V Kompetenz HF-D7.2-004 branchenübergreifend 9 Skills
Bewertung der Datenqualität
Überprüft Datensätze auf Vollständigkeit, Richtigkeit, Duplikate und Aktualität, beschreibt die festgestellten Mängel und stellt fest, ob die Daten verwertbar sind.
Wie hrmforce dies misst
- Messmethode
- Arbeitsproben-Test · rho 0.33 (SD 0.09)
- hrmforce-Instrument
- Arbeitsproben-Test, Wissenstest (kundenspezifisch)
- Kompetenz (50-Framework)
- Genauigkeit
- Trainierbarkeit
- hoch
- Nachfrageausblick 2026 bis 2030
- steigend
Der Bewerber führt unter standardisierten Bedingungen eine repräsentative Arbeitsprobe durch.
Verhaltensanker
| Ebene | Verhalten auf dieser Ebene |
|---|---|
| N1 Geführt | Arbeitet anhand einer Checkliste einen bereitgestellten Datensatz durch und meldet fehlende oder doppelte Datensätze an die zuständige Person. arbeitet unter Aufsicht und befolgt Anweisungen · Routine, jeweils eine Variable nach der anderen · eigene Aufgabe |
| N3 Beherrscht | Definiert Validierungsregeln für eine Datenquelle, quantifiziert die Fehler und gibt an, ob die Daten für die Verwendung geeignet sind. legt den eigenen Ansatz fest und holt proaktiv Input ein · mehrere Variablen, gewisse Mehrdeutigkeiten · eigenes Team oder eigener Prozess |
| N5 Führung | Legt das Rahmenwerk für die Datenqualität für die gesamte Organisation fest und bestimmt, welche Quellen als zuverlässig gelten. legt den Standard und die Richtlinien fest · strategisch, unter hoher Unsicherheit · Organisation, Wertschöpfungskette oder Berufsfeld |
N2 und N4 sind bewusst nicht verankert. Die Bewerter ordnen sie gemäß der Konvention O*NET zwischen den Ankerpunkten ein.
Zugrundeliegende Skills
Diese Skills übernehmen die Messroute und die Verhaltensanker dieses Konstrukts.
| T | Skill | Definition | Nachfrageausblick 2026 bis 2030 |
|---|---|---|---|
| V | Überprüfung der Vollständigkeit eines Datensatzes Vollständigkeitsprüfung | Prüft, ob alle erwarteten Datensätze, Zeiträume und Pflichtfelder vorhanden sind, und meldet, was fehlt. | steigend |
| V | Erkennung und Zusammenführung von Duplikaten Dublettenbereinigung | Ermittelt doppelte Datensätze mittels exakter und unscharfer Suche und führt diese zusammen, ohne dass Informationen verloren gehen. | stabil |
| V | Umgang mit fehlenden Werten Fehlende Daten · Imputation | Untersucht, warum Werte fehlen, und trifft eine fundierte Entscheidung zwischen Ausschluss, Imputation oder separater Berichterstattung. | steigend |
| V | Durchführung der Datenprofilierung Datenprofilierung | Erfassen Sie den Wertebereich, die Verteilung, die eindeutigen Werte und die Ausfüllrate pro Feld, bevor eine Analyse beginnt. | steigend |
| V | Überprüfung von Datumsangaben und Formaten Formatvalidierung | Überprüft Datums-, Währungs- und Codefelder auf Format, Zeitzone und unzulässige Werte und korrigiert Abweichungen. | rückläufig |
| V | Überprüfung der referenziellen Integrität Referenzielle Integrität | Überprüft, ob die Verweise zwischen Tabellen gültig sind, und erkennt verwaiste Datensätze ohne entsprechenden übergeordneten Datensatz. | stabil |
| V | Festlegung von Regeln zur Datenqualität Regeln zur Datenqualität | Erfasst überprüfbare Regeln pro Feld hinsichtlich Genauigkeit, Bereich und Verbindlichkeit und lässt diese nach einem festgelegten Zeitplan automatisch überprüfen. | steigend |
| V | Abstimmung der Datenquellen Datenabgleich | Vergleicht Zahlenangaben und Gesamtwerte aus zwei Quellen, erläutert die Unterschiede und dokumentiert den Abgleich. | stabil |
| V | Erkennen von Messfehlern bei der Erfassung Messfehler | Erkennt systematische Eingabe- und Erfassungsfehler in den Quellsystemen und bespricht deren Korrektur mit dem Prozessverantwortlichen. | steigend |