Beruf Datenqualitätsexperte / Datenqualitätsexpertin

Datenqualitätsexperten überprüfen die Daten der Organisation auf ihre Richtigkeit, empfehlen Verbesserungen der Aufzeichnungssysteme und Datenerfassungsprozesse und bewerten die Bezugsbasis sowie die historische Integrität der Daten. Darüber hinaus entwickeln sie die Dokumentation, pflegen Datenqualitätsziele und -standards und überwachen die Datenschutzpolitik einer Organisation sowie die Einhaltung der Datenqualitätsstandards.

Datenqualitätsexperte/Datenqualitätsexpertin: Stellenausschreibungen

Finden Sie den Job Ihrer Träume auf talent.com, einem der weltweit größten Jobportale.

Stellenausschreibungen: talent.com

Persönlichkeitstyp

Wissen

  • Informationsstruktur

    Art der Infrastruktur, die das Format der Daten definiert: halbstrukturiert, unstrukturiert und strukturiert.

  • Resource-Description-Framework-Abfragesprache

    Die Abfragesprache (z. B. SPARQL ), die zur Abfrage und Manipulation von Daten verwendet werden, die im Format „Resource Description Framework“ (RDF) gespeichert sind.

  • Datenbank

    Die Klassifikation von Datenbanken, die ihren Zweck, ihre Merkmale, ihre Terminologie, ihre Modelle und ihre Verwendung umfasst, wie XML-Datenbanken, dokumentenorientierte Datenbanken und Volltextdatenbanken.

  • Abfragesprachen

    Das Feld der standardisierten Computersprachen für das Auffinden von Informationen in einer Datenbank und von Dokumenten, die die benötigten Informationen enthalten.

Fertigkeiten

  • Datenqualitätsverfahren anwenden

    Anwendung von Qualitätsanalysen, Validierungs- und Verifizierungstechniken auf Daten, um die Integrität der Datenqualität zu überprüfen.

  • Datenbereinigung durchführen

    Erkennung und Korrektur beschädigter Daten in Datensätzen, Gewährleistung, dass die Daten gemäß Vorgaben strukturiert werden und diese Struktur beibehalten wird.

  • Analyseergebnisse berichten

    Erstellung von Forschungsunterlagen oder Präsentationen zur Meldung der Ergebnisse eines durchgeführten Forschungs- und Analyseprojekts unter Angabe der Analyseverfahren und -methoden, die zu den Ergebnissen geführt haben, sowie möglicher Auslegungen der Ergebnisse.

  • Datenproben gewinnen

    Erfassung und Auswahl einer Datenmenge aus der Grundgesamtheit mittels statistischer oder anderer definierter Verfahren.

  • Daten verarbeiten

    Eingabe von Informationen in ein System für die Speicherung und den Abruf von Daten mithilfe von Verfahren wie Scannen, manueller Dateneingabe oder elektronischer Datenübertragung, um große Datenmengen zu verarbeiten.

  • Sich kritisch mit Problemen auseinandersetzen

    Ermittlung der Stärken und Schwächen verschiedener abstrakter, rationaler Konzepte wie Fragen, Meinungen und Herangehensweisen im Zusammenhang mit einer bestimmten problematischen Situation, um Lösungen und alternative Methoden zur Bewältigung zu erarbeiten.

  • Daten verwalten

    Verwalten aller Arten von Datenressourcen über ihren gesamten Lebenszyklus hinweg durch Erstellung von Datenprofilen, Parsing, Standardisierung, Identitätsauflösung, Bereinigung, Erweiterung und Prüfung von Daten. Sicherstellen, dass die Daten für den jeweiligen Zweck geeignet sind, mithilfe spezieller IKT-Instrumente zur Erfüllung der Kriterien für die Datenqualität.

  • Datenqualitätskriterien festlegen

    Angabe der Kriterien, nach denen Datenqualität für unternehmerische Zwecke gemessen wird, z. B. Inkonsistenzen, Unvollständigkeit, Zweckdienlichkeit und Genauigkeit.

  • Standards für den Datenaustausch verwalten

    Festlegung und Aufrechterhaltung von Standards für die Umwandlung der Datenstruktur eines Quellschemas in die erforderliche Datenstruktur eines Zielschemas.

  • Daten normalisieren

    Reduzieren von Daten auf ihre genaue Stammform (Normalform), um Ergebnisse wie Minimierung der Abhängigkeit, Beseitigung von Redundanzen, Erhöhung der Konsistenz zu erzielen.

  • Datenbankschema konzipieren

    Entwickeln eines Datenbankschemas nach den Regeln relationaler Datenbank-Managementsysteme (Relational Database Management System – RDBMS), um eine logische Gruppe von Objekten (wie Tabellen, Spalten und Prozesse) zu erstellen.

  • Datenbank verwalten

    Anwendung von Datenbankdesignkonzepten und -modellen, Definition von Datenabhängigkeiten, Verwenden von Abfragesprachen und Datenbankmanagementsystemen (DBMS) für die Entwicklung und Verwaltung von Datenbanken.

  • Reguläre Ausdrücke verwenden

    Kombinieren von Buchstaben aus einem bestimmten Alphabet unter Verwendung genau definierter Regeln, um Zeichenketten zu generieren, die zur Beschreibung einer Sprache oder eines Musters verwendet werden können.

  • Datenprozesse etablieren

    Verwendung von IKT-Werkzeugen, um mathematische, algorithmische oder andere Datenmanipulationsprozesse anzuwenden, um Informationen zu erstellen.

Mögliche Kenntnisse und Fähigkeiten

ldap projekte managen datenanalyse durchführen ikt-audits durchführen geschäftsbeziehungen aufbauen xquery sparql n1ql analytisch-mathematische berechnungen durchführen bewertung der datenqualität mdx zeit- und terminplan führen visuelle darstellungstechniken geschäftsprozesse linq personal schulen statistik

Source: Sisyphus ODB