Die eigenen Analysen sind nur so gut wie der eigene Datenintegrationsprozess

Die Datenerhebung impliziert stets eine Datenaufbereitung. Werden Rohdaten nicht entsprechend modifiziert, bereinigt und eventuelle Fehler korrigiert, greift das Unternehmen auf fehlerhafte Daten zurück. Dies gilt es zu verhindern und soll Schwerpunkt dieses studymags sein.

Vor dem Hintergrund des exponentiellen Wachstums der Informationskapazität und dem zu bewältigenden „Daten-Dschungel“ soll Ihnen dieses studymag eine erste Einführung in die Themen (technische) Datenintegration, Datenqualitätssicherung und konkrete Data-Mining-Prozesse geben. Die Prozesse der Datenaufbereitung sind von höchster Priorität im Kontext der Datenintegration. Fehlerhafte Daten können dem Unternehmen ökonomisch schaden (Wolters, 2020, S. 29) und sollten mithilfe fest verankerter Datenaufbereitungsprozesse entsprechend bereinigt werden. Aufgrund dessen wurde folgende Kapitelgliederung für dieses studymag gewählt:

Wir werden uns im ersten Kapitel zunächst den Umweltfaktoren widmen. In welchem (rechtlichen) Kontext und mit welchen damit verbundenen Bedingungen ein Unternehmen zu agieren hat, soll hier Thema sein. Unter anderem wird der Begriff der Data Pipeline eingeführt. Sie sollen ein Gefühl dafür bekommen, wie eine optimale Datenauswahl für das Unternehmen unter den jeweiligen Bedingungen vollzogen werden kann und durch welche Faktoren die Entscheidungen der Unternehmen beeinflusst werden. Unter anderem lernen Sie die fünf „V“ des Big Data kennen.