{"id":5619,"date":"2022-08-27T04:04:11","date_gmt":"2022-08-27T12:04:11","guid":{"rendered":"https:\/\/www.gudusoft.com\/?p=5619"},"modified":"2022-09-17T14:02:26","modified_gmt":"2022-09-17T22:02:26","slug":"dark-secrets-of-data-management","status":"publish","type":"post","link":"https:\/\/www.gudusoft.com\/de\/dunkle-geheimnisse-des-datenmanagements\/","title":{"rendered":"11 dunkle Geheimnisse des Datenmanagements | Gudu SQLFlow"},"content":{"rendered":"

11 dunkle Geheimnisse des Datenmanagements<\/h2>\n

Manche nennen Daten das \u201eneue \u00d6l\u201c, andere das \u201eneue Gold\u201c. Abgesehen von der G\u00fcltigkeit dieser Metaphern steht au\u00dfer Frage, dass die Organisation und Analyse von Daten eine wichtige Aufgabe f\u00fcr jedes Unternehmen ist, das das Versprechen datenbasierter Entscheidungsfindung erf\u00fcllen m\u00f6chte. Zu diesem Zweck ist eine solide Datenmanagementstrategie<\/strong><\/a> ist der Schl\u00fcssel. Dazu geh\u00f6ren Datenverwaltung<\/strong><\/a>, Datenoperationen, Data Warehousing<\/a><\/strong>, Datentechnik<\/a><\/strong>, Datenanalyse<\/strong><\/a>, Data Science usw. Richtig eingesetztes Datenmanagement kann Unternehmen jeder Branche einen Wettbewerbsvorteil verschaffen. In diesem Artikel stellen wir vor 11 dunkle Geheimnisse des Datenmanagements<\/strong>.<\/p>\n

\"Dunkle

Dunkle Geheimnisse des Datenmanagements<\/p><\/div>\n

Dunkle Geheimnisse des Datenmanagements \u2013 1. Unstrukturierte Daten sind schwer zu analysieren<\/h4>\n

80%-90% der Daten in Unternehmen sind unstrukturierte Daten. Mit der fortschreitenden digitalen Transformation w\u00e4chst die Menge unstrukturierter Daten rasant. Diese Daten sind in Form von Dokumenten, Bildern, Audio- und Videodateien usw. im Unternehmen verstreut. Aufgrund von Abteilungen, Anwendungen, Architekturen, Multi-Cloud-Umgebungen usw. bilden sie unstrukturierte Dateninseln, die schwer zu teilen und zu nutzen sind und deren Inhaltswert schwer zu entschl\u00fcsseln ist, was den Prozess der digitalen Transformation im Unternehmen erheblich behindert.<\/p>\n

Dunkle Geheimnisse des Datenmanagements \u2013 2. Selbst strukturierte Daten sind oft unstrukturiert<\/h4>\n

Gute Wissenschaftler und Datenbankadministratoren steuern Datenbanken, indem sie Typ und Struktur jedes Feldes festlegen. Manchmal beschr\u00e4nken sie im Namen einer besseren Struktur den Wert eines bestimmten Feldes auf eine Ganzzahl innerhalb eines bestimmten Bereichs oder eine vordefinierte Auswahl. Trotzdem finden Benutzer beim Ausf\u00fcllen von Datenbankspeicherformularen M\u00f6glichkeiten, den Schwierigkeitsgrad zu erh\u00f6hen.<\/p>\n

Wenn eine Frage nicht zutrifft, wird dies manchmal durch ein leeres Feld angezeigt; andere werden durch die Eingabe eines Bindestrichs oder des Anfangsbuchstabens \u201ena\u201c angezeigt. Ein guter Entwickler kann einige dieser Probleme durch Validierung erkennen. Gut Datenwissenschaftler<\/strong><\/a> Diese Unsicherheit l\u00e4sst sich auch durch Bereinigung reduzieren. Es ist jedoch \u00e4rgerlich, dass selbst die strukturiertesten Tabellen verd\u00e4chtige Eintr\u00e4ge enthalten, die Unbekanntes oder sogar Fehler in die Analyse einbringen k\u00f6nnen.<\/p>\n

Dunkle Geheimnisse des Datenmanagements \u2013 3. Datenschemata sind entweder zu streng oder zu locker<\/strong><\/h4>\n

Egal wie sehr sich das Datenteam bem\u00fcht, Schemabeschr\u00e4nkungen zu formulieren, das endg\u00fcltige Schema zur Definition der Werte in verschiedenen Datenfeldern ist entweder zu streng oder zu locker. W\u00fcrde das Datenteam strenge Beschr\u00e4nkungen hinzuf\u00fcgen, w\u00fcrden sich Benutzer beschweren, dass ihre Antworten nicht in der begrenzten Liste zul\u00e4ssiger Werte enthalten seien. Ist das Datenschema zu freiz\u00fcgig, k\u00f6nnen Benutzer ungerade Werte mit geringer Konsistenz hinzuf\u00fcgen.<\/p>\n

Dunkle Geheimnisse des Datenmanagements \u2013 4. Datenschutzgesetze sind sehr streng<\/h4>\n

Die Gesetze zum Datenschutz sind streng und werden weiter versch\u00e4rft. Mit \u00fcber einem Dutzend Vorschriften wie DSGVO, HIPPA und weiteren kann das Sammeln von Daten sehr schwierig und im Falle eines Hackerangriffs sogar noch gef\u00e4hrlicher sein. In vielen F\u00e4llen ist die Beauftragung eines Anwalts deutlich teurer als die Beauftragung eines Programmierers oder Datenwissenschaftlers. Diese Probleme sind der Grund, warum manche Unternehmen Daten sofort nach der Verarbeitung entsorgen.<\/p>\n

Dunkle Geheimnisse des Datenmanagements \u2013 5. Die Kosten der Datenbereinigung sind enorm<\/h4>\n

Datenbereinigung bezeichnet den Prozess der Korrektur und Entfernung fehlerhafter Datens\u00e4tze aus einer Datenbank oder Datentabelle. Im Allgemeinen umfasst die Datenbereinigung das Identifizieren und Ersetzen unvollst\u00e4ndiger, ungenauer, irrelevanter oder problematischer Daten und Datens\u00e4tze.<\/p>\n

Viele Datenwissenschaftler geben zu, dass ihre Arbeit haupts\u00e4chlich darin besteht, Daten zu sammeln, sie in einheitlicher Form darzustellen und sich mit unz\u00e4hligen Schlupfl\u00f6chern und Fehlern auseinanderzusetzen. Die Datensammler behaupten immer: \u201eAlles ist im CSV-Format (Comma Separated Values, ein g\u00e4ngiges, relativ einfaches Dateiformat) einsatzbereit.\u201c Leere Felder oder Fehlerbeschreibungen erw\u00e4hnen sie jedoch nicht. Das Bereinigen von Daten f\u00fcr Data-Science-Projekte kann bis zu zehnmal so lange dauern wie das Starten von Routinen in R oder Python f\u00fcr die eigentliche statistische Analyse.<\/p>\n

Dunkle Geheimnisse des Datenmanagements \u2013 6. Benutzer sind zunehmend misstrauisch gegen\u00fcber Ihren Datenpraktiken<\/h4>\n

Endnutzer und Kunden stehen dem Datenmanagement von Unternehmen zunehmend misstrauisch gegen\u00fcber. KI-Algorithmen und deren Einsatz haben die \u00c4ngste nur noch verst\u00e4rkt und bei immer mehr Menschen ein tiefes Unbehagen hinsichtlich der Erfassung ihrer Daten ausgel\u00f6st. Diese Bedenken treiben den Regulierungsprozess voran und f\u00fchren h\u00e4ufig zu PR-Krisen f\u00fcr Unternehmen. Dar\u00fcber hinaus wird die Datenerfassung gezielt durch gef\u00e4lschte Werte oder falsche Antworten manipuliert. Manchmal besteht die halbe Arbeit darin, mit b\u00f6swilligen Partnern und Kunden zusammenzuarbeiten.<\/p>\n

Dunkle Geheimnisse des Datenmanagements \u2013 7. Die Integration externer Daten kann sich auszahlen, aber auch katastrophal sein<\/strong><\/h4>\n

Es ist eine Sache f\u00fcr Unternehmen, die von ihnen gesammelten Daten zu besitzen, aber eine ganz andere, wenn sie ihre eigenen lokalen Informationen mit Daten von Drittanbietern und der riesigen Menge an personalisierten Informationen im Internet verkn\u00fcpfen wollen. Manche Tools versprechen offen, Daten \u00fcber jeden Kunden zu sammeln, um bei jedem Einkauf ein personalisiertes Profil zu erstellen. Ganz genau, sie verwenden dieselben Worte wie Geheimdienste, die Terroristen verfolgen, um Ihre Fast-Food-Eink\u00e4ufe und Ihre Kreditw\u00fcrdigkeit zu \u00fcberwachen. Kein Wunder, dass die Menschen besorgt und in Panik geraten!<\/p>\n

Dunkle Geheimnisse des Datenmanagements \u2013 8. Regulierungsbeh\u00f6rden greifen bei der Datennutzung durch<\/h4>\n

Niemand wei\u00df, wann geschickte Datenanalysen zu weit gehen, aber wenn das passiert, werden die Regulierungsbeh\u00f6rden eingreifen. In einem aktuellen Fall in Kanada ergab eine Untersuchung der Regierung, dass einige Donut-L\u00e4den Kunden verfolgten, die auch bei der Konkurrenz einkauften.<\/p>\n

Einer k\u00fcrzlich ver\u00f6ffentlichten Pressemitteilung zufolge \u201eergab die Untersuchung, dass der Vertrag von Tim Hortons mit einem externen Standortdienstleister in den USA eine so vage und freiz\u00fcgige Formulierung enthielt, dass das Unternehmen dadurch \u201aDe-Identifizierungs-Standortdaten\u2018 f\u00fcr eigene Zwecke verkaufen konnte.\u201c Wozu? Um mehr Donuts zu verkaufen? Wie dem auch sei, es zeigt sich, dass die Aufsichtsbeh\u00f6rden immer mehr auf alles achten, was mit pers\u00f6nlichen Daten zu tun hat.<\/p>\n

Dunkle Geheimnisse des Datenmanagements \u2013 9. Ihr Datentarif lohnt sich m\u00f6glicherweise nicht<\/h4>\n

Wir stellen uns vor, dass ein guter Algorithmus alles effizienter und profitabler machen kann. Manchmal ist ein solcher Algorithmus tats\u00e4chlich m\u00f6glich, aber der Preis kann zu hoch sein. Beispielsweise hinterfragen Verbraucher (und sogar Unternehmen) zunehmend den Nutzen gezielter Marketingma\u00dfnahmen durch gut konzipierte Datenmanagementsysteme. Manche weisen darauf hin, dass wir oft Werbung f\u00fcr Dinge sehen, die wir gekauft haben, weil Werbetracker nicht erkannt haben, dass wir sie nicht mehr brauchen.<\/p>\n

Dasselbe Schicksal ereilt oft auch andere Pl\u00e4ne. Manchmal identifiziert eine gr\u00fcndliche Datenanalyse die Fabriken mit der schlechtesten Leistung, aber das spielt keine Rolle, da das Unternehmen einen 30-j\u00e4hrigen Mietvertrag f\u00fcr das Geb\u00e4ude abgeschlossen hat. Unternehmen m\u00fcssen sich darauf einstellen, dass alle Data-Science-Experten eine inakzeptable Antwort liefern k\u00f6nnten.<\/p>\n

Dunkle Geheimnisse des Datenmanagements \u2013 10. Datenentscheidungen sind am Ende oft nur subjektive Urteile<\/strong><\/h4>\n

Numbers can provide enough precision, but how humans interpret them is often what matters. After all the data analysis and AI manipulation, most algorithms need to decide whether a value is above or below a threshold. Sometimes scientists want p-values \u200b\u200bbelow 0.05; other times, police issue tickets for cars that are 20 percent faster. These thresholds are usually just arbitrary values. For all the science and math that can be applied to data, there are more grey areas in many “data-driven” processes than we think, and while companies may be investing all their resources into their data management practices, decisions are more dependent on Intuition and subjective judgment.<\/p>\n

Dunkle Geheimnisse des Datenmanagements \u2013 11. Die Kosten f\u00fcr die Datenspeicherung explodieren<\/h4>\n

Festplatten werden immer gr\u00f6\u00dfer, und die Preise pro Terabyte sinken. Programmierer sammeln Daten jedoch deutlich schneller, als die Preise sinken. Ger\u00e4te aus dem Internet der Dinge (IoT) laden st\u00e4ndig Daten hoch, und Nutzer erwarten, diese umfangreiche Sammlung unbegrenzt nutzen zu k\u00f6nnen. Gleichzeitig verlangen Compliance-Beh\u00f6rden und Aufsichtsbeh\u00f6rden f\u00fcr k\u00fcnftige Audits immer mehr Daten. Es w\u00e4re zwar eine Sache, wenn sich jemand diese Daten tats\u00e4chlich ansehen w\u00fcrde, aber wir haben t\u00e4glich nur eine begrenzte Zeit. Der Anteil der tats\u00e4chlich abgerufenen Daten sinkt immer mehr. Die Preise f\u00fcr Speichererweiterungspakete steigen jedoch.<\/p>\n

Abschluss<\/h3>\n

Vielen Dank f\u00fcr das Lesen unseres Artikels. Wenn er Ihnen gefallen hat, w\u00fcrden wir uns sehr freuen. Wenn Sie mehr \u00fcber Datenmanagement erfahren m\u00f6chten, empfehlen wir Ihnen, Folgendes zu besuchen: Gudu SQLFlow<\/strong><\/a> f\u00fcr weitere Informationen.<\/p>\n

Als einer der\u00a0die besten Datenherkunftstools<\/a><\/strong>\u00a0Gudu SQLFlow ist heute auf dem Markt erh\u00e4ltlich und kann nicht nur SQL-Skriptdateien analysieren,\u00a0Datenherkunft<\/a><\/strong>und f\u00fchren visuelle Anzeige durch, erm\u00f6glichen es Benutzern aber auch,\u00a0Datenherkunft<\/strong>\u00a0im CSV-Format und f\u00fchren Sie eine visuelle Anzeige durch.\u00a0(Ver\u00f6ffentlicht von Ryan am 27. August 2022)<\/strong><\/p>\n<\/div><\/div><\/div>