Metriken - spectrum_platform - spectrum_quality_1 - 23 - 23.1

Spectrum Data Quality-Handbuch

Product type
Software
Portfolio
Verify
Product family
Spectrum
Product
Spectrum > Qualität > Spectrum Quality
Version
23.1
Language
Deutsch
Product name
Spectrum Data Quality
Title
Spectrum Data Quality-Handbuch
First publish date
2007
Last updated
2023-10-25
Published on
2023-10-25T06:24:19.942092

Metriken geben die Art und Weise an, wie Daten gemessen werden. Dies wird für die Berichterstellung verwendet, um zu zeigen, welche Ausnahmetypen in Ihren Daten auftreten. Wenn die Bedingung beispielsweise die Vollständigkeit eines Datensatzes auswerten soll (also z. B. ob alle Adressen eine Postleitzahl enthalten), könnten Sie „Vollständigkeit“ als Datenqualitätsmetrik angeben.

Anmerkung: Die von Ihnen hier erstellten Metriken dienen als Standardoptionen für die Data Stewardship-Einstellungen und den Schritt „Exception Monitor“.

Sie können eine der vordefinierten Metriken auswählen oder Ihre eigene Metrik definieren.

  • Klicken Sie zum Definieren Ihrer eigenen Metrik auf die Schaltfläche „Element hinzufügen“ Bild der Schaltfläche „Element hinzufügen“, und konfigurieren Sie die Optionen nach Bedarf.
  • Wenn Sie eine vorhandene Metrik bearbeiten möchten, wählen Sie sie aus, klicken auf die Schaltfläche „Element bearbeiten“ Bild der Schaltfläche „Element bearbeiten“ und nehmen die gewünschten Änderungen vor.
  • Wenn Sie eine Metrik löschen möchten, wählen Sie sie aus und klicken auf die Schaltfläche „Element löschen“ Bild der Schaltfläche „Element löschen“.
  • Geben Sie die Suchdaten in das Feld Filter ein, um die Liste der Metriken zu filtern. Die Tabelle wird dynamisch aktualisiert.

Die folgenden vordefinierten Metriken sind zunächst verfügbar. Diese können nach Bedarf bearbeitet werden.

  • Accuracy: Die Bedingung erfasst, ob die Daten auf Basis einer vertrauenswürdigen Quelle überprüft werden konnten. Wenn eine Adresse beispielsweise nicht anhand der Daten von der Postbehörde überprüft werden konnte, könnte sie als Ausnahme gelten, da sie nicht korrekt ist.
  • Completeness: Die Bedingung erfasst, ob in den Daten wichtige Attribute fehlen. Beispiel: eine Adresse, bei der die Postleitzahl fehlt, oder ein Konto ohne Namen der Kontaktperson.
  • Consistency: Die Bedingung erfasst, ob die Daten zwischen mehreren Systemen konsistent sind. Wenn Ihr Kundendatensystem beispielsweise die Geschlechtscodes M und F verwendet, die von Ihnen verarbeiteten Daten jedoch die Geschlechtscodes 0 und 1 aufweisen, könnte bei den Daten von einem Konsistenzproblem ausgegangen werden.
  • Interpretability: Die Bedingung erfasst, ob Daten korrekt in eine Datenstruktur geparst wurden, die von einem anderen System interpretiert werden kann. Sozialversicherungsnummern sollten beispielsweise nur numerische Daten enthalten. Wenn die Daten Buchstaben enthalten, z. B. xxx-xx-xxxx, könnte bei ihnen von Auswertbarkeitsproblemen ausgegangen werden.
  • Recency: Die Bedingung erfasst, ob die Daten auf dem neuesten Stand sind. Wenn beispielsweise eine Person umzieht, in Ihrem System jedoch die alte Adresse dieser Person gespeichert ist, könnte bei den Daten von einem Aktualitätsproblem ausgegangen werden.
  • Uncategorized: Wählen Sie diese Option aus, wenn diese Bedingung nicht kategorisiert werden soll.
  • Uniqueness: Die Bedingung erfasst, ob Daten doppelt vorliegen. Wenn der Datenfluss keine doppelten Daten konsolidieren konnte, könnte davon ausgegangen werden, dass es sich bei den Datensätzen um Ausnahmen handelt.