午夜探花

Institut 蹿眉谤 Business Analytics

DQMM

Messung und Verbesserung der 顿补迟别苍辩耻补濒颈迟盲迟 in unstrukturierten Daten

Aufgrund schnell wachsender Mengen an unstrukturierten Daten (bspw. Stichwort 鈥濨ig Data鈥�) ist 顿补迟别苍辩耻补濒颈迟盲迟 (DQ) ein hoch relevantes Thema. So werden bspw. gro脽e Mengen an unstrukturierten Daten aus unterschiedlichen, verteilten Quellen in diversen Formaten gesammelt und analysiert (oft in Echtzeit), um gesch盲ftsrelevante Erkenntnisse abzuleiten, unternehmerische Entscheidungen zu unterst眉tzen und datengetriebene Dienstleistungen zu entwickeln. Damit die abgeleiteten Ergebnisse valide und wertstiftend sind, ist die Sicherstellung der Qualit盲t der zugrundeliegenden Daten unabdingbar. Ist keine ausreichende DQ gegeben, resultieren demnach fehlerhafte Erkenntnisse, die zu falschen Entscheidungen f眉hren und mehr Schaden anrichten als Nutzen generieren (鈥濭arbage in 鈥� Garbage out鈥�).

Konkret wurden im Rahmen des Projekts 鈥灦俨钩俦鸩员绯懿贡艟背倜こ賡messung und -ma脽nahmen bei unstrukturierten Daten (DQMM)鈥� daher quantitative Methoden zur Messung, Steuerung und Verbesserung der DQ entwickelt und vor allem anhand konkreter Anwendungsszenarien evaluiert werden. So wurden effiziente quantitative Methoden zur Messung der DQ 蹿眉谤 datenwertorientierte Qualit盲tsdimensionen (bspw. Konsistenz, Aktualit盲t und Eindeutigkeit) entwickelt. Zudem wurden Methoden zur Analyse unstrukturierter Daten (z. B. Data-Mining- und Text Mining-Verfahren) (weiter)entwickelt, um das gemessene DQ-Niveau direkt zu 产别谤眉肠办蝉颈肠丑迟颈驳别苍. Die erzielten Ergebnisse haben weitreichende wirtschaftliche und wissenschaftliche Implikationen: Die Ber眉cksichtigung der DQ bei Methoden der Datenanalyse f眉hrt zu zuverl盲ssigeren Ergebnissen und einer verbesserten Entscheidungsqualit盲t. Konkret lassen sich Fehlentscheidungen mit hohen (枚konomischen) Sch盲den vermeiden (z. B. falsche Einsch盲tzung des Kontrahenten- bzw. Bonit盲tsrisikos) und neuartige datengetriebene Dienstleistungen entwickeln. Die Messung der DQ unstrukturierter Daten ist dabei unabdingbare Voraussetzung.

Kooperationspartner: xapio GmbH

贵枚谤诲别谤驳别产别谤: Staatsministerium 蹿眉谤 Wirtschaft, Landesentwicklung und Energie Bayern

Projektzeitraum: Juni 2015 鈥� Juni 2018