Platform

Die DQC Platform unterstützt Unternehmen dabei, Datenqualität über den gesamten Lebenszyklus hinweg zu sichern und zu verbessern – von der Erkennung bis zur Vorbeugung. Dieser Artikel bietet einen Überblick über die drei zentralen Säulen der Plattform.

1. Datenqualitätsprüfungen

Datenqualitätsregeln lassen sich automatisch oder manuell passend zu den Datentabellen erstellen. Die DQC Platform schlägt mithilfe von KI geeignete Regeln vor, die überprüft und aktiviert werden können. Dabei ist es möglich:

• Regeln auf Basis von Profiling-Erkenntnissen zu generieren

• Regel-Logik zu überprüfen und anzupassen

• Prüfungen auf Tabellen auszuführen und fehlerhafte Zeilen bis auf Datenpunktebene zu analysieren

Regelvorschläge sehen, Filter anwenden und einzelne Probleme untersuchen

2. Datenverbesserungen

Sobald Probleme erkannt werden, bietet die DQC Platform verschiedene Möglichkeiten zur Behebung – automatisch oder mit Unterstützung durch Fachexpertinnen und -experten:

• Missionen starten, um Nutzende zu benachrichtigen und Aufgaben zur Datenverbesserung zuzuweisen

• Intelligente Knoten wie Dublettenauflösung oder Adressvalidierung einsetzen

Missionen binden Business-Anwendende aktiv in die Lösung kritischer Probleme ein

3. Vermeidung schlechter Daten

Falsche Daten können bereits an der Quelle verhindert werden. Datenqualitätsregeln lassen sich direkt beim Entstehen anwenden:

• API-Endpunkte zur Prüfung von Daten bei der Erstellung oder beim Import nutzen

• Regelprüfungen in ETL-Prozesse integrieren, um bei Abweichungen automatisch zu stoppen

• Validierungen an Echtzeit-Workflows anbinden

  Ungültige Daten vor der Speicherung durch Prüfungen abfangen

Hinweise

• Jeder Schritt kann einzeln genutzt oder zu vollständigen Workflows kombiniert werden

• Es ist möglich, flexibel zwischen KI-gestützter und manueller Regelerstellung zu wechseln

• Mehr dazu: Rule creation possibilities, Missions overview