Automatische Datenbereinigung

Automatische Datenbereinigung heißt, dass die Probleme in Ihren Daten gefunden und behoben werden, ohne dass zuerst jemand Regeln oder Skripte schreibt. In Querri führt das Daten-Audit für jede Tabelle beim Eintreffen mehr als 180 Datenqualitäts-Prüfungen aus, und der Janitor, ein KI-Agent, bereinigt die Funde gemeinsam mit Ihnen. Das Ergebnis ist eine bereinigte Ansicht, die Antworten, Dashboards und Agenten von da an verwenden.

Ein Daten-Audit ist eine systematische Prüfung eines Datensatzes auf die Probleme, die seine Zahlen falsch machen: getarnte fehlende Werte, Zahlen als Text, Duplikate, gemischte Formate, Lücken. In Querri ist das Daten-Audit eine Seite, die für jede Tabelle beim Eintreffen mehr als 180 Prüfungen ausführt und ihre Funde auflistet, das Dringendste zuerst und jeweils mit dem Grund, warum es zählt.

Datenqualitäts-Prüfungen, die laufen, ohne dass jemand eine Regel schreibt oder sie anstößt. Querri prüft jede Tabelle beim Hochladen oder Verbinden und jede Ansicht beim Erstellen und hält jedes gefundene Problem als Datenqualitäts-Notiz fest, die Sie bestätigen, verwerfen oder bereinigen können.

Ein KI-Agent erledigt die Bereinigung gemeinsam mit Ihnen, statt Ihnen eine Liste zu übergeben. Der Janitor liest die Belege des Daten-Audits, testet Korrekturen an Ihren Zeilen, fragt Sie nach den Entscheidungen, die nur Sie treffen können, zeigt seinen Plan und erstellt eine bereinigte Ansicht, wenn Sie zustimmen. Querri misst diese Ansicht danach erneut, um zu belegen, welche Probleme behoben sind.

Jede Tabelle, die in Querri ankommt, ob aus einer Datei oder über einen Connector. Dazu gehören Shopify, Stripe, Salesforce, HubSpot, Pipedrive, QuickBooks, NetSuite, Klaviyo, Mailchimp, Intercom, Zendesk, Google Ads, Meta Ads, Amazon Seller, Google Analytics, Mixpanel, Amplitude, Data Warehouses und Datenbanken wie Snowflake, BigQuery, Redshift, Postgres, MySQL, SQL Server und Oracle, Dateien in Google Drive sowie hochgeladene Tabellen und CSV-Dateien. Datenbereinigung für Shopify-Bestellungen oder Salesforce-Opportunities funktioniert genauso wie für einen CSV-Export.

Ja. Jede Tabelle bekommt ihr eigenes Audit und ihre eigene bereinigte Ansicht, Sie bereinigen also zuerst jede Quelle und verknüpfen dann die bereinigten Ansichten. Datumsangaben landen in einem Format, Währungen werden so behandelt, wie Sie es entschieden haben, Schreibweisen werden vereinheitlicht und IDs in jeder Quelle repariert, damit die Verknüpfung passt. Das Audit prüft außerdem erkannte Verknüpfungsschlüssel über Tabellen hinweg, etwa Zeilen, deren Schlüssel in der übergeordneten Tabelle keine Entsprechung hat.

Ja. Tabellenexporte bekommen eigene Prüfungen: Summen- und Zwischensummenzeilen mitten in den Daten, Kopfzeilen, die sich in der Datei wiederholen, Monate als Spalten, Excel-Seriennummern, die sich als Datum ausgeben, IDs als 1.23E+11, Postleitzahlen ohne führende Null und eine Datei, die bei der letzten Excel-Zeile endet. Laden Sie den Export so hoch, wie er ist, und das Daten-Audit listet auf, was es gefunden hat.

Innerhalb jeder Tabelle ja, und genau das bringt Tabellen aus verschiedenen Systemen in Einklang. Das Audit erkennt mehrere Datumsformate in einer Spalte, beweist anhand der Werte, wo möglich, ob der Tag oder der Monat zuerst steht, und markiert gemischte Währungen oder Beträge, deren Währung nicht zur Währungsspalte passt. Der Janitor fragt nach den Entscheidungen, die nur Sie treffen können, etwa ob Währungen umgerechnet oder getrennt gehalten werden, und die bereinigte Ansicht schreibt jedes Datum und jeden Betrag einheitlich.

Es unterscheidet drei Fälle: exakt wiederholte Zeilen, Schlüssel, die sich mit denselben Werten wiederholen, und Schlüssel, die sich wiederholen und widersprechen, etwa eine Bestell-ID mit zwei Summen. Die ersten beiden lassen sich einfach zusammenführen. Wenn sich Wiederholungen widersprechen, sagt nichts in den Daten, welche stimmt, also fragt Sie der Janitor, welche Zeile bleiben soll, mit seiner Empfehlung zuerst.

Ihre Rohdaten bleiben genau so, wie sie angekommen sind. Die Korrektur ist eine bereinigte Ansicht, in SQL definiert, das Sie öffnen können, und aus der Quelle erstellt statt darübergeschrieben. Die Quelle bleibt daneben bestehen, damit Sie beide vergleichen können.

Eine bereinigte Ansicht ist eine gespeicherte Ansicht, die die Korrekturen des Janitors auf die Quelltabelle anwendet, und die Quelle zeigt danach Bereinigt als mit dem Namen der Ansicht. Weil sie eine gespeicherte Definition ist und keine einmalige Bearbeitung, läuft sie auf den Daten des nächsten Monats genauso. Wenn die Ansicht neu erstellt wird, misst Querri sie erneut, und ein Problem, das zurückkehrt, öffnet seine Notiz wieder.

Viele Datenqualitäts-Tools überwachen Pipelines für Engineers oder zeigen Spaltenstatistiken und warten, bis jemand die Korrektur baut, und ein Bereinigungsskript prüft nur, wofür es geschrieben wurde. Querri führt seine Prüfungen für jede Tabelle aus, bevor jemand fragt, ordnet die Funde nach den Fragen und KPIs, die jede Spalte lesen, fragt Sie nach den Entscheidungen, die eine Zahl verändern, und baut die Korrektur als Ansicht, die es danach erneut misst.

Notizen folgen denselben Zugriffsregeln wie die Tabellen, die sie beschreiben, und wo jemand nur einen Teil der Zeilen sehen darf, werden die Beispielwerte weggelassen. Eine Korrektur wird nie von selbst angewendet: Der Janitor zeigt seinen Plan auf einer Prüfkarte und erstellt die bereinigte Ansicht erst, wenn die Person, die mit ihm arbeitet, zustimmt.

Ja. Verwerfen Sie eine Notiz mit Begründung, und sie bleibt erledigt, sodass der nächste Agent Ihre Entscheidung liest, statt das Problem erneut aufzuwerfen. Mit Als Fakt speichern halten Sie fest, was Sie über die Daten wissen, und Agenten lesen diesen Fakt jedes Mal, wenn sie die Daten verwenden.