Daten vs. Informationen | Definition von Datenqualität und -wert

Fragen zur Bewertung der Datenqualität und zur Umwandlung von Endnutzerdaten in Erkenntnisse gehören zu den ersten Schritten bei der Einführung einer Initiative zur digitalen Transformation. Erfassen wir bereits die Daten, die wir brauchen? Das fragen Sie sich vielleicht. Es gibt drei grundlegende Fragen, die Sie beantworten können, um festzustellen, inwieweit Ihr Unternehmen auf Daten vorbereitet ist:

Sammeln Sie Daten...

1. von ausreichender Qualität, um die Entscheidungsfindung zu unterstützen?
2. die Ihnen hilft, die Erfahrungen der Endbenutzer und die Leistungs-KPIs in Ihrer Umgebung zu verstehen?
3. an der Quelle der digitalen Erfahrung: dem Endpunkt?

Wenn Sie alle drei Fragen mit "Ja!" beantwortet haben, herzlichen Glückwunsch! Sie sind entweder bereit oder auf dem besten Weg, die Vorteile der digitalen Transformation zu nutzen. Falls nicht, lesen Sie weiter, um zu erfahren, wie Sie hochwertige Daten auswerten und auswählen, die Ihnen verwertbare Informationen über Ihre Endbenutzer-Computerumgebung liefern.

Wie man die Datenqualität bestimmt

Jeder, der über ein rudimentäres Wissen über Statistik verfügt, weiß, dass nicht alle Daten gleich sind. Es kann jedoch schwierig sein, zu definieren und zu bestimmen, was "hochwertige Daten" sind, da die Anforderungen je nach Verwendungszweck variieren. Bei der Überwachung von Schlüsseldiensten kann beispielsweise die Echtzeit der Daten ein wichtigerer Faktor für die Datenqualität sein als die Vollständigkeit des Datensatzes.

Vielleicht kennen Sie die "vier Vs" von Big Data (Velocity, Variety, Volume und Veracity), die die Parameter einer Big-Data-Initiative definieren. "Veracity" bezieht sich auf die Datenqualität und die Vertrauenswürdigkeit der Datenquelle. Häufig wird die Datenqualität in weitere Merkmale unterteilt, um die Bewertung zu erleichtern, darunter die bereits erwähnte Aktualität und Vollständigkeit sowie Genauigkeit, Gültigkeit, Konsistenz und Verfügbarkeit. Diese Eigenschaften sind zwar nicht erschöpfend, aber nützlich, um den Nutzen der von einer Überwachungslösung erfassten Daten zu bewerten.

 

Sie beginnen mit der Überwachung digitaler Erfahrungen? Das müssen Sie wissen

Rechtzeitigkeit

Für welchen Zeitraum sind die Daten relevant?

Je nach Anwendungsfall können Echtzeit- oder historische Daten (oder eine Kombination aus beidem) wichtiger sein. Beispielsweise bleiben Asset-Daten wie die Hardware eines Endbenutzers in der Regel länger relevant als ein zeitkritischeres Ereignis, wie ein App-Absturz.

Vollständigkeit

Erzählen die Daten die ganze Geschichte?

Wenn Daten nur dann erfasst werden können, wenn sich ein Endnutzer im Unternehmensnetz befindet, kann die Vollständigkeit der Daten ein Problem darstellen. So kann ein Endbenutzer beispielsweise seinen Laptop mit nach Hause nehmen und dort weiterarbeiten, während er potenziell nicht erfasste Daten über die Systemnutzung und -leistung generiert. Die Endpunkt-Datenerfassung vermeidet dieses Problem, indem sie kontinuierlich Daten auf jedem instrumentierten System erfasst.

Genauigkeit

Sagen die Daten die Wahrheit?

Dies ist wahrscheinlich das Merkmal, an das die meisten von uns bei der Bewertung der Datenqualität zuerst denken. Ausreißer, doppelte Daten und anderes Rauschen können die Datengenauigkeit beeinträchtigen. Die Datennormalisierung trägt zur Verbesserung der Datenintegrität bei, indem sie Redundanzen reduziert.

Gültigkeit

Sind die Daten korrekt beschriftet und formatiert?

Damit Daten von Maschinen verarbeitet werden können, müssen sie in einem Format vorliegen, das die Maschine erkennen und akzeptieren kann. Wenn die erwartete Eingabe ein numerischer RGB-Farbwert ist, wäre z. B. "Himmelblau" ungültig.

Konsistenz

Sind die Daten überall gleich beschriftet und formatiert?

Im Zusammenhang mit der Validität trägt die Datenkonsistenz dazu bei, dass die Daten sinnvoll verarbeitet werden können, indem zusammengehörige Datenpunkte nicht verdeckt werden. So wären beispielsweise Daten mit demselben Datum, die abwechselnd als Tag/Monat/Jahr und Monat/Tag/Jahr gekennzeichnet sind, inkonsistent.

Verfügbarkeit

Wie oft kann auf die Daten zugegriffen werden?

Service Level Agreements (SLAs) werden in der Regel erstellt, um die Datenverfügbarkeit zu gewährleisten, und Datensicherungen sind im Falle eines Serviceausfalls wichtig. Die IT-Abteilung benötigt eine hohe Datenverfügbarkeit, um weltweit verteilte Endbenutzer zu bedienen und die Verfügbarkeit wichtiger Dienste zu gewährleisten.

Daten in Informationen umwandeln

Nachdem Sie nun einige Grundlagen zur Beurteilung der Datenqualität kennen, kommen wir nun zum interessanteren Teil: wie man aussagekräftige Erkenntnisse gewinnt. Denn selbst die makellosesten Daten sind nur so wertvoll wie das, was sie offenbaren können und welche Entscheidungen sie für das Unternehmen ermöglichen.

Was ist der Unterschied zwischen Daten und Informationen? Ich habe mich schon früher mit Definitionen herumgeschlagen, als ich versuchte, die Unterschiede zwischen dem Arbeitsplatz und dem Arbeitsbereich herauszuarbeiten, aber obwohl es ähnliche Nuancen gibt, wenn man Daten und Informationen vergleicht, wurde zum Glück viel mehr über die beiden letzteren geschrieben. Etymologisch gesehen ist der Begriff "Information" etwa 250 Jahre älter als der Begriff "Daten". Es genügt zu sagen, dass sich das, was wir gemeinhin als Daten bezeichnen, seit den 1640er Jahren stark verändert hat, so dass die Diskrepanz in Wirklichkeit eher 600 Jahre beträgt.

Obwohl sich unser Verständnis von Information im Laufe der Zeit erweitert hat (die "Informationstechnologie" ist gerade mal 60 Jahre alt), ist ihre Definition seit Jahrhunderten mehr oder weniger konstant geblieben. Ich hoffe, Sie haben mir in dieser kleinen Linguistik-Lektion zugehört, aber ich will damit sagen, dass es kein großes Geheimnis ist, warum es Reibereien gibt, wenn man über die Beziehung zwischen den beiden Begriffen nachdenkt: Der eine ist seit der Pest Teil der englischen Sprache, während der andere wahrscheinlich am ehesten Gedanken an Zellpläne, Datenschutz und Matrix-eske binäre Ströme hervorruft.

Vor diesem Hintergrund werden hier grundlegende Definitionen von Daten und Informationen aufgeführt, die in einem analytischen Kontext nützlich sind:

Daten - Diskrete oder kontinuierliche Werte, die von einem Computer erfasst und verarbeitet werden.

Information - Aus der Beobachtung von Daten abgeleitete Bedeutung, die eine weitere Datenverarbeitung erfordern kann oder auch nicht. Ob Daten eine Bedeutung haben, ist kontextabhängig und hängt von der Wahrnehmung und den Bedürfnissen des Beobachters ab.

Key Performance Indicators (KPIs) sind ein Beispiel für Daten, die im Allgemeinen auch als Informationen betrachtet werden. Wie der Name schon sagt, geben KPIs Aufschluss über das Niveau und die Richtung wichtiger betrieblicher Belange. Für die IT-Abteilung helfen Leistungskennzahlen wie CPU-, Festplatten- und Speicherauslastung dabei, Probleme schneller zu erkennen und zu lösen, liefern grundlegende Details und Überlegungen für Projekte und stellen übergeordnete Diskussionspunkte und Zielsetzungskriterien dar.

KPIs verschaffen Unternehmen einen Vorsprung bei der Analyse im Vergleich zu Daten auf niedrigerer Ebene. Weitere KPIs und ihre Verwendung finden Sie in diesem kostenlosen Whitepaper.

Woher wissen Sie, dass Ihre Daten für Sie arbeiten?

Laut Gartner hinken die meisten Unternehmen im Bereich Daten und Analysen hinterher. Nur neun Prozent der Unternehmen haben einen ausreichenden Reifegrad erreicht, um transformative Vorteile zu erzielen. Eines der Haupthindernisse ist die Unfähigkeit, den Wert von Daten- und Analyseprojekten eindeutig nachzuweisen. Diese Unsicherheit ist angesichts der riesigen Datenmengen, die ein Unternehmen erzeugt, der Kosten für die Implementierung neuer Lösungen und der Schwierigkeit, den Projekterfolg zu quantifizieren, verständlich.

Wenn Sie wissen, was Sie sich von den Daten erhoffen, und wenn Sie Lösungen prüfen, können Sie die Unsicherheiten verringern. Der ultimative Test, ob Ihre Daten für Sie arbeiten, ist jedoch, ob sie Ihnen ermöglichen, Entscheidungen darüber zu treffen, wie Sie Ihre Umgebung verbessern können. Wenn sich diese Entscheidungen in Form von Ergebnissen und KPI-Verbesserungen niederschlagen, wissen Sie, dass Ihre Daten in wertvolle Informationen umgesetzt werden.

SysTrackDie Workspace-Analyselösung von Lakeside löst dieses Dilemma mit einem einzigartigen KPI, dem End-User Experience Score. Dieser Wert berücksichtigt eine Vielzahl anderer KPIs und Nutzungsdaten, die am Endpunkt gesammelt werden, um sowohl Echtzeit- als auch Trendinformationen darüber zu liefern, wie sich die Leistung auf die Produktivität der Endbenutzer auswirkt. Der Endbenutzer-Erfahrungs-Score kann verwendet werden, um den Erfolg zahlreicher IT-Initiativen zu quantifizieren, indem ihre Auswirkungen auf die Endbenutzer gemessen werden Anwender, einschließlich Desktop-Umwandlungsprojekten wie VDI und Betriebssystem-Upgrades.

Mit über 20 Jahren Erfahrung in der Bereitstellung von EUC-Lösungen kennt Lakeside den Arbeitsplatz besser als jeder andere. Fordern Sie eine Demo an und erfahren Sie, wie Sie die Leistungsfähigkeit des Endpunkts in Ihrem Unternehmen nutzen können.

Möchten Sie mehr darüber erfahren, wie sich die Technologie auf Unternehmenskennzahlen wie die Produktivität auswirkt? Dann hören Sie sich die neueste Folge unseres Podcasts in iTunes oder Google Play an.