Zusammenfassung
In Unternehmen liegen viele Daten heutzutage immer seltener vollständig an einem einzigen physikalischen Ort vor, sondern sind weltweit verteilt. Dies liegt zum einen an der immer besser gewordenen Infrastruktur, die eine solche Verteilung auf einfache Art und Weise ermöglicht, und zum anderen an der Tatsache, dass viele Unternehmen weltweit tätig sind. So fallen Daten weltweit an, werden aber jeweils lokal – vor Ort – gespeichert. Daher müssen oft mehrere Datenquellen genutzt werden, um einen aktuellen, vollständigen und genauen Überblick über die vorhandenen Daten zu gewinnen. Datenintegration hilft, indem sie Daten aus mehreren Quellen zusammenführt und einheitlich darstellt. Diese integrierten Daten können genutzt werden, um sich einen Überblick über das Unternehmen zu verschaffen, z. B. wenn Unternehmen fusionieren und nur noch eine Kundendatenbank bestehen bleiben soll, oder wenn zu einem Kunden die Daten aus den verschiedenen Fachabteilungen zusammengeführt werden sollen. Anhand eines solchen Beispiels, der Integration von Kundendaten zu Kfz- und Lebensversicherungen erläutern wir im Folgenden einzelne Techniken.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Literatur
Bilke, A. und Naumann, F. Schema Matching using Duplicates. In: Proceedings of ICDE, 2005, S. 69–80.
Bleiholder, J. und Naumann, F. Conflict Handling Strategies in an Integrated Information System. In: Proceedings of IIWeb workshop, 2006.
Fuxman, A., Fazli, E. und Miller, R. J. ConQuer: Efficient Management of Inconsistent Databases. In: Proceedings of SIGMOD, 2005, S. 155–166.
Hernandez, M. und Stolfo, S. The Merge/Purge Problem for Large Databases. In: Proceedings of SIGMOD, 1995, S. 127–138.
Leser, U. und Naumann, F. Informationsintegration – Architekturen und Methoden zur Integration verteilter und heterogener Datenquellen. dpunkt, Heidelberg, 2006.
Levenshtein, V. Binary Codes Capable of Correcting Spurious Insertions and Deletions of Ones. In: Problems of Information Transmission, 1965, 1, S. 8–17.
Madhavan, J., Bernstein, P. und Rahm, E. Generic Schema Matching with CUPID. In: Proceedings of VLDB, 2001, S. 49–58.
Melnik, S., Garcia-Molina, H. und Rahm, E. Similarity Flooding: A Versatile Graph Matching Algorithm and its Application to Schema Matching. In: Proceedings of ICDE, 2002, S. 117–128.
Naumann, F., Bilke, A., Bleiholder, J., und Weis, M. Data Fusion in Three Steps: Resolving Schema, Tuple, and Value Inconsistencies. In: Data Engineering Bulletin. 29(2), 2006, S. 21–31.
Rahm, E. und Bernstein, P. A. On Matching Schemas Automatically. Technischer Bericht, Microsoft Research, 2001.
Schmid, J. The Main Steps to Data Quality In: Advances in Data Mining, 4th Industrial Conference on Data Mining, ICDM 2004, Revised Selected Papers, Springer, S. 69–77.
Winkler, W. The State of Record Linkage and Current Research Problems. Statistics of Income Division, Internal Revenue Service Publication R99/04, 1999.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2015 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Bleiholder, J., Schmid, J. (2015). Datenintegration und Deduplizierung. In: Hildebrand, K., Gebauer, M., Hinrichs, H., Mielke, M. (eds) Daten- und Informationsqualität. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-09214-6_7
Download citation
DOI: https://doi.org/10.1007/978-3-658-09214-6_7
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-09213-9
Online ISBN: 978-3-658-09214-6
eBook Packages: Computer Science and Engineering (German Language)