Vorüberlegungen Datenqualität

"Als Analyst möchte ich Modelle aus der DB nach bestimmten Kriterien selektieren, die am besten für eine nachfolgende Analyse geeignet sind."

Probleme

• Modelle sind in verschiedenen Sprachen, auch nicht Englisch
• Modelle sind u.U. unvollständig

Modellselektion

Valide Modelle sind:

• in Englisch
• mit einer Mindestmenge Text in bestimmten Canvas-Feldern gefüllt
• Können mit Hilfe eines Qualitätsmaßes in der DB gefunden werden

Test

• Modelle mit einem bestimmten Validitätsgrad größer als X sind valide
• Modelle mit einem Validitätsgrad kleiner als X sind nicht valide

Kriterien der Datenqualität für Lean Canvas (Punktevergabe):

Sprache

Englisch: 8 Punkte

andere Sprachen: 1 Punkt

Anzahl befüllter Felder

Schlüsselfelder: Problem, Unique Value Proposition, Customer Segments

kein Feld befüllt: 1 Punkt

alle Schlüsselfelder befüllt, 
mindestens zwei weitere Felder befüllt: 4 Punkte

alle Felder befüllt: 7 Punkte

Wortanzahl je Feld (gezählt werden keine Füllworte -> Einträge bereinigen http://www.ranks.nl/stopwords)

Schlüsselfelder (3):

1 Wort: 2 Punkte

2 Wörter: 4 Punkte

ab 3 Wörter: 10 Punkte

weitere Felder (6):

 1 Wort: 1 Punkte

 2 Wörter: 2 Punkte

 ab 3 Wörter: 5 Punkte

Punkte für alle Felder werden in eine Gesamtpunktzahl für diesen Bereich umgerechnet:

bis 20 Punkte --> 1 Punkt

ab 20 Punkte --> 2 Punkte

ab 40 Punkte --> 3 Punkte

ab 57 Punkte --> 5 Punkte

Qualitätskategorien

• unzureichend: 1-13 Punkte
• akzeptabel: 14-19 Punkte
• optimal: 20 Punkte

Die Werte werden auf 1 normiert:

• unzureichend: 0,05 - 0,65
• akzeptabel: 0,7 - 0,95
• optimal: 1,0