Tipps von Information Builders

In fünf Schritten zu optimalen IoT-Daten

| Autor / Redakteur: Martin Hensel / Nico Litzel

Umfangreiche IoT-Daten erfordern eine belastbare Datenqualitätsstrategie.
Umfangreiche IoT-Daten erfordern eine belastbare Datenqualitätsstrategie. (Bild: Christina Morillo / pexels.com)

Die Datenmanagement-Spezialisten von Information Builders erklären in fünf Schritten die wichtigsten Maßnahmen zum Aufbau und Betrieb eines Programms für hohe IoT-Datenqualität.

Daten aus dem Internet der Dinge (IoT) bringen herkömmliche Methoden des Informationsmanagements schnell an ihre Grenzen. Es handelt sich meist um unterschiedlich strukturierte Dokumente und Aufzeichnungen, deren Integration Voraussetzung für erfolgreiche IoT-Analytics ist. Diese kombinieren zum Beispiel IoT-Daten aus der Produktion mit Informationen aus betriebswirtschaftlichen Anwendungen und ERP-Systemen. Falsche oder unvollständige Daten verzerren dabei die Einsichten, was wiederum zu technischen Fehlern, Über- oder Unterproduktion und Produktmängeln führt. Es gilt deshalb, stets auf eine optimale Datenqualität zu achten. Information Builders hat dazu die folgenden fünf Schritte zusammengefasst:

1. Herausforderung verstehen

Die Data Value Chain stellt in IoT-Anwendungsszenarien den Orientierungsrahmen bereit, um in der Wertschöpfungskette eines Unternehmens eine höhere Effizienz zu erreichen. Um diese Vorgabe erfüllen zu können, muss Einigkeit über die Platzierung fehlerhafter Daten in den IoT-Prozessen und deren Auswirkungen herrschen. Durch Data Profiling lassen sich unterschiedliche Arten von Defiziten aufdecken: Einige Daten sind unvollständig, manche doppelt vorhanden, andere sind lückenhaft oder fehlen gar gänzlich.

2. Datenverantwortlichen benennen

Der Data Steward ist die wichtigste Person bei der Umsetzung und der Steuerung von IoT-Datenqualitätsstrategien. Er stellt Regeln auf, wie Daten erfasst, behandelt, gepflegt sowie weitergegeben werden. Zudem legt er Prozesse fest, die im gesamten Unternehmen die Qualität in den IoT- und betriebswirtschaftlichen Daten sicherstellen sollen. Der Data Steward sorgt für die Umsetzung der Richtlinien, übernimmt die laufende Kontrolle sowie Erfassung der Informationsintegrität und passt die Qualitätsverfahren entsprechend den geänderten Anforderungen und Datenquellen an.

3. Zu bereinigende Daten priorisieren

Ein Data Steward kennt den geschäftlichen Wert der Daten in seinem Verantwortungsbereich und kann beurteilen, welche Daten wirklich den Bereinigungsaufwand wert sind. Ein guter Start ist die Erstellung eines Lebenszyklusdiagramms auf Basis der beim Profiling ermittelten Daten. Zu klären ist: Woher kommen die Daten? Von welchen Applikationen werden sie genutzt? Welche Konsequenzen haben fehlende oder nicht korrekte Daten? Gibt es manuelle Aktivitäten, die sich auf die Integrität der Informationen auswirken? Um hohe Qualitätsziele zu erreichen, müssen Fachabteilungen möglicherweise einzelne Geschäftsprozesse anpassen

4. Verfahren für fehlerhafte Daten festlegen

Ausgangspunkt bilden die beim Profiling aufgedeckten Datenqualitätsprobleme. Der Data Steward muss daher Prioritäten setzen: Er sollte Herausforderungen und Risiken skizzieren, eine Methodik für deren Bewältigung entwickeln sowie Verfahren und die notwendigen Maßnahmen implementieren. Der Plan muss folgende Fragen beantworten: Welche Fehler liegen innerhalb tolerierbarer Grenzen? Was geschieht mit den problematischen Fällen? Werden die Daten nicht verwendet oder eingehend geprüft? Sollen korrigierbare Fehler manuell behoben werden? Ein effizientes Datenqualitätsmanagement bedeutet nicht, dass alle Daten fehlerfrei sein müssen. Der Aufwand dazu ist zu hoch. Meist genügt es, dass die Daten für einen bestimmten Kontext „gut genug“ sind.

5. Reinigungsprozess mit IT-Prozessen starten

Nachdem in den Fachabteilungen, etwa der Produktion, Instandhaltung, Logistik und dem Vertrieb, die problematischen Daten identifiziert wurden, sind zusammen mit der IT-Abteilung die notwendigen Prozesse und Verfahren zur Bereinigung der Daten umzusetzen. Mit leistungsstarken Bereinigungs-Tools kann die IT die erforderlichen Korrekturen an den fehlerhaften Daten effizient durchführen, die Ergebnisse der Maßnahmen fortlaufend überprüfen und bei Bedarf ein Feintuning vornehmen.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45553803 / Analytics)