Fake news! Seit einigen Jahren ist dieser Begriff in Mode. Der Grund dafür ist die Verlässlichkeit von Informationen. Genau hier liegt die Bedeutung der Datenquellen. Während sich dies in der Welt des Journalismus auf den Ursprung der Informationen bezieht, sind Datenquellen in der Welt der Datenexpertise Speicherorte, die eine große Menge an Informationen bündeln. Was ist also eine Data Source oder Datenquelle? Wozu dient sie? Wie funktioniert sie? Die Antworten findest du hier.
Data Source, was ist das ?
Definition
Eine Data Source ist der physische oder digitale Ort, an dem Daten in verschiedenen Formen aufbewahrt werden. Kurz gesagt, es ist der Ort, an dem die Daten ihren Ursprung haben.
Die Data Source kann sowohl der Ort sein, an dem die Daten ursprünglich erstellt wurden, als auch der Ort, an dem sie hinzugefügt wurden. Zum Beispiel digitalisieren viele Unternehmen im Rahmen ihrer digitalen Transformation ihre Daten. Der Ort, an dem sie computergestützt aufbewahrt werden, wird dann zur Quelle dieser Daten.
In diesem Sinne können die Datenquellen (überwiegend) digital oder in Papierform sein.
Wie auch immer, die Idee ist, dass die Nutzer auf die Daten zugreifen und sie von dieser Quelle aus nutzen können. Und das auf unterschiedliche Weise, da die Datenquelle verschiedene Formen annehmen kann, wie z. B. eine Datenbank, eine Flat File, eine Inventartabelle, Web Scraping, Datenstreaming, ein physisches Archiv usw. Die Datenquelle kann aber auch eine andere Form annehmen, wie z. B. eine Datenbank, eine Flat File, eine Inventartabelle, Web Scraping, Datenstreaming oder ein physisches Archiv.
Mit der Entwicklung von Big Data und neuen Technologien entwickeln sich diese verschiedenen Formate ständig weiter, wodurch die Datenquellen immer komplexer werden. Die Herausforderung für Organisationen besteht also darin, sie so weit wie möglich zu vereinfachen.
Mehrere Data Sources je nach Kontext
Wie bereits erwähnt, können Data Sources verschiedene Formen annehmen. Das hängt jedoch vor allem vom Kontext ab.
Oft werden Data Sources und Datenbanken miteinander verwechselt. Beide beziehen sich auf den Ort, an dem die Informationen gespeichert werden. Die Datenbank ist jedoch nur eine Form der Datenquelle (die am weitesten verbreitete, zugegebenermaßen). Man kann sich eine Datenquelle auch als einen Datenanbieter, die Nutzung von Self-Service-Daten wie Excel, Tableau oder Power BI, eine Art von Computerspeicher, eine Buchhaltung, einen Wirtschaftsindikator usw. vorstellen.
In diesem Sinne sollten auch Datenquellen nicht mit DSN (data source name) verwechselt werden. Letztere beschreiben eine Verbindung zu einer Datenquelle.
In einigen Fällen ist der DSN mit der entsprechenden Datenbank oder Datei identisch, aber das ist nicht automatisch der Fall. Es kann sich auch um eine Adresse oder ein Label handeln, das es den Daten ermöglicht, leichter auf ihre Quelle zuzugreifen.
Unabhängig von Format und Kontext besteht die Idee der Datenquelle darin, den Ort zu definieren, von dem die Daten stammen, und die Verbindungen zwischen den Informationen zu beschreiben.
Data Source : Wozu dienen sie ?
Das Ziel einer Data Source ist es, den Benutzern den Zugriff auf die benötigten Informationen zu ermöglichen und sie eventuell zu verschieben oder zu verändern.
Um dies zu erreichen, müssen die Datenexperten alle Informationen an einem Ort zusammenfassen, damit sie einfacher zu nutzen und zu verstehen sind.
Vor allem aber ist es wichtig, die Data Sources aus der Sicht der Nutzer zu gestalten, um die Verarbeitung der Daten zu erleichtern. Die Informationen müssen dann sowohl in Bezug auf den Speicherort als auch auf das Format einheitlich gespeichert werden.
Dadurch wird es einfacher, die Informationen miteinander zu verbinden. Und damit den Zugang zu den Daten und ihr Verständnis für möglichst viele Menschen vereinfachen.
Data Source: Wie funktioniert es ?
Wie bereits erwähnt, gibt es verschiedene externe Arten von Data Sources.
Die Herausforderung für Unternehmen besteht darin, die Daten in eine interne Quelle zu integrieren, um die Verarbeitung und Analyse der Daten zu erleichtern.
Zu diesem Zweck kann eine Vielzahl von Lösungen eingesetzt werden. Beispielsweise können Daten über Netzwerkprotokolle (wie FTP oder HTTP), APIs (Application Programming Interfaces) oder andere Protokolle (wie NFS, SMB, SOAP, REST und WebDAV) in die Quelle eingebunden werden.
Unabhängig von den verwendeten Integrationswerkzeugen müssen die Datenexperten die Data Source für den Nutzer so verständlich wie möglich machen. Dazu müssen die Verbindungen zwischen den Daten identifiziert und Unterschiede in Format oder Struktur geglättet werden.
Jetzt, da du alles über Datenquellen weißt, möchtest du ein Datenexperte werden. ?
Wir laden dich ein, die Data Analyst-Ausbildung von DataScientest kennenzulernen.
