DQ-Monitoring und Observability
z. B. Soda, Monte Carlo KomplementärBeobachtet Daten im Bestand und meldet, wenn Werte auffällig aussehen: Ausreißer, fehlende Felder, Schema-Drift, ungewöhnliche Volumina.
So gewinnt SQACE
- Verifiziert die Verarbeitung, nicht nur, ob die Daten plausibel aussehen: aus Ihrem Regelwerk berechnet SQACE das Soll-Ergebnis und stellt es dem Ist gegenüber.
- Findet plausibel aussehende Logikfehler, die kein Monitoring meldet, weil das Ergebnis statistisch unauffällig bleibt.
- Klassifiziert die Abweichung bis auf Feld- und Regelebene und verfolgt sie über Läufe, nachvollziehbar für den Fachbereich.
Wo SQACE nicht konkurriert
- Anomalie-Erkennung per Machine Learning auf großen Datenbeständen.
- Laufende Überwachung von Frische, Volumen und Schema im Betrieb.
- SQACE ersetzt Ihr Monitoring nicht. Es prüft die Frage, die Monitoring offen lässt.