Häufige Datenprobleme

Einführung in die Datenkompetenz

Jess Ahmet

Content Developer, DataCamp

Schmutzige Daten

Schmutzige Daten sind:
- Falsch
- Unvollständig
- Inkonsistent
Verursacht durch menschliches Versagen, technische Probleme oder Probleme bei der Datenerfassung
„Garbage In, Garbage Out“-Konzept: Schmutzige Daten können zu falschen Schlussfolgerungen führen

Schmutziges Fenster

Die Daten sind falsch oder inkonsistent
Meist durch menschliche oder technische Fehler bei der Aufzeichnung des Wertes oder des Formats verursacht
Gegenmaßnahmen:
- Wenn der Originalwert oder das gültige Format bekannt ist: Daten korrigieren
- Wenn unbekannt: Daten verwerfen

Puzzle mit dem falschen Teil

Daten sind unvollständig
Problematisch, wenn:
- viele Datenpunkte fehlen
- den fehlenden Daten Muster zugrunde liegen
Gegenmaßnahmen:
- Daten verwerfen
- Vervollständigung

Puzzle mit fehlendem Teil

Gesellschaftliche Verzerrungen können sich in Daten als Datenverzerrung niederschlagen
Führt zu nicht repräsentativen Daten und damit Ergebnissen
Schwer zu erkennen und zu lösen
Gegenmaßnahmen:
- Solide Datenerhebung
- Bewusstsein in Schlussfolgerungen
- Erklärbare KI-Modelle

Graues Puzzle, bei dem die weißen Teile weggelassen wurden

Behandschuhte Hand mit Sprühflasche

Einführung in die Datenkompetenz