Loading content
Datenqualitätsdimensionen helfen Organisationen, die Qualität ihrer Daten systematisch zu bewerten und zu verbessern. Sie umfassen verschiedene Aspekte wie Genauigkeit, Vollständigkeit und Konsistenz.
Nutze diesen Steckbrief, um den Baustein kurz zu verstehen, ihn im Modell einzuordnen und bei Bedarf in die 360°-Bewertung zu wechseln.
Theoretisches Gebilde: erklärt einen Begriff, ein Prinzip oder ein Denkmodell.
Was Zusammenhänge ordnet, verbindet oder entscheidbar macht.
Datenqualitätsdimensionen sind verschiedene Blickwinkel, mit denen sich beurteilen lässt, ob Daten für einen Zweck geeignet sind.
Der Ansatz entwickelte sich aus Qualitätsmanagement und Informationssystemforschung. ISO 8000 und Datenmanagement-Fachwerke etablierten wiederkehrende Dimensionen wie Genauigkeit, Vollständigkeit, Aktualität, Konsistenz und Eindeutigkeit.
Wie bei einem Werkzeugkasten prüfst du für die Aufgabe passende Eigenschaften: Ein Maßband muss korrekt, vollständig lesbar und verfügbar sein, damit es seinen Zweck erfüllt.
Übereinstimmung eines Werts mit der Wirklichkeit oder Referenz.
Anteil der erwarteten Werte, die vorhanden sind.
Eignung des Zeitstands für die konkrete Nutzung.
Dimensionen verwandeln das vage Urteil „gute Daten“ in prüfbare Kriterien. Ihre Bedeutung hängt vom Zweck ab: Maximale Aktualität kann wichtiger sein als absolute Vollständigkeit, je nach Entscheidung.
Wo dieser Baustein im Themenmodell verortet ist.
Erkunde, wie dieser Wissensbaustein mit Konzepten, Methoden, Technologien und Tools verbunden ist.
Diese Quellen belegen den Begriff und seine fachliche Bedeutung.
Alle direkten Verbindungen des aktuellen Wissensbausteins in einer kompakten, textuellen Darstellung.
Diese Einordnung zeigt, in welchem Kontext der Baustein typischerweise relevant wird, wie anspruchsvoll er ist und welche Wirkung er im Modell hat.
Die Ebene innerhalb der Organisation (Unternehmen, Domäne, Team), auf der der AssetBlock angewendet wird.