Bewerten der Datenqualität

Letzte Aktualisierung: 20.10.2026

Nachdem Sie einen Datensatz geöffnet haben, prüfen Sie die Übersicht, um mehr über die allgemeine Qualität, das Schema, die Qualitätsstatistiken und die semantischen Typen für jede Spalte zu erfahren.

Qualitätsindikatoren des Datensatzes

Wenn Sie die Übersicht eines gerade registrierten Datensatzes öffnen, sind die meisten Informationen ausgegraut. Um die Datenqualität erstmals zu berechnen, klicken Sie auf Berechnen. Wenn die Qualität schon einmal berechnet wurde, Sie sich aber vergewissern möchten, ob die Daten aktuell sind, klicken Sie auf Aktualisieren.

Jede Berechnung oder Aktualisierung in Pushdown verursacht einige Kosten in Ihrem Cloud Data Warehouse (Snowflake oder Databricks). Weitere Informationen finden Sie unter Datenqualität für verbindungsbasierte Datensätze.

Es gibt zwei Hauptabschnitte, in denen die Qualität angezeigt wird.

• Den Bereich Datenqualität, der eine Qualitätsleiste mit drei Farben und deren jeweiligen Prozentsätzen aufweist:

  • Ungültig (rot): Zeigt den Prozentsatz der Werte in der Stichprobe an, die als ungültig betrachtet werden.

  • Leer oder null (schwarz): Zeigt den Prozentsatz der Werte in der Stichprobe an, die leer oder null sind.

  • Gültig (grün): Zeigt den Prozentsatz der gültigen Werte in der Stichprobe an. Der Prozentsatz berücksichtigt keine leeren Werte.

• Der Bereich Schema zeigt die verschiedenen Felder des Datensatzes, den angewendeten Datentyp oder semantischen Typ und eine Qualitätsleiste für jedes Feld des Datensatzes.

Erkennung der semantischen Typen

Jeder Spalte eines Datensatzes wird automatisch ein semantischer Typ zugewiesen, um den Inhalt besser zu beschreiben. Im Hintergrund erfolgt ein Datenerkennungsvorgang, der bestimmt, welcher Typ zugewiesen werden soll.

Erkannte semantische Typen können auch die Datenklassifizierung und regulatorische Prüfungen unterstützen. Bevor Sie Klassifizierungen auf Feldebene anwenden, überprüfen Sie die Zuweisungen semantischer Typen für sensible Felder.

Sampling-Modus für Berechnungsmodus

Der für Datenstichproben verwendete Sampling-Modus hängt vom ausgewählten Berechnungsmodus ab:

• Pull-up-Modus: Es wird eine Head-Stichprobe verwendet, was bedeutet, dass die ersten Zeilen des Datensatzes als Stichprobe herangezogen werden.
• Pushdown-Modus: Es wird eine Zufallsstichprobe verwendet, wodurch eine besser verteilte Repräsentation des Datensatzes gewährleistet wird. Dieser Modus wird derzeit nur für Databricks und Snowflake unterstützt.

Für QVD-Dateien werden sowohl Head- als auch Zufalls-Sampling verwendet, um eine repräsentativere Stichprobe bereitzustellen.

Das Verständnis des Sampling-Modus hilft bei der genauen Interpretation der Datenqualitätsmetriken basierend auf dem Berechnungsmodus.