Datenqualitäts-Lab: Fehler sichtbar machen
Regeln auf synthetischen Datensätzen testen: automatisch lösbar, ungeklärt oder manuell zu prüfen.
Status: Interaktives Lab mit erfundenen Beispieldaten und dokumentierten Prüfregeln.
Was im Lab unterscheidbar sein muss
Absichtlich fehlerhafte, rein synthetische Artikel- und Lieferantendaten.
Eindeutige Validierungsbedingung mit erwartbarem Testergebnis.
Unklare Fälle bleiben nachvollziehbar offen.
Prüfregeln sind auswählbar. Vorher/Nachher-Daten und Review-Protokolle sind sichtbar.
Interaktive Prüfregeln sind aktiviert.
Unbereinigte Beispieldaten
Die Beispielzeilen enthalten bewusst Lücken und Widersprüche: fehlende IDs, Dubletten, kollidierende Schlüssel, ungewöhnliche Datumswerte, uneinheitliche Maßeinheiten und Währungen. Die Aufzeichnung muss die Ausgangswerte unverändert nachvollziehbar halten.
INTERAKTIVES MODUL
15 vollständig erfundene Datensätze mit 8 unabhängig auswählbaren Regeln. Keine hochgeladenen Daten.
Synthetische Beispieldaten – das Modul wird geladen.
Regeln auswählen und ausführen
Besucher können einzelne Prüfregeln auswählen und die Ergebnisse nachvollziehen. Prüfen bedeutet nicht automatisch korrigieren. Regeln brauchen eine eindeutige Definition, eine nachprüfbare Reihenfolge und passende Positiv- und Negativtests.
Fehlende und doppelte Schlüssel
Vollständigkeit, Mehrfachverwendung und Kollisionen mit getrennten Befunden.
Maßeinheit und Währung
Nur mit gültiger Zuordnung und dokumentierter Umrechnung normalisieren.
Gültigkeit und Datumslogik
Ungültige oder widersprüchliche Datumsfenster sichtbar machen.
Vorher und nachher vergleichen
Der Vorher/Nachher-Vergleich zeigt Originalwert, vorgeschlagenen Transformationsschritt und Ergebnis. Eine standardisierte Schreibweise kann regelbasiert erfolgen; ein semantisch unklarer Artikel oder Lieferant darf nicht stillschweigend ersetzt werden.
Original bleibt erkennbar
Ausgangszeile, Feldname und eindeutige Beispiel-ID.
Regel und Ergebnis
Valid, auffällig, mehrdeutig oder zur manuellen Prüfung markiert.
Nur erlaubte Änderung
Automatisch normalisierte Werte getrennt von unbestätigten Vorschlägen.
Offene Fälle nachvollziehen
Ein brauchbares Datenqualitätsprotokoll zeigt ungelöste Fälle, Schweregrad, auslösende Regel und offene Entscheidung. Ein Review-Backlog ist ein korrektes Ergebnis – auch wenn dadurch weniger „grüne“ KPI-Felder entstehen. Fachliche Freigaben bleiben Menschen vorbehalten.
Prüfmethode und Grenzen
Dieses Lab zeigt nachvollziehbare Prüfregeln anhand ausschließlich synthetischer Daten. Es ist keine produktive Datenbereinigung, Zertifizierung oder Rechtsprüfung. Mehrdeutige Fälle verbleiben in der manuellen Prüfliste.
Welche Fehler werden automatisch korrigiert?
Nur eindeutig und vorab definierte Normalisierungen kommen infrage. Fachlich mehrdeutige Fälle benötigen Review.
Was geschieht mit unklaren Datensätzen?
Sie müssen als ungelöst mit Regelbezug und nachvollziehbarer Ursache sichtbar bleiben.
Daten und Umfang gemeinsam klären
Ein Fachgespräch beginnt mit konkreten Datenquellen, Prüfregeln und Grenzen – nicht mit unbewiesenen Ergebnissen.