Daten- und Informationsqualität

Grundlagen der Informationsqualität: 

• Ziele und Nutzen des Datenqualitätsmanagements    
• Informationsniveaus nach Rehhäuser und Krcmar    
• Qualitätsbegriff allgemein und bezogen auf Daten, Informationen, Wissen    
• Modelle der Dimensionen der Datenqualität 

Data Governance: 

• IT-Governance-Komponenten    
• Compliance und Datenqualität    
• Alignment und Informationsmanagement    
• Informationsarchitektur als View (Dimension) der Enterprise-Architektur    
• Improvement der IQ-Prozesse    
• Entscheidungsfindung für das IQ-Management 

Methoden zur Analyse der Datenqualität: 

• Fehlerklassifikation von Daten    
• Metriken zur Datenqualität    
• Methoden zur Fehlererkennung    
• Statistische Methoden zur Analyse der Datenqualität (z. B. Ranglisten, Regression, Histogramme, Korrelationen) 
• Visuelle Analyseverfahren wie Data Profiling zur Identifikation von Datenqualitätsmängeln 

Data Profiling zur Visualisierung von Datenqualitätsmängeln:   

• Automatische Klassifikation zur Entdeckung von Datenqualitätsmängeln, z. B. durch Clustering-Verfahren, die Erkennung von Ausreißern und Gruppierung ähnlicher Datensätze 
• Methoden zur Verbesserung der Datenqualität und zur Fehlerbehebung 

Die Organisation der Datenqualität: 

• Daten-Qualitätsmanagementprozess der DAMA    
• IQ-Policy    
• Anforderungen an die Datenqualität    
• Aufgaben und Phasen einer integrierten und kontinuierlichen Datenqualitätssicherung    
• Datenqualitätsaudit    
• Beurteilen der Datenqualität und Vorschläge zur Verbesserung    
• Data-Tracking nach Redman    
• Priorisierung von DQ-Maßnahmen 

Das Informations-Lebenszyklus-Qualitätsmanagement-Assessment: 

• Reifegrade    
• Prozessgebiete und Indikatoren des IQM-CMM    
• Organisationsaufgabe IQM    
• Dienstleister am Markt    
• Literaturdiskussion

• Fach- und Führungskräfte, die Verantwortung für Datenmanagement tragen 
• Projektleiter:innen, die in datenintensiven Projekten arbeiten 
• IT-Expert:innen sowie Data Analysts, die Datenqualitätsprobleme lösen möchten 
• Data-Warehouse-Architekt:innen und Datenqualitätsbeauftragte 
• IT-Koordinator:innen, die in die Optimierung der Datenqualität eingebunden sind