Die hier gesammelten Best Practices können für die Konfiguration von dataspot. verwendet werden.
Inhaltsverzeichnis YAML
Best Practice Empfehlung zur Gliederung des YAMLs. So können Inhalte besser gegliedert und strukturiert werden
# 000 - Übergreifende Änderungen
# 010 - Sammlung / Collection
# 020 - Herkunft / Derivation
# 030 - Abhängigkeit / Dependency
# 040 - Transformation / Transformation
# 050 - Transformationsregel / Rule
# 060 - Verantwortung / Attribution
# 100 - Geschäftsobjektmodel / Business data model
# 110 - Geschäftsobjekt / Business object
# 120 - Fachliches Attribut / Business attribute
# 130 - Beziehung / Relationship
# 200 - Referenzdatenmodell / Reference data model
# 210 - Referenzobjekt / Reference object
# 220 - Referenzwert / Reference value
# 230 - Überleitungstabelle / Mapping
# 240 - Überleitung / Translation
# 300 - Kennzahlenverzeichnis / Measures catalog
# 310 - Kennzahl / Measure
# 320 - Dimension / Dimension
# 400 - Datennutzungskatalog / Data catalog
# 410 - Datenset / Dataset
# 420 - Bestandteil / Composition
# 430 - Distribution / Distributions
# 440 - Subdatenset / Subdataset
# 500 - Datenqualitätsmodell / Quality model
# 510 - Datenqualitätsindikator / Indicator
# 600 - Projektverzeichnis / Project directory
# 610 - Projekt / Project
# 700 - Verarbeitungsverzeichnis / Processing records
# 710 - Verarbeitung / Processing
# 800 - Technisches Datenmodell / Data model
# 810 - Datenobjekt / Data object
# 820 - technisches Attribut / Attribute
# 830 - technische Beziehung / Relationship
# 840 - Enumeration / Enumeration
# 850 - Literal / Literal
# 860 - technischer Datentyp / Data type
# 870 - Operation / Operation
# 880 - Parameter / Parameter
# 900 - Systemkatalog / System catalog
# 910 - System / System
# 920 - Bereitstellung / Deployment
# 1100 - Organisation
# 1110 - Posten / Post
# 1120 - Gruppe / Group
# 1130 - Person / Person
# 1140 - Rolle / Role
# 1150 - Aufgabe / Task
Übergreifende Änderungen
Derivation (Herkunft)
Die Derivation stellt die Herkunft im Akkordeon verschiedener Elemente dar. Mittels der Herkunft kann somit in verschiedenen Kontexten eine Kennzeichnung der Herkunft stattfinden. Für die Herkunft können unterschiedliche Ausprägungen je nach Nutzung der Herkunft definiert werden.
Definition der Bedeutung der Herkunft
Wird die Herkunft vor allem zur Abbildung einer Fachlichen Lineage genutzt kann es von Vorteil sein, verschiedene Bedeutungen zu definieren.
# 020 - Herkunft
Derivation:
properties:
qualifier:
literals:
FILTER:
label:
de: Filter
en: Filter
order: 10
BER:
label:
de: Berechnungsbasis
en: Calculation basis
order: 20
EXCLUDE:
label:
de: Schließt aus
en: Exclude
order: 30
Abhängigkeit (Dependency)
Kennzeichnung für Abhängigkeiten
Für Sammlungen, Projekte, Processe und Systeme kann eine Abhängigkeit untereinander definiert werden. Für diese Abhängigkeiten kann eine Kennzeichnung vergeben werden.
Dependency:
properties:
stereotype:
literals:
SUCCESSOR:
label:
de: Nachfolger
en: Successor
SUCCESSORCOND:
label:
de: Nachfolger mit Bedingung
en: Successor under condition
Rule (Transformationsregel)
Änderungen an Transformationsregeln
Eine Unterscheidung zwischen unterschiedlichen Transformationstypen ist manchmal sinnvoll. Dabei werden unterschiedliche Transformationstypen definiert. Der Hauptnutzen ist, technische Transformationen in der Datenverarbeitung zu beschreiben und nachvollziehbar abzubilden. Durch die Verwendung unterschiedlicher Symbole wird eine gewisse Übersichtlichkeit erzeugt.
Auswahl von Transformationstypen
Transformationsstandard #1
Dabei handelt es sich um einen eingeschränkten Standard in dem ein kleinerer Kreis an Transformationstypen angesprochen wird.
# 050 - Transformationsregel
Rule:
properties:
stereotype:
label:
de: Transformationstyp
en: Transformationtype
literals:
ONE2ONE:
label:
de: 1:1-Mapping
en: 1:1-Mapping
order: 10
icon: clone
title:
de: Beschreibt die direkte 1:1 Beziehung von Attributen/Objekten.
en: Describes the direct 1:1 Mapping between attributes or objects.
DESCRIBED:
label:
de: wie beschrieben
en: as described
order: 30
icon: angry
title:
de: Eine detaillierte Beschreibung der Transformation ist enthalten.
en: A detailed description of the transformation is provided.
FIX:
label:
de: Fixwert
en: fixed value
order: 40
icon: lock
title:
de: Für die Transformation wird eine feste Ausprägung gewählt.
en: A fixed value is provided for the transformation.
SELECTION:
label:
de: Datenselektion
en: data selection
order: 50
icon: cut
title:
de: Für die Transformation ist nur eine Selektion an Elementen relevant. (BSP: Transformation soll nur für einen ausgewählten Buchungskreis relevant sein)
en: Only a selection of elements is relevant for the transformation. (Example: The transformation should only apply to a selected company code)
RELATION:
label:
de: Beziehung
en: relationship
order: 60
icon: heart
title:
de: Mit der Beziehung soll Logik wie z.B.: "JOINS" beschrieben werden. TabelleA Attribut1 wird mit TabelleB Attribut2 gejoint.
en: This relationship is intended to describe logical operations such as ‘JOINS’. TableA Attribute1 is joined with TableB Attribute2.
Transformationsstandard #2
Umfangreiche Ausprägung an Transformationstypen
# 050 - Transformationsregel
Rule:
properties:
stereotype:
label:
de: Transformationstyp
en: Transformationtype
literals:
ONE2ONE:
label:
de: 1:1-Mapping (MAP)
en: 1:1-Mapping
order: 10
icon: clone
ONE2ONEDEFAULT:
label:
de: 1:1-Beladung (BEL)
en: 1:1-Load
order: 20
icon: angle-double-down
CALCULATION:
label:
de: Berechnung (CALC)
en: calculation
order: 30
icon: calculator
MAPPING:
label:
de: Umschlüsselung (KEY)
en: recoding
order: 40
icon: key
DESCRIBED:
label:
de: wie beschrieben (DESC)
en: as described
order: 50
icon: keyboard
FIX:
label:
de: Fixwert (FIX)
en: fixed value
order: 60
icon: lock
SELEKTION:
label:
de: Datenselektion (SEL)
en: data selection
order: 70
icon: check
RELATION:
label:
de: Beziehung (REL)
en: relationship
order: 80
icon: heart
MODIFICATION:
label:
de: applikationsinduzierte Modifizierung (MOD)
en: application induced modification
order: 90
icon: exchange-alt
LOGMOD:
label:
de: logisches Datenmodell (LDM)
en: logical datamodel
order: 100
icon: code-branch
CONNECTION:
label:
de: Konnexion (KONX)
en: connection
order: 110
icon: plug
CORRESPONDS:
label:
de: Entspricht (ENTSP)
en: corresponds to
icon: equals
order: 120
Status
Der Status wird zentral für dataspot. definiert. Die jeweils verwendeten Status können dann im Workflow je Modell festgelegt werden.
Status für technische Datenmodelle
Oftmals empfiehlt es sich, vor allem bei automatisiert angelieferten technischen Datenmodellen (z.B. mittels JdbcMetadataConnector), spezifische Status für die technischen Datenmodelle zu definieren. Diese werden dann zusätzlich zu den Standard-Status definiert.
Asset:
properties:
status:
literals:
# Zusätzliche Status für technische Datenmodelle
NEW:
label:
de: Neu
en: New
icon: file-plus
order: 7
group: DRAFT
CHANGED:
label:
de: Geändert
en: Changed
icon: arrow-right-arrow-left
group: DRAFT
order: 8
DELETED:
label:
de: Gelöscht
en: Deleted
icon: trash-can
group: PUBLIC
order: 9
Stereotypisierung von Modellen
In dataspot. können nun auch Modelle selbst stereotypisiert werden, um so spezifische Varianten von Modellen besser zu Kennzeichnen. Diese Konfiguration kann auf zwei Arten vorgenommen werden.
Stereotypisierung aller Modelltypen
Bei der Stereotypisierung aller Modelltypen wird der gewünschte Stereotyp zentral definiert und kann somit für alle Modelltypen ausgewählt werden. Dies ist z.B. von Vorteil, wenn Modelle verschiedener Modelltypen die gleiche Darstellung aufgrund inhaltlicher Zusammengehörigkeit haben sollen.
Scheme:
properties:
stereotype:
label:
de: Modellvariante
en: Model type
literals:
DQM:
label:
de: Datenqualitätsrelevantes Modell
en: Model relevant to data quality
icon: badge-check
Stereotypisierung eines Modelltyps
Es kann auch nur ein spezifischer Modelltyp z.B. Technisches Datenmodell stereotypisiert werden. So kann innerhalb des Modelltyps eine weitere Unterteilung in Subtypen stattfinden. Dies ist zum Beispiel bei der unterschiedlichen Darstellung von unterschiedlichen Technischen Datenmodellen (z.B. Schnittstelle, Datenbank, Excel-File) sinnvoll.
UmlModel:
properties:
stereotype:
label:
de: Art des technischen Modells
en: Type of technical model
literals:
INTERFACE:
label:
de: Schnittstelle
en: Interface
icon: arrows-split-up-and-left
EXCEL:
label:
de: Excel-File
en: Excel file
icon: file-excel
Fachdatenmodell
BusinessObject (Geschäftsobjekt)
Datenschutzkategorien
Um der DSGVO nachzukommen müssen Personenbezogene Daten nach ihrer Art gekennzeichnet werden.
# 110 - Geschäftsobjekt
BusinessObject:
properties:
dataProtectionCategory:
literals:
PERSONAL:
label:
de: personenbezogen
en: personal data
IDENTIFYING:
label:
de: personenidentifizierend
en: identifying data
SENSITIVE:
label:
de: sensibel
en: sensitive
RACIAL:
label:
de: rassische und ethnische Herkunft
en: racial and ethnic origin
BIOMETRIC:
label:
de: biometrische Daten
en: biometric data
GENETIC:
label:
de: genetische Daten
en: genetic data
HEALTH:
label:
de: Gesundheit oder Sexualleben
en: health or sexual orientation
RELIGIOUS:
label:
de: religiöse oder philosophische Überzeugungen
en: religious or philosophical beliefs
Datenkategorie - Stammdaten, Transaktionsdaten
Eine Kennzeichnung der Daten nach Datenkategorie erleichtert Auswertungen und Kategorisierungen.
# 110 - Geschäftsobjekt
BusinessObject:
customProperties:
dataCategory:
label: Datenkategorie
labelEn: Data category
literals:
master:
label:
de: Stammdaten
en: master data
transactional:
label:
de: Transaktionsdaten
en: transactional data
retentionPeriod:
label:
de: Behaltedauer (in Monaten)
en: retention period (in months)
baseType: DECIMAL
Vertraulichkeitsklasse Geschäftsobjekt
Eine Kategorisierung der Daten nach Vertraulichkeit und Schutzbedarf ist in vielen Unternehmen notwendig. Es werden mehrere Varianten als Vorlage für die definition solcher Felder angeboten:
Vertraulichkeitsklasse GO I
Kennzeichnung nach Trafficlight Protokoll
BusinessObject:
customProperties:
confidentialityClass:
label:
de: Vertraulichkeit (Vt) nach TLP
en: Confidentiality TLP
literals:
WHITE:
label:
de: TLP White - Ohne Beschränkung
en: TLP White - No restrictions
order: 10
GREEN:
label:
de: TLP Green - intern
en: TLP Green - Internal
order: 20
AMBER:
label:
de: TLP Amber - "Need to know" - Kenntnis erforderlich
en: TLP Amber - Need to know
order: 30
RED:
label:
de: TLP Red - Ausschließlich persönlich
en: TLP Red - Recipient only
order: 40
Vertraulichkeitsklasse GO II
Kennzeichnung nach Schutzklassen
BusinessObject:
customProperties:
securityClass:
label:
de: Sicherheitsklasse
en: Security category
literals:
SK0:
label:
de: SK 0 - frei verfügbar
en: SC 0 - unrestricted
order: 10
SK1:
label:
de: SK 1 - eingeschränkt
en: SC 1 - restricted
order: 20
SK2:
label:
de: SK 2 - vertraulich
en: SC 2 - confidential
order: 30
SK3:
label:
de: SK 3 - geheim
en: SC 3 - secret
order: 40
SK4:
label:
de: SK 4 - streng geheim
en: SC 4 - top secret
order: 50
Verfügbarkeit - Geschäftsobjekt
Die Einstufung von Daten nach ihrer Verfügbarkeit macht den Verfügbarkeitsanspruch und die ensprechend notwendige Infrastruktur klar ersichtlich. Die Vorlage wird in zwei Varianten zur Verfügung gestellt.
Verfügbarkeit GO I - Anspruch und Auswirkung
BusinessObject:
customProperties:
availabilityClass:
label:
de: Verfügbarkeit (Vf)
en: Availability
literals:
LOW:
label:
de: 1 = Anspruch niedrig (ein Ausfall wäre nicht kritisch)
en: 1 = low requirement (downtime not critical)
order: 10
MEDIUM:
label:
de: 2 = Anspruch mittel (ein Ausfall wäre wenig kritisch)
en: 2 = medium requirement (downtime not very critical)
order: 20
HIGH:
label:
de: 3 = Anspruch hoch (ein Ausfall wäre kritisch)
en: 3 = high requirement (downtime critical)
order: 30
VERYHIGH:
label:
de: 4 = Anspruch sehr hoch (ein Ausfall wäre sehr kritisch)
en: 4 = very high requirement (downtime highly critical)
order: 40
Verfügbarkeit GO II - Art der Sicherung
BusinessObject:
customProperties:
availablilityClass:
label:
de: Verfügbarkeit
en: Availability
literals:
UNCRITICAL:
label:
de: Unkritisch (Offline Sicherung)
en: non-critical (offline backup)
order: 10
CRITICAL:
label:
de: Kritisch (Redundante Infrastruktur)
en: critical (redundand infrastructure)
order: 20
HIGHLYCRITICAL:
label:
de: Hoch kritisch (Redundanter Standort)
en: highly critical (redundant location)
order: 30
DSGVO Datennutzung - Art der Verarbeitung
BusinessObject:
customProperties:
dataUsage:
label:
de: Datennutzung
en: Data usage
literals:
UNRESTRICTED:
label:
de: uneingeschränkt
en: unrestricted
order: 10
RESTRICTED:
label:
de: eingeschränkt
en: restricted
order: 20
NOTPERMITTED:
label:
de: nicht erlaubt (nur mit Rechtsgrundlage erlaubt)
en: not permitted (only with lawful basis)
order: 30
Objekttypen für die Datenlandkarte
Wird im Fachdatenmodell von dataspot. eine Datenlandkarte modelliert sollen oftmals auch Dokumente, die keine echten Geschäftsobjekte darstellen abgebildet werden. Um einen schnellen Überblick in der Datenlandkarte zu ermöglichen, werden hier spezielle Typen von Objekten stereotypisiert.
BusinessObject:
properties:
stereotype:
label:
de: Objekttyp für Datenlandkarte
en: Object type for data map
literals:
FOREIGN:
label:
de: Fremdobjekt | Fremdobjekte
en: Foreign Object | Foreign Objects
icon: arrows-up-down-left-right
order: 10
DOMESTIC:
label:
de: Eigenobjekt | Eigenobjekte
en: Domestic Object | Domestic Objects
icon: arrows-to-dot
order: 20
PARTICIPANT:
label:
de: Beteiligte Rolle | Beteiligte Rollen
en: Participating Role | Participating Roles
icon: users
order: 30
DOCUMENT:
label:
de: Dokument | Dokumente
en: Document | Documents
icon: file
order: 40
BusinessAttribute (Attribut)
Datenschutzkategorien
Um der DSGVO nachzukommen müssen Personenbezogene Daten nach ihrer Art gekennzeichnet werden.
BusinessAttribute:
properties:
dataProtectionCategory:
literals:
PERSONAL:
label:
de: personenbezogen
en: personal data
order: 10
IDENTIFYING:
label:
de: personenidentifizierend
en: identifying data
order: 20
SENSITIVE:
label:
de: sensibel
en: sensitive
order: 30
RACIAL:
label:
de: rassische und ethnische Herkunft
en: racial and ethnic origin
order: 40
BIOMETRIC:
label:
de: biometrische Daten
en: biometric data
order: 50
GENETIC:
label:
de: genetische Daten
en: genetic data
order: 60
HEALTH:
label:
de: Gesundheit oder Sexualleben
en: health or sexual orientation
order: 70
RELIGIOUS:
label:
de: religiöse oder philosophische Überzeugungen
en: religious or philosophical beliefs
order: 80
Datenkategorie - Stammdaten, Transaktionsdaten
Eine Kennzeichnung der Daten nach Datenkategorie erleichtert Auswertungen und Kategorisierungen.
BusinessAttribute:
customProperties:
dataCategory:
label:
de: Datenkategorie
en: Data category
literals:
MASTER:
label:
de: Stammdaten
en: master data
TRANSACTIONAL:
label:
de: Bewegungsdaten
en: transactional data
Vertraulichkeitsklasse - Attribut
Eine Kategorisierung der Daten nach Vertraulichkeit und Schutzbedarf ist in vielen Unternehmen notwendig. Es werden mehrere Varianten als Vorlage für die definition solcher Felder angeboten:
Vertraulichkeitsklasse - Attribut I
BusinessAttribute:
customProperties:
confidentialityClass:
label:
de: Vertraulichkeit (Vt) nach TLP
en: Confidentiality TLP
literals:
WHITE:
label:
de: TLP White - Ohne Beschränkung
en: TLP White - No restrictions
order: 10
GREEN:
label:
de: TLP Green - intern
en: TLP Green - Internal
order: 20
AMBER:
label:
de: TLP Amber - "Need to know" - Kenntnis erforderlich
en: TLP Amber - Need to know
order: 30
RED:
label:
de: TLP Red - Ausschließlich persönlich
en: TLP Red - Recipient only
order: 40
Vertraulichkeitsklasse - Attribut II
BusinessAttribute:
customProperties:
securityClass:
label:
de: Sicherheitsklasse
en: Security category
literals:
SK0:
label:
de: SK 0 - frei verfügbar
en: SC 0 - unrestricted
order: 10
SK1:
label:
de: SK 1 - eingeschränkt
en: SC 1 - restricted
order: 20
SK2:
label:
de: SK 2 - vertraulich
en: SC 2 - confidential
order: 30
SK3:
label:
de: SK 3 - geheim
en: SC 3 - secret
order: 40
SK4:
label:
de: SK 4 - streng geheim
en: SC 4 - top secret
order: 50
Verfügbarkeit - Attribut
Die Einstufung von Daten nach ihrer Verfügbarkeit macht den Verfügbarkeitsanspruch und die ensprechend notwendige Infrastruktur klar ersichtlich. Die Vorlage wird in zwei Varianten zur Verfügung gestellt.
Verfügbarkeit Attribut I - Anspruch und Auswirkung
BusinessAttribute:
customProperties:
availabilityClass:
label: Verfügbarkeit (Vf)
labelEn: Availability
literals:
LOW:
label:
de: 1 = Anspruch niedrig (ein Ausfall wäre nicht kritisch)
en: 1 = low requirement (downtime not critical)
order: 10
MEDIUM:
label:
de: 2 = Anspruch mittel (ein Ausfall wäre wenig kritisch)
en: 2 = medium requirement (downtime not very critical)
order: 20
HIGH:
label:
de: 3 = Anspruch hoch (ein Ausfall wäre kritisch)
en: 3 = high requirement (downtime critical)
order: 30
VERYHIGH:
label:
de: 4 = Anspruch sehr hoch (ein Ausfall wäre sehr kritisch)
en: 4 = very high requirement (downtime highly critical)
order: 40
Verfügbarkeit Attribut II - Art der Sicherung
BusinessAttribute:
customProperties:
availablilityClass:
label:
de: Verfügbarkeit
en: Availability
literals:
UNRESTRICTED:
label:
de: uneingeschränkt
en: unrestricted
order: 10
RESTRICTED:
label:
de: eingeschränkt
en: restricted
order: 20
NOTPERMITTED:
label:
de: nicht erlaubt (nur mit Rechtsgrundlage erlaubt)
en: not permitted (only with lawful basis)
order: 30
Relationship (Beziehung)
Datenschutzkategorie Beziehung
Um der DSGVO nachzukommen müssen Personenbezogene Daten nach ihrer Art gekennzeichnet werden.
Relationship:
properties:
dataProtectionCategory:
label:
de: Datenschutzkategorie
en: Data procection category
literals:
DK0:
label:
de: personenbezogen
en: personal data
DK1:
label:
de: personenidentifizierend
en: identifying data
DK2:
label:
de: sensibel
en: sensitive
Sicherheitsklasse Beziehung
Relationship:
customProperties:
securityClass:
label:
de: Sicherheitsklasse
en: Security class
literals:
SK0:
label:
de: SK 0 - frei verfügbar
en: SC 0 - unrestricted
order: 10
SK1:
label:
de: SK 1 - eingeschränkt
en: SC 1 - restricted
order: 20
SK2:
label:
de: SK 2 - vertraulich
en: SC 2 - confidential
order: 30
SK3:
label:
de: SK 3 - geheim
en: SC 3 - secret
order: 40
SK4:
label:
de: SK 4 - streng geheim
en: SC 4 - top secret
order: 50
Kennzahlenverzeichnis
Measure (Kennzahl)
Berechnungszeitpunkte bei Kennzahlen
Liste der im Standard verfügbaren Ausprägungen.
Measure:
properties:
calculationDate:
literals:
EOD:
label:
de: Ende des Tages
en: End of day
order: 10
EOM:
label:
de: Ende des Monats
en: End of month
order: 20
REPDATE:
label:
de: Stichtag
en: Reporting date
order: 30
Maßeinheit bei Kennzahlen
Liste der verfügbaren Maßeinheiten ergänzt um Tonne
Measure:
properties:
unitMeasure:
literals:
PC:
label:
de: Prozent
en: Percentage
order: 10
EUR:
label:
de: Euro
en: Euro
order: 20
YEAR:
label:
de: Jahre
en: Years
order: 30
NUM:
label:
de: Anzahl
en: Count
order: 40
TON:
label:
de: Tonne
en: Ton
order: 50
Datennutzungskatalog
Dataset (Datennutzung)
Kennzeichnung der Zielgruppe nach Organisationshierarchie
Diese Vorlage bietet Anhaltspunkte für die Kennzeichnung der Zielgruppe einer Datennutzung
Dataset:
customProperties:
targetGroup:
label:
de: Zielgruppe
en: Target Group
cardinality: MANY
literals:
BOARD:
label:
de: Vorstand
en: Board of Directors
order: 10
AREAMGMT:
label:
de: Bereichsleitung
en: Area Management
order: 20
MANAGINGDIRECTOR:
label:
de: Geschäftsführung
en: Managing Director
order: 30
HEADOFDEPARTMENT:
label:
de: Abteilungsleitung
en: Head of Department
order: 40
TEAMLEAD:
label:
de: Teamleitung
en: Team Lead
order: 50
EXTERNAL:
label:
de: Externe Abnehmer
en: external
order: 60
Kennzeichnung von Zielgruppe nach Funktion
Diese Vorlage dient zur Kennzeichnung der Zielgruppe einer Datennutzung nach der Funktion/Posten der Empfängergruppe
Dataset:
customProperties:
localFunctions:
label:
de: Funktionen
en: Functions
cardinality: MANY
literals:
clusterMD:
label:
de: Geschäftsführung
en: Managing Director
order: 10
BusinessController:
label:
de: Business & Controller
en: Business & Controller
order: 20
FirstLine:
label:
de: Abteilungsleitung
en: First Line Managers
order: 30
SalesDirector:
label:
de: Vertriebsdirektor
en: Sales Director
order: 40
KeyAccount:
label:
de: Kundenbetreuer
en: Account Manager
order: 50
other:
label:
de: Andere
en: other
order: 60
other:
label:
de: Andere
en: Others
baseType: STRING
Definition unterschiedlicher Reporttypen mit custom Feldern durch Stereotyp
Oft sind im Unternehmen Datennutzungen aus unterschiedlichen Quellen, bzw. Analyseprozessen vorhanden. Diese Vorlage bietet Anhaltspunkte um die Metadatenfelder an die im Unternehmen vorhandene und verwendete Datennutzungen anzupassen.
Dataset:
properties:
stereotype:
label:
de: Reporttyp
en: Report type
literals:
dashboard:
label:
de: Dashboard | Dashboards
en: Dashboard | Dashboards
icon: columns
properties:
description:
label:
de: Beschreibung
en: Description
customProperties:
purpose:
label:
de: Zweck
en: Purpose
baseType: TEXT
query:
label:
de: Query | Queries
en: Query | Queries
icon: share-alt-square
properties:
description:
label:
de: Beschreibung
en: General information
customProperties:
purpose:
label:
de: Zweck
en: Purpose
baseType: TEXT
techDesc:
label:
de: Technische Beschreibung
en: Technical description
baseType: TEXT
infoProvider:
label:
de: Info Provider
en: Info provider
baseType: STRING
techName:
label:
de: Technischer Name
en: Technical Name
baseType: STRING
UID:
label:
de: UID
en: UID
baseType: STRING
SID:
label:
de: SID
en: SID
baseType: STRING
lastChanged:
label:
de: Letzte Änderung
en: Last Changed
baseType: DATE
lastChangedBy:
label:
de: Letzte Änderung durch
en: Last Changed By
baseType: STRING
BIReport:
label:
de: BI-Tool Report | BI-Tool Reports
en: BI-Tool Report | BI-Tool Reports
icon: border-all
customProperties:
dataPresentation:
label:
de: Format des Berichts
en: Data Presentation
literals:
LIST:
label:
de: Liste
en: List Report
EXPLORATIVE:
label:
de: Explorative Visualisierung
en: Explorative Visualization
DASHBOARD:
label:
de: Dashboard
en: Dashboard
SAPReport:
label:
de: SAP Bericht | SAP Berichte
en: SAP Report | SAP Reports
icon: dice-four
externProv:
label:
de: Externer Anbieter
en: External Provider
icon: file-alt
Distribution
Distribution - Zeitdimension
Oft sind bei Distributionen zeitliche Aspekte wie das Veröffentlichungsdatum oder das Änderungsdatum wichtige Zusatzinformation. Diese Vorlage dient als Anhaltspunkt für die Definition entsprechender Felder.
Distribution:
customProperties:
resourceCreated:
label:
de: Veröffentlichungsdatum
en: publication date
baseType: DATE
resourceLastModified:
label:
de: Änderungsdatum
en: modification date
baseType: DATE
Distribution - Sprache & Characterset
Diese Vorlage dient zur Definition von Sprache und Characterset von Distributionen
Distribution:
customProperties:
resourceLanguage:
label:
de: Sprache
en: Language
baseType: STRING
resourceCharacterSet:
label:
de: Characterset
en: Character Set Code
baseType: STRING
Datenqualitätsmodell
Indicator (Datenqualitätsindikatoren)
Technische und fachliche DQIs
Eine Unterscheidung zwischen technischen und fachlichen DQIs ist manchmal sinnvoll. Technische DQIs werden auf Basis standardisierter Regeltypen gegen technische Datenmodelle angelegt. Fachliche DQIs werden gegen das Fachdatenmodell angelegt. Es erzeugt eine gewisse Übersichtlichkeit dafür auch unterschiedliche Symbole zu verwenden. Auch für Automatisierungen von Prüfungen kann diese Unterscheidung hilfreich sein.
Indicator:
properties:
stereotype:
label:
de: DQI-Typ
en: DQI type
literals:
TDQI:
label:
de: Technischer DQI
en: Technical DQI
icon: search-plus
customProperties:
technicalRuleType:
label:
de: Technischer Regeltyp
en: Technical rule type
literals:
NULL:
label:
de: NULL CHECK
en: NULL CHECK
order: 10
EMPTY:
label:
de: LEER CHECK
en: EMPTY CHECK
order: 20
UNIQUE:
label:
de: UNIQUE CHECK
en: UNIQUE CHECK
order: 30
RANGEBETWEEN:
label:
de: RANGE/BETWEEN CHECK
en: RANGE/BETWEEN CHECK
order: 40
RANGEVALUE:
label:
de: RANGE VALUES CHECK
en: RANGE VALUES CHECK
order: 50
FORMAT:
label:
de: FORMAT CHECK
en: FORMAT CHECK
order: 60
INTEGRITY:
label:
de: INTEGRITY CHECK
en: INTEGRITY CHECK
order: 70
CONTINUITY:
label:
de: CONTINUITY CHECK
en: CONTINUITY CHECK
order: 80
GENERAL:
label:
de: GENERAL CHECK
en: GENERAL CHECK
order: 90
technicalRuleParameter:
label:
de: Technischer Regel-Parameter
en: Technical rule parameter
baseType: STRING
FDQI:
label:
de: Fachlicher DQI | Fachliche DQIs
en: Functional DQI | FUnctional DQIs
icon: thermometer
Qualitätsdimensionen
Für eine optimale Bewertung und Messung der Datenqualität sowie der Ableitung gezielter Verbesserungsmaßnahmen, müssen im Vorfeld entsprechende Datenqualitätsdimensionen definiert werden. Erfahrunggemäß kommen die nachfolgend aufgeführten 11 Datenqualitätsdimensionen zur Anwendung. In den seltensten Fällen werden hierbei alle gleichzeitig angewendet. Vielmehr wird eine Auswahl aus den 11 Kriterien entsprechend der Sinnhaftigkeit und dem Zweck getroffen. Besonders bei der erstmaligen Definition von Datenqualitätskriterien empfehlen wir die 2 - 3 Offensichtlichsten anzuwenden. Erfahrungsgemäß bestehen diese meist aus den ersten 6 der Auflistung. Im Laufe der Zeit können in einem iterativen Prozess und entsprechend gesteigerter Lernkurve weitere Kriterien hinzugenommen werden.
Indicator:
properties:
qualityDimension:
label:
de: Qualitätsdimensionen
en: Quality dimension
literals:
COMPLETENESS:
label:
de: Vollständigkeit
en: Completeness
order: 10
UNIQUENESS:
label:
de: Eindeutigkeit
en: Uniqueness
order: 20
CORRECTNESS:
label:
de: Korrektheit
en: Correctness
order: 30
TIMELINESS:
label:
de: Aktualität
en: Timeliness
order: 40
ACCURACY:
label:
de: Genauigkeit
en: Accuracy
order: 50
CONSISTENCY:
label:
de: Konsistenz
en: Consistency
order: 60
NONREDUNDANT:
label:
de: Redundanzfreiheit
en: Nonredundant
order: 70
RELEVANCY:
label:
de: Relevanz
en: Relevancy
order: 80
UNIFORMITY:
label:
de: Einheitlichkeit
en: Uniformity
order: 90
RELIABILITY:
label:
de: Zuverlässigkeit
en: Reliability
order: 100
UNDERSTANDABILITY:
label:
de: Verständlichkeit
en: Understandability
order: 110
Nützliche Zusatzattribute
Es ist nützlich bei DQIs zu vermerken, welche Auswirkung bzw. Kritikalität Fehler haben können. Weiters kann es zielführend sein, gleich beim DQI zu vermerken, welche Informationen für Fehlerdatensätze ausgegeben werden sollen, um Analyse- und Korrekturmaßnahmen effizient durchführen zu können. Wie bei Kennzahlen ist es auch bei DQIs vorteilhaft, wenn die Messfrequenz direkt bei einem DQI verspeichert werden kann.
Indicator:
customProperties:
impact:
label:
de: Auswirkung
en: Impact
literals:
LOW:
label:
de: gering
en: low
order: 10
MEDIUM:
label:
de: mittel
en: medium
order: 20
HIGH:
label:
de: hoch
en: high
order: 30
VERYHIGH:
label:
de: sehr hoch
en: very high
order: 40
impactDescription:
label:
de: Auswirkungsbeschreibung
en: Impact description
baseType: TEXT
errorDefinition:
label:
de: Fehlerfall
en: Error definition
baseType: TEXT
errorListFields:
label:
de: Felder für DQ-Fehler-Reports
en: Error list fields
baseType: STRING
cardinality: MANY
frequency:
label:
de: Messfrequenz
en: Measure frequency
literals:
DAILY:
label:
de: täglich
en: daily
order: 10
WEEKLY:
label:
de: wöchentlich
en: weekly
order: 20
MONTHLY:
label:
de: monatlich
en: monthly
order: 30
QUARTERLY:
label:
de: quartalsweise
en: quarterly
order: 40
YEARLY:
label:
de: jährlich
en: yearly
order: 50
Projektverzeichnis
Project (Projekt)
Bedarfskategorien
Es ist durchaus sinnvoll zwischen verschiedenen Bedarfskategorien zu unterscheiden, da diese im Prozess unterschiedlich behandelt werden können. Durch eigene Symbole je Bedarfskategorie wird die Übersichtlichkeit in der Projektliste gesteigert.
Project:
properties:
stereotype:
label:
de: Bedarfskategorie
en: Requirement category
literals:
#Fall 1: Datenbedarf an das DWH (Grund-, und Referenzdaten, Kennzahlen)
DATAREQU:
label:
de: Datenbedarf | Datenbedarfe
en: Data requirement | Data Requirements
icon: shopping-cart
customProperties:
#Auswahl Datenkategorie
dataCategory:
label:
de: Datenkategorie
en: Data category
literals:
MASTER:
label:
de: Grunddaten
en: Basic data
order: 10
REFERENCE:
label:
de: Referenzdaten
en: Reference data
order: 20
MEASURE:
label:
de: Kennzahl
en: Measure
order: 30
#Fall 2: DQ-Anforderungen (DQIs, DQ-Prüfungen, DQ-Reports)
DQREQU:
label:
de: DQ-Anforderung | DQ-Anforderungen
en: DQ requirement | DQ Requirements
icon: trophy
customProperties:
#Auswahl der DQ-Anforderungsart
dataQualityRequirementType:
label:
de: DQ-Anforderungs-Typ
en: DQ requirement type
literals:
DQIND:
label:
de: Datenqualitätsindikator
en: Data quality indicator
order: 10
DQCHECK:
label:
de: DQ-Prüfung
en: Data quality check
order: 20
DQREPORT:
label:
de: DQ-Report
en: Data quality report
order: 30
#Fall 3: Datennutzungen aus dem DWH (Reports, Datensets, Schnittstellen, Abfragen/Files)
DATAUSAGE:
label:
de: Datennutzung | Datennutzungen
en: Data Usage | Data Usages
icon: gem
customProperties:
#Auswahl der Datennutzungsart
datasetType:
label:
de: Datennutzungsart
en: Data usage type
literals:
REPORT:
label:
de: Bericht / Report
en: Report
order: 10
DATASET:
label:
de: Datenset
en: Data set
order: 20
INTERFACE:
label:
de: Schnittstelle
en: Interface
order: 30
QUERY:
label:
de: Abfrage
en: Query
order: 40
FILE:
label:
de: Datei
en: File
order: 50
Nützliche Zusatzattribute
Informationen über Projektstart, Projekteende, Ausgangs- und Zielsituation, Zielgruppen und Projektkosten können wertvolle Ergänzungen zu Projekten darstellen.
Project:
customProperties:
projectStart:
label:
de: Projektstart
en: Project start
baseType: DATE
projectEnd:
label:
de: Projektende
en: Project end
baseType: DATE
projectActSituation:
label:
de: Ist-Situation
en: Project starting point
baseType: TEXT
projectTargetSituation:
label:
de: Soll-Situation
en: Project target situation
baseType: TEXT
projectTargetGroup:
label:
de: Zielgruppe
en: Target group
baseType: STRING
projectCost:
label:
de: Projektkosten
en: Project cost
baseType: STRING
Processing (Verarbeitung)
Anpassung kurze Empfängerliste
Ein Standard für die Nutzung der Empfänger von Prozessergebnissen.
Processing:
properties:
recipients:
literals:
Aufsicht:
label:
de: Aufsichtsbehörden
en: Supervisory authorities
Wirtschaftspruefer:
label:
de: Wirtschaftsprüfer
en: Auditors
Sonstige:
label:
de: Sonstige
en: Others
Lange Liste möglicher Empfänger
In anderen Fällen ist auch die Definition von vielen unterschiedlichen Empfängern notwendig.
Processing:
properties:
recipients:
literals:
LAWYERS:
label:
de: Anwälte, Notare
en: lawyers, notaries
SUPERVISORY:
label:
de: Aufsichtsbehörden
en: Supervisory authorities
CREDITWORTHINESS:
label:
de: Bonitätsdatenbanken
en: databases for creditworthiness
COURT:
label:
de: Gerichte und Staatsanwaltschaften
en: court and public prosecutors
BUSINESSPARTNERS:
label:
de: Geschäftspartner vermittelter Produkte
en: Business Partners of conveyed products
SERVICEPROVIDER:
label:
de: IT-Dienstleister
en: IT-Service Provider
CREDITINSTITUTIONS:
label:
de: Kredit- und Finanzinstitute
en: Credit and Financial institutions
SUPPLIER:
label:
de: Lieferanten
en: Supplier
BROKER:
label:
de: Makler, Vermittler, Finanzdienstleister
en: Broker, Intermediary, Financial service providers
OTHER:
label:
de: Sonstige
en: Other
TAX:
label:
de: Steuerberater und Wirtschaftsprüfer
en: Tax Consultants and Auditors
INSURANCE:
label:
de: Versicherungen
en: Insurances
ADMINISTRATIVE:
label:
de: Verwaltungsbehörden
en: Administrative Authorities
EXTERNALAUDIT:
label:
de: externe Revision
en: external Audit
LEGALREPRESENTATIVE:
label:
de: gesetzlicher Vertreter oder Bevollmächtigter
en: legal or authorative representative
OTHERPROCESSOREU:
label:
de: sonstige Auftragsverarbeiter EU
en: other Processor in EU
OTHERPROCESSOROUTSIDEEU:
label:
de: sonstige Auftragsverarbeiter außerhalb EU
en: other processor outside EU
SUPERVISORYBOARD:
label:
de: Aufsichtsrat
en: Supervisory Board
INTERNALAUDIT:
label:
de: Innenrevision
en: Internal Audit
MARKETING:
label:
de: Marketing
en: Marketing
HR:
label:
de: Personalmanagement
en: Human Resource Management
ACCOUNTING:
label:
de: Rechnungswesen & Controlling
en: Accounting and Controlling
LEGAL:
label:
de: Recht-/Geldwäsche- und Compliance
en: Legal, Money Laundering anc Compliance
RISKMANAGEMENT:
label:
de: Risikomanagement
en: Riskmanagement
TREASURY:
label:
de: Treasury
en: Treasury
MANAGINGDIRECTOR:
label:
de: Vorstand/Geschäftsführung
en: Board of Directors/ Managing Directors
Liste betroffener Personen
Die betroffenen Personen können in verschiedenem Ausmaß definiert werden. Dabei werden die von der Datenverarbeitung betroffenen Personen gelistet.
Processing:
properties:
dataSubjects:
literals:
CUSTOMER:
label:
de: Kunden
en: Customers
RELATIVES:
label:
de: Angehörige von Mitarbeitern
en: Relatives of Employees
VISITORS:
label:
de: Besucher und sonstige Zutrittsberechtigte
en: Visitors and other authorized access
APPLICANT:
label:
de: Bewerber
en: Applicant
PROPRIETOR:
label:
de: Eigentümer des Verantwortlichen
en: Proprietor
EMPLOYEES:
label:
de: Mitarbeiter
en: Employee
COMMITTEES:
label:
de: Organe und Funktionäre des Verantwortlichen
en: Committees and officials
POTENTIAL:
label:
de: Potenzielle Kunden und Interessenten
en: Potential Customer and Prospect
COLLATERALPROVIDER:
label:
de: Sicherheitengeber
en: Collateral Provider
OTHER:
label:
de: Sonstige
en: Other
CONTRACTORS:
label:
de: Vertragspartner
en: Contractors
AFFECTEDBYIMAGEPROCESSING:
label:
de: Von Bildverarbeitung betroffene Personen
en: Person affected by Image Processing
Technisches Datenmodell
UmlClass (Datenobjekt)
Stereotypisierung von Datenobjekten, z.B. in SAP-BW
Eine Kategorisierung von Datenobjekten nach Typ ermöglicht Auswertungen und Klassifizierungen. Zudem können nach Bedarf Felder für spezifische Objekttypen hinzugefügt werden.
UmlClass:
properties:
stereotype:
label:
de: Datenobjekttyp
en: Data object type
literals:
DIM:
label:
de: Dimension
en: Dimension
icon: cubes
NAV:
label:
de: Navigation
en: Navigation
icon: directions
MSR:
label:
de: Kennzahl
en: KPI
icon: weight
TAB:
label:
de: Tabelle
en: Table
icon: table
FCT:
label:
de: Tabellen Funktion
en: Table Function
icon: function
VIEW:
label:
de: View
en: View
icon: window
STORPROC:
label:
de: gespeicherte Prozedur
en: Stored Procedure
icon: procedures
PAR:
label:
de: Parameter
en: Parameter
icon: file-import
Kategorisierung von Daten in Datenobjekten
Eine Kennzeichnung der Daten nach Datenkategorie erleichtert Auswertungen und Kategorisierungen.
UmlClass:
customProperties:
UmlDataCategory:
label:
de: Datenkategorie
en: Data category
literals:
MASTER:
label:
de: Stammdaten
en: Master data
TRANSACTIONAL:
label:
de: Bewegungsdaten
en: Transaction data
GEODATA:
label:
de: Geodaten
en: Spatial data
UmlAttribute (technisches Attribut)
Stereotypisierung von Attributen für Datenobjekte
UmlAttribute:
properties:
stereotype:
label:
de: Attributstyp
en: Attribute type
literals:
COL:
label:
de: Zeile
en: Column
icon: tag
PAR:
label:
de: Parameter
en: Parameter
icon: file-import
Systemkatalog
System (Systeme)
Ein System beschreibt eine Software oder eine Umgebung auf welcher Daten gespeichert, verarbeitet oder analysiert werden. Ein System kann Subsysteme zur Strukturierung der Systemlandschaft enthalten.
Kritikalität / Maximale Ausfallzeit von Systemen
Dieses Feld gibt eine Einschätzung für Systeme und ihre maximal erlaubte Ausfallsdauer.
System:
customProperties:
criticality:
label:
de: max. Ausfallszeit
en: maximum downtime
literals:
UPTOHALF:
label:
de: bis zu 1/2 Werktag
en: up to 1/2 workday
order: 1
UPTOONE:
label:
de: bis zu 1 Werktag
en: up to 1 workday
order: 2
UPTOTWO:
label:
de: bis zu 2 Werktage
en: up to 2 workdays
order: 3
UPTOTHREE:
label:
de: bis zu 3 Werktage
en: up to 3 workdays
order: 4
DX Organisation
Person
Zum direkten Link einer Teams Chat-Möglichkeit im Personenmenü
Damit über dataspot. eine direkte Kommunikation bei Rückfragen oder Diskussionspunkten gestartet werden kann, kann ein direkter Link zum MS Teams Profil (oder anderen Kommunikationsdiensten) in dataspot. integriert werden. Der direkte Link zur Person in Teams setzt sich immer aus "https://teams.microsoft.com/l/chat/0/0?users=" und der Emailadresse der Person zusammen.
# 1130 - Person
Person:
customProperties:
teamsChat:
label:
de: Kontakt in Teams
en: Contact in Teams
baseType: TEXT
Role (Rolle)
Zusätzlich notwendige Fähigkeiten
Oftmals werden die notwendigen Fähigkeiten für eine Rolle im Zuge der Organisationsdefinition festgesetzt. Damit diese auch für alle beteiligten Personen transparent sind, können diese in dataspot. bei der jeweiligen Rolle erfasst werden.
# 1140 - Rolle
Role:
customProperties:
roleSkills:
label:
de: Fähigkeiten für die Rolle
en: Role Skills
baseType: TEXT