Mit der Data Reviewer-Lizenz verfügbar.
Mit Reviewer-Regeln können Features erkannt werden, die geltenden, von Ihrer Organisation definierten Anforderungen an die Datenqualität nicht entsprechen. Dazu gehört die Erkennung von Fehlern, die sich auf die Attribuierung eines Features, die geometrische Integrität oder die Beziehung mit anderen Features auswirken. Diese Regeln können verwendet werden, um die Qualität eines Features in verschiedenen Phasen des Datenproduktions-Workflows zu bewerten.
Möglichkeiten der automatisierten Überprüfung
Der erste Schritt beim Entwerfen einer Reviewer-Regel besteht darin, die Möglichkeiten automatisierter Prüfungen in Data Reviewer zu verstehen. Die folgenden Beispiele sind Prüfungen, die verwendet werden, um verschiedene Aspekte der Qualität eines Features zu bewerten.
- Raumbeziehungsprüfungen: Analysieren der räumlichen Beziehungen zwischen Features. Sie können ermitteln, ob sich Features innerhalb einer angegebenen Entfernung voneinander gegenseitig überlappen, berühren oder überschneiden. Damit können Sie zum Beispiel überprüfen, ob eine Straße direkt ins Meer führt oder ob ein Hydrant mit einer Wasserseitenleitung verbunden ist.
- Attributprüfungen: Analysieren der Attributwerte von Features und Tabellen. Dies können einfache Feldwertvalidierungen sein, die zum Beispiel unter Verwendung einer Geodatabase-Domäne eingeschränkt werden oder komplexere Attributabhängigkeiten aufweisen. Bei vielen Features ist ein Attributwert von einem anderen Attributwert desselben Features abhängig. Wenn beispielsweise eine Straße im Bau ist, ist sie möglicherweise nicht zugänglich. Zum Überwachen des Status und der Erreichbarkeit der Straßen kann eine Attributprüfung konfiguriert werden.
- Feature-Integritätsprüfungen: Analysieren der Eigenschaften von Features. Nicht alle Features in einer Datenbank unterliegen denselben Erfassungskriterien. Zum Beispiel können Sammlungsregeln vorhanden sein, die definieren, wie nah beieinander zwei Stützpunkte sein können oder ob Multipart-Features in Ihren Daten zulässig sind. Feature-Integritätsprüfungen stellen sicher, dass Sammlungsregeln für jede Datenquelle eingehalten werden.
Identifizierung von Data Reviewer-Prüfungen
Die Identifizierung von automatisierten Reviewer-Prüfungen ist häufig eine Aufgabe für einen Experten mit umfassendem Wissen über die Anforderungen an Datenmodelle und Datenqualität. Ein Experte kann schnell verschiedenste Probleme, z. B. zur Feature-Integrität, Vollständigkeit von Attributen und räumlichen Beziehungen, identifizieren.
Unter Verwendung einer Matrix zur Rückverfolgbarkeit von Anforderungen kann der Experte die Data Reviewer-Prüfungen mit Datenqualitätsanforderungen verknüpfen.
Die folgende Tabelle ist ein Beispiel für eine mit Einträgen gefüllte Matrix zur Rückverfolgbarkeit von Anforderungen, die einige der oben beschriebenen Möglichkeiten der automatisierten Überprüfung referenziert.
Diese Liste können Organisationen als Kurzübersicht nutzen, um beim Erfassen der Anforderungen eine bestimmte Funktion in einem Produkt und ihre Verwendung identifizieren zu können.
| ID | Anforderung | Anforderungsnummer | Anforderungskategorie | Software | Produktfunktion | Data Reviewer-Prüfung |
|---|---|---|---|---|---|---|
5 | Die Möglichkeit sicherzustellen, dass Quelldaten in die Produktionsdatenbank migriert werden und über entsprechende Domänen und Beziehungen verfügen | D002 | Datenanforderung: Logische Konsistenz | Data Reviewer | Domänenprüfung | Ja |
Beziehungsprüfung | ||||||
Subtype-Prüfung | ||||||
7 | Die Möglichkeit sicherzustellen, dass Produktionsdaten der mobilen Erfassung dienen und über Attributgenauigkeit verfügen | D004 | Datenanforderung: Thematische Genauigkeit | Data Reviewer | Prüfung mit regulärem Ausdruck | Ja |
Prüfung "Tabellenattribut zu Tabellenattribut" | ||||||
8 | Die Möglichkeit sicherzustellen, dass während des Projektzeitraums von 2010 bis 2020 keine Überlappung zwischen Ereignismesswerten auftritt | D005 | Datenanforderung: Zeitliche Qualität | Data Reviewer | Prüfung auf ungültige Ereignisse | Ja |
10 | Die Möglichkeit, die Anzahl der nicht ausgefüllten Zellen (NULL) für jedes erforderliche Attributfeld zu ermitteln | D006 | Datenanforderung: Thematische Genauigkeit | Data Reviewer | Prüfung mit Abfragen von Attributen | Ja |
11 | Die Möglichkeit, Flurstücke zu identifizieren, die keine Features mit überlappenden Gebäudegrundrissen aufweisen | D007 | Datenanforderung: Logische Konsistenz | Data Reviewer | Prüfung "Feature auf Feature" | Ja |
13 | Die Möglichkeit, ein eindeutiges ID-Attribut zu validieren, über das ein Flurstück mit den entsprechenden Gebäudegrundriss-Features verknüpft ist | D008 | Datenanforderung: Logische Konsistenz | Data Reviewer | Prüfung "Feature auf Feature" | Ja |
Automatisierte Überprüfung in Workflows
Mit Reviewer-Regeln können Sie die Qualität von Daten in mehreren Phasen ihres Lebenszyklus bewerten. Dazu gehört die Bewertung eines Features bei Ersterstellung, Wartung, Aktualisierungen, Freigabe und Archivierung oder Löschung. Zusätzlich können Daten, die innerhalb der Organisation aktuell verwendet werden, bewertet werden, um die Konformität mit den sich in Reaktion auf neue Geschäftsprozesse ändernden Datenqualitätsanforderungen ermitteln.
Weitere Informationen zu Methoden zum Implementieren der automatisierten Überprüfung
Erkennen von Fehlern in vorhandenen Daten
Automatisierte Prüfungen können verwendet werden, um basierend auf den speziellen Qualitätsanforderungen Ihrer Organisation die Gesamtqualität Ihrer Daten zu bewerten. Dies kann die Überprüfung aller Features in einem Dataset, um ein grundlegendes Verständnis der Tauglichkeit der Daten für den Gebrauch zu gewinnen, sowie eines Teils der Features als Schritt in einem Workflow einschließen. Die Fehler, die bei einer solchen Überprüfung erkannt wurden, werden in Ihrer Geodatabase gespeichert, um Korrektur-Workflows und die Erstellung von Qualitätsberichten zu unterstützen.
Verhindern von Fehlern in Bearbeitungs-Workflows
Automatisierte Prüfungen können auch implementiert werden, um die Qualität beim Erstellen oder Ändern von Features in Ihrer Geodatabase zu bewerten. Eine Validierung dieser Form dient zum Erzwingen von Datenintegrität wie andere Formen von Geodatabase-Beschränkungen, wie zum Beispiel Domänen und Subtypes. Bearbeitungen, nach denen die Daten den Datenqualitätsanforderungen der Organisation nicht mehr entsprechen, werden abgelehnt und nicht gespeichert.