Datenqualität beschreibt, wie gut Daten für ihren Verwendungszweck geeignet sind. Typische Merkmale sind Vollständigkeit, Richtigkeit, Aktualität, Eindeutigkeit und Konsistenz.
Bedeutung in der Praxis
Schlechte Daten führen zu falschen Auswertungen, Fehlbuchungen und Mehraufwand. Vor einer Datenmigration werden Daten daher bereinigt (Clean Data), Dubletten entfernt und Regeln für die Pflege festgelegt. Für KI gilt: Die Ergebnisse sind nur so gut wie die Daten.
Beispiel
Ein Kunde ist dreimal mit unterschiedlicher Schreibweise im System angelegt. Rabatte und Forderungen werden dadurch falsch berechnet. Eine Dublettenprüfung behebt das.
Abgrenzung
Clean Data beschreibt den bereinigten Zustand. Datenqualität ist die Messgröße und Daueraufgabe, die Data Governance sicherstellt.