Wie Sie ein Datenwörterbuch mit KI erstellen: Eine kostenlose Schritt-für-Schritt-Anleitung
Ein Datenwörterbuch ist das Dokument, das beschreibt, was jede Spalte in Ihren Daten tatsächlich bedeutet. Sie können eines in drei Schritten aus einer Tabellenkalkulation erstellen: Datei hochladen, jedes Feld beschreiben und typisieren lassen, und das Ergebnis überprüfen und veröffentlichen. Dieser Leitfaden zeigt, was hineingehört, wie Teams sie manuell erstellen und wie Sie den mühsamen Teil abkürzen.
Was ein Datenwörterbuch ist
Der U.S. Geological Survey liefert die klarste Definition, die es gibt. In seinem Leitfaden zum Datenmanagement heißt es, ein Datenwörterbuch „wird verwendet, um die Struktur und den Inhalt von Daten zu katalogisieren und zu kommunizieren.“ Es „bietet aussagekräftige Beschreibungen für einzeln benannte Datenobjekte.“
Zwei Wörter in dieser Definition sind besonders wichtig. Katalogisieren bedeutet, dass jedes Feld aufgelistet wird, auch diejenigen, die niemand benutzt. Kommunizieren bedeutet, dass es für einen anderen Menschen geschrieben ist, nicht für eine Datenbank.
Dieser zweite Teil unterscheidet ein echtes Datenwörterbuch von einem Screenshot von Spaltenüberschriften. Eine Überschrift namens cust_stat_cd ist keine Dokumentation. Eine Zeile, die erklärt, was diese Codes bedeuten, welche Werte zulässig sind und was ein leeres Feld bedeutet, hingegen schon.
Die meisten Teams benötigen bereits eines und wissen es gar nicht. In dem Moment, in dem sich zwei Personen uneinig darüber sind, was als „aktiver Kunde“ gilt, ist das fehlende Dokument ein Datenwörterbuch.
Was in ein Datenwörterbuch gehört
Der USGS listet die typischen Inhalte auf, und die Liste ist kurz genug, um als Checkliste zu dienen.
| Element | Was es erfasst |
|---|---|
| Datenobjekte | Namen und Definitionen jedes Feldes |
| Detaillierte Eigenschaften | Datentyp, Größe, Nullwert-Zulässigkeit, Optionalität, Indizes |
| Diagramme | Entity-Relationship- und andere Systemebenen-Ansichten |
| Referenzdaten | Klassifizierungs- und beschreibende Domänen |
| Qualitätscodes | Fehlende Daten und Qualitätsindikator-Codes |
| Geschäftsregeln | Regeln zur Validierung eines Schemas oder der Datenqualität |
Nicht jedes Projekt benötigt alle sechs. Eine einzelne Tabellenkalkulation, die zwischen zwei Teams ausgetauscht wird, benötigt die ersten beiden und das fünfte Element. Eine Produktionsdatenbank benötigt sie alle.
Die Zeile mit den Qualitätscodes wird am häufigsten weggelassen und am häufigsten bereut. Wenn eine leere Zelle „Null“, „Unbekannt“ oder „Nicht zutreffend“ bedeuten kann, verhindert das Aufschreiben, dass drei verschiedene Analysten zu drei verschiedenen Ergebnissen kommen.
Warum Teams sie erstellen
Der USGS nennt sechs Verwendungszwecke, und jeder davon lässt sich einem realen Fehler zuordnen, den er verhindert.
Dokumentation liefert Strukturdetails für Benutzer, Entwickler und andere Stakeholder. Kommunikation gibt den Menschen ein gemeinsames Vokabular und hilft Entwicklern, die Auswirkungen von Schemaänderungen abzuschätzen.
Anwendungsdesign hilft Entwicklern, Formulare und Berichte mit den richtigen Datentypen und Steuerelementen zu erstellen. Systemanalyse ermöglicht es Analysten, das Gesamtdesign zu sehen und nachzuvollziehen, wo Daten auf die einzelnen Prozesse treffen.
Datenintegration ist der Punkt, der für die Arbeit mit Tabellenkalkulationen am wichtigsten ist. Der USGS stellt fest, dass klare Definitionen „das kontextuelle Verständnis vermitteln, das bei der Entscheidung erforderlich ist, wie ein Datensystem auf ein anderes abgebildet werden soll.“ Dasselbe Verständnis entscheidet darüber, „ob Daten für eine bestimmte Verwendung unterteilt, zusammengeführt, gestapelt oder transformiert werden sollen.“
Entscheidungsfindung rundet das Ganze ab und unterstützt bei der Planung der Datenerfassung und anderen kollaborativen Arbeiten.
Auf derselben Seite verbirgt sich noch ein schärferes Argument. Der USGS stellt fest, dass ein Wörterbuch Glaubwürdigkeitsprobleme aufdecken kann. Er warnt davor, dass „unvollständige Datendefinitionen ansonsten hervorragende Daten praktisch unbrauchbar machen können.“
Auch die Anforderungen sind dokumentiert. Das Kapitel des USGS-Survey Manuals über Metadaten verpflichtet dazu, dass Datensätze Definitionen von Entitäten und Attributen sowie Herkunfts- und Nutzungsbeschränkungen enthalten.
Wie Teams ein Datenwörterbuch manuell erstellen
Der manuelle Weg hängt davon ab, wo die Daten liegen, und beide Varianten sind legitim.
Wenn sie in einer Datenbank liegen, kann das System möglicherweise einen ersten Entwurf für Sie erstellen. Der USGS stellt fest, dass die meisten Datenbankmanagementsysteme „über integrierte, aktive Datenwörterbücher verfügen und Dokumentationen nach Bedarf erstellen können.“
Wenn sie in einer Tabellenkalkulation liegen, gibt es keinen Generator. Der USGS verweist auf eine leere Vorlage „zur manuellen Erstellung eines einfachen ‚Datenwörterbuchs‘ in Excel“, was genau dem ehrlichen Stand der Technik entspricht.
Diese manuelle Version bedeutet eine Zeile pro Spalte, die von einer Person ausgefüllt wird, die die Daten kennt. Feldname, Definition in verständlicher Sprache, Typ, zulässige Werte, ob leere Felder zulässig sind und wer der Eigentümer ist.
Bei einem Export mit fünfzehn Spalten dauert dies zwanzig Minuten. Bei einer operativen Datei mit sechzig Spalten, die aus drei Systemen gezogen wurde, wird daraus ein Nachmittag, den niemand hat.
Wo der manuelle Weg ins Stocken gerät
Der Engpass ist selten das Schreiben. Es ist die Archäologie.
Die Hälfte der Spalten in einem echten Export hat Namen, die vor fünf Jahren Abkürzungen im Kopf von jemandem waren. Um herauszufinden, was flag_2 bedeutet, muss man die Daten öffnen, sie sortieren und die Regel aus den Werten ableiten.
Und dann gibt es noch die Abweichung. Der USGS äußert sich unverblümt zu den Folgen: „Wird das Wörterbuch nicht mit den tatsächlichen Datenstrukturen auf dem neuesten Stand gehalten, deutet dies auf mangelnde Datenverantwortung hin.“ Ein einmal geschriebenes und nie wieder angerührtes Wörterbuch ist schlimmer als gar keines, weil die Leute darauf vertrauen.
Beide Probleme sind mechanischer Natur. Jede Spalte zu lesen, ihre Werte zu analysieren und einen Typ sowie eine Definition vorzuschlagen, ist ein sich wiederholender Vorgang. Die Leute finden es langweilig und werden ab Zeile vierzig unkonsequent.
Wie man ein Datenwörterbuch mit KI erstellt
Schritt 1: Laden Sie die Datei hoch, die dokumentiert werden soll
Melden Sie sich bei Powerdrill Bloom an und laden Sie den Export hoch. Excel, CSV, PDF und Dokumente sind im kostenlosen Tarif enthalten.
Laden Sie die echte Datei hoch, nicht nur ein gekürztes Muster. In den ungewöhnlichen Werten in den Zeilen 900 bis 1,100 verbergen sich meist die interessanten Regeln.
Schritt 2: Fordern Sie ein feldweises Profil in natürlicher Sprache an
Bitten Sie um eine Zeile pro Spalte. Jede Zeile sollte eine Definition in verständlicher Sprache, den offensichtlichen Datentyp, den Bereich oder die eindeutigen Werte und die Anzahl der leeren Felder enthalten. Bitten Sie darum, jeden Wert zu kennzeichnen, der eher wie ein Code als wie Daten aussieht.
Haken Sie dann bei den unklaren Spalten nach. Fragen Sie, welche Spalten anscheinend eine codierte Bedeutung haben und was jeder Code darstellt. Diese können Sie dann mit jemandem, der das System kennt, bestätigen oder korrigieren.
Das Ergebnis in dieser Phase ist ein Entwurf, kein fertiges Dokument. Seine Aufgabe ist es, die Archäologie zu übernehmen, sodass Sie nur noch Ihr Urteilsvermögen einbringen müssen.
Schritt 3: Korrigieren Sie die Definitionen und veröffentlichen Sie es
Überprüfen Sie jede Zeile und korrigieren Sie diejenigen, die nur ein Mensch klären kann. Was als aktiv gilt, warum zwei Datumsspalten voneinander abweichen und welche Felder maßgebend sind. Exportieren Sie das Ergebnis dann als Tabelle oder Dokument.
Geben Sie ihm einen Platz direkt neben den Daten selbst. Ein Wörterbuch im Download-Ordner von jemandem ist keine Dokumentation und der schnellste Weg, die gerade behobene Abweichung wieder einzuführen.
Halten Sie es auch nach dem ersten Tag nützlich
Ein Datenwörterbuch erfüllt seinen Zweck nur, wenn es aktuell bleibt, und der USGS sagt direkt, wie. Planen Sie im Voraus, fügen Sie Elemente hinzu, sobald sie identifiziert werden, und aktualisieren Sie das Wörterbuch, wenn sich Strukturen ändern.
Drei Gewohnheiten erledigen den Großteil der Arbeit.
Schreiben Sie Definitionen für Außenstehende. Wenn ein neuer Mitarbeiter die Definition nicht ohne Rückfragen nutzen kann, ist sie nicht fertig.
Versionieren Sie es zusammen mit den Daten. Wenn eine Spalte hinzugefügt oder ihr Typ geändert wird, wird das Wörterbuch im selben Schritt aktualisiert, nicht erst im nächsten Quartal.
Übernehmen Sie einen Standard, sofern einer existiert. Der USGS stellt fest, dass die Übernahme und das Zitieren eines Datenstandards die Notwendigkeit, eine eigene Dokumentation zu verwalten, komplett überflüssig macht.
Ein Wörterbuch passt auch hervorragend zu der allgemeinen Gewohnheit, sich einmalig auf Zahlen zu einigen. Unser Leitfaden zur Erstellung einer Single Source of Truth behandelt die Ebene darüber. In der Zwischenzeit deckt das Analysieren einer von jemand anderem erstellten Tabellenkalkulation die Situation ab, die diesen Bedarf meist überhaupt erst auslöst.
Start Sie mit der Datei, die Sie bereits haben
Sie können den gesamten oben beschriebenen Ablauf im kostenlosen Tarif durchführen. Er umfasst Uploads für Excel, CSV, PDF und Dokumente, generierte Erkenntnisse und Zusammenfassungen sowie die Erstellung einfacher Präsentationen, Dokumente, Tabellen und Bilder.
Zwei Einschränkungen sollten klar genannt werden. Excel-Analysen und die Erstellung von Office-Dokumenten sind im Pro-Tarif aufgeführt. Der kostenlose Tarif enthält eine geplante Aufgabe, sodass ein Wörterbuch, das nach einem Zeitplan neu generiert wird, eine kostenpflichtige Stufe erfordert.
Wenn die zugrunde liegende Datei zuerst aufgeräumt werden muss, beschreibt unsere Seite zur KI-Datenbereinigung diesen Schritt. Die Seiten zum Excel-KI-Assistenten und CSV-KI-Assistenten decken die beiden häufigsten Dateitypen ab. Um Ihren unordentlichsten Export noch heute zu dokumentieren, probieren Sie Powerdrill Bloom aus.
Häufig gestellte Fragen
Was ist der Unterschied zwischen einem Datenwörterbuch und Metadaten?
Ein Datenwörterbuch beschreibt die Struktur und den Inhalt einzelner Felder. Metadaten sind umfassender und decken ab, wer die Daten erstellt hat, warum und wie sie erfasst und verarbeitet wurden.
Kann ich ein Datenwörterbuch in Excel erstellen?
Ja, und das ist der normale Ansatz für Tabellenkalkulationsdaten. Der USGS veröffentlicht eine leere Vorlage zur manuellen Erstellung eines einfachen Datenwörterbuchs in Excel.
Wie detailliert sollte jede Felddefinition sein?
Detailliert genug, dass jemand außerhalb Ihres Teams die Spalte ohne Rückfragen nutzen kann. Geben Sie die zulässigen Werte an und was ein leeres Feld bedeutet, da diese die meisten Unstimmigkeiten verursachen.
Wer sollte Eigentümer des Datenwörterbuchs sein?
Wer auch immer Eigentümer der Datenstruktur ist, nicht derjenige, der den Bericht angefordert hat. Die Eigentümerschaft ist am wichtigsten, wenn sich eine Spalte ändert, da das Wörterbuch im selben Schritt geändert werden muss.
Wie oft sollte ein Datenwörterbuch aktualisiert werden?
Wann immer sich die zugrunde liegende Struktur ändert. Der USGS betrachtet ein veraltetes Wörterbuch als Problem der Datenverantwortung, da die Menschen weiterhin Definitionen vertrauen, die nicht mehr mit den Daten übereinstimmen.