Jede Analyse ist nur so gut wie die Qualität der Daten, auf denen sie basiert. Eine gründliche Datenaufbereitung lässt sich anfangs mit einem geringen Aufwand erreichen und spart dafür ein Vielfaches an investierter Zeit und Kosten. Fehlerhafte Datenattribute beim fortgeschrittenen Prozess vermindern die Möglichkeit, oder sogar verunmöglichen spätere Korrekturen an den Daten vorzunehmen. Bei der Verarbeitung treten Datenprobleme auf, die am Anfang des Vorgangs vom Dateneigentümer leicht festgestellt und korrigiert hätten werden können. Onedot hat festgestellt, dass oft nicht genügend Lieferantendaten zur Datenverarbeitung verfügbar sind, oder dass die zu bearbeitenden Daten nicht in der richtigen Datenqualität zur Verfügung stehen. Um das Verfahren für beide Seiten einfacher und zügig zu gestalten, müssen die Daten überprüft werden. So entstehen gute Eingabedaten vor dem Datenupload an Onedot.
In 8 Schritten zu guten Lieferantendaten:
Jeder Lieferant verwendet ein Datenmodell, dessen Daten reichhaltig sind, aber nicht zwingend mit den Datensystemen auf der Kundenseite übereinstimmen. Sobald man alle Datensätze der Produktdaten anfordert, werden diese gerne geliefert. Dabei dürfen Kolonnen nicht weggefiltert, werden und Bereinigungen nicht vorab durchgeführt werden. Dies ist für die Anreicherung der Daten wichtig, denn mit mehr Daten werden bessere Resultate erzielt.
Diverse gleichzeitig zugesandte Datenformate stellen für Onedot kein Hindernis dar. Die Dateien sollten in dem von Ihnen bevorzugten Format vorliegen (strukturierte und semistrukturierte Dateien wie beispielsweise CSV, XLSX, JSON, XML, BEMCat, oder PRICAT) und hochgeladen werden. Dies erhöht die Geschwindigkeit der Bearbeitung.
Es ist einfacher die Dateien zu bearbeiten, wenn diese eine saubere Struktur aufweisen. Achten Sie dabei darauf, dass die erste Zeile die Namen der Produktattribute enthält und diese keine Sonderzeichen oder Umlaute enthalten. Stellen Sie sicher, dass die Daten direkt auf der zweiten Zeile beginnen. So ist es sicher, dass beim fertigen Resultat keine unerwünschte und unerwartete Qualitätsprobleme auftauchen.
Werden alle Datenexporte tatsächlich gebraucht? Sind beispielsweise die Produktionsdaten und Projektlisten mit Terminen für den Vorgang unerlässlich? Löschen Sie Datensätze auf die man verzichten kann. Dieser Auswahlprozess reduziert Missverständnisse und hilft der Onedot Software die richtigen Erkenntnisse zu gewinnen.
Nicht alle Daten sind gleich. Entsprechen die Daten der gewünschten Genauigkeit? Sind verfremdete oder nicht lesbare Teile der Datensätze vorhanden? Setzen Sie sich kurz mit der Genauigkeit auseinander, und passen Sie die Daten an. Diese Qualitätsprüfung hilft das Resultat genauer zu realisieren.
Generell sollten valide Daten hochgeladen werden: gleicher Datentyp, bestimmte Höchstwerte, vollständige Datensätze, einheitliche Daten mit gleicher Einheit (z. B. Preis, Währung, Gewicht, Masse). Dies ermöglicht eine bessere Zuordnung.
Wie geht man mit fehlenden Werten um? Grundsätzlich sollte jede Datenzeile entweder einen Wert oder eine Markierung für fehlende Werte wie beispielsweise k.A. (Keine Angabe) oder n/a (not applicable) aufweisen. Dies erleichtert die Datenverarbeitung.
Die Dateien sollen frei von Zugangsbeschränkungen sein. Bitte entfernen Sie alle Passwörter, Formeln, Regeln und Formatierungen. Dann können Onedot Datenspezialisten die Dateien korrekt öffnen und schneller formatieren. Diese Schritte helfen die Daten optimal vorzubereiten. Unternehmen sind heute auf qualitativ hochwertige fehlerfreie Daten angewiesen. Das gilt nicht nur für datenintensive Bereiche wie Banken, Versicherungen, Einzelhandel oder Telekommunikation. Daten schrubben ist essentiell beim Verarbeiten von Daten aus einer Datenbank, welche inkorrekt, unvollständig sowie nicht ausreichend formatiert wurden. Es funktioniert zielsicherer mit vorab vorbereiteten Daten. Unmengen von Daten manuell zu durchsuchen, ist eine schwierige, langwierige Aufgabe und enorm fehleranfällig. Deswegen wird bei Onedot die KI (Künstliche Intelligenz) gestützte Datenverarbeitung eingesetzt, da man nur so systematisch und gewissenhaft Daten auf Fehler überprüfen kann. Mit Regeln und KI Algorithmen bekommt man saubere, konsistente und brauchbare Daten.
