Data Governance und Datenqualität im Big-Data-Zeitalter

Das datengetriebene Unternehmen ist längst keine Illusion mehr. Selbstlernende Maschinen und Analyse-algorithmen durchkämmen riesige Datenberge. Die daraus resultierenden Erkenntnisse werden mehr und mehr zur Basis von wichtigen Unternehmensentscheidungen. Doch das funktioniert nur, wenn die zugrunde liegenden Daten passen und richtig sind. Ansonsten droht das bekannte "Garbage in - Garbage out". Unternehmen müssen sich deshalb verstärkt um Data Governance und Datenqualität kümmern. [...]

(c) Rawpixel - Fotolia.com

Sie arbeitet 24 Stunden, 365 Tage im Jahr, braucht keinen Schlaf und keinen Kaffee - und ist trotzdem stets hellwach. Die Rede ist von "Vital", Board-Mitglied der in Hongkong ansässigen Investoren-Company Deep Knowledge Venture, die sich auf Projekte im Pharma- und Medizinbereich konzentriert. Vital kann wie die anderen Manager im Board von DKV mit über Investitionsvorhaben abstimmen. Nur hebt sie dabei keine Hand - Validating Investment Tool for Advancing Life Sciences, so ihr voller Name, ist ein in Software gegossener Algorithmus, entwickelt von der britischen Softwarefirma Aging Analytics. Die Maschine tut nichts anderes, als riesige Datenmengen zu sammeln, auszuwerten und anhand der so gewonnenen Ergebnisse den Kollegen Ratschläge zu geben.Vital ist ein gutes Beispiel für das derzeit so oft beschworene datengetriebene Business. Das funktioniert allerdings nur, wenn die Daten, auf denen das Analysewerk beruht, korrekt sind. Die notwendige Datenqualität und Data Governance sicherzustellen, ist jedoch alles andere als einfach. Gerade in Zeiten von Big Data, in denen die Menge der Daten, die Zahl der Datenquellen und die Varianz der Datentypen ständig zunehmen, wachsen auch die Herausforderungen. Die Tatsache, dass sich Big Data zunehmend zum Mainstream in vielen Unternehmen ent...

Um diese Inhalte abzurufen, registrieren Sie sich bitte für den kostenlosen Business Account.


Mehr Artikel