Zum Hauptinhalt springen
Zurück zum E-Commerce-Lexikon

Data Profiling

DatenmanagementStufe: Intermediate

Data Profiling ist die Analyse eines bestehenden Datensatzes, um zu sehen, was er enthält: wie vollständig jedes Feld ist, welche Werte und Formate vorkommen und wo Fehler stecken.

Image by · CC BY 4.0

Was ist Data Profiling?

Data Profiling (Datenprofilierung) ist die Analyse eines bestehenden Datensatzes, um zu sehen, was er tatsächlich enthält: wie vollständig jedes Feld ist, welche Werte und Formate vorkommen und wo Duplikate und Ausreißer stecken. Bei einem Produktkatalog zeigt das Profiling (manchmal Product Profiling genannt) den Zustand deiner Daten, bevor du sie bereinigst, anreicherst oder validierst. Ein Profil beantwortet Fragen wie "Wie viele Produkte haben kein Gewicht?" oder "Wie viele Schreibweisen von Navy gibt es?". Es unterscheidet sich von der Datenvalidierung, die jeden Datensatz gegen feste Regeln prüft, und von der Datenbereinigung, die die Probleme behebt, die das Profiling aufdeckt. Data-Profiling-Software und Tools für Datenbank-Profiling automatisieren diese Zählungen über große Tabellen. Für ein schnelles erstes Profil deines eigenen Katalogs probier den kostenlosen Rechner für Produktdatenqualität.

Warum Data Profiling im E-Commerce wichtig ist

Die meisten Kataloge sehen Produkt für Produkt gut aus und zeigen ihre Probleme erst in der Gesamtsicht: ein Viertel der Produkte ohne Beschreibung, die Hälfte ohne Kategorie, ein Dutzend Schreibweisen derselben Marke. Profiling macht diese Muster sichtbar, sodass du entscheiden kannst, was du zuerst behebst, und den Aufwand vor einem Migrations- oder Anreicherungsprojekt abschätzen kannst. Ohne Profil raten Teams und verbringen oft Zeit mit Feldern, die weniger wichtig sind als die Lücken, die niemand gezählt hat.

Kostenloses Tool

Bewerte die Datenqualität eines Produkts

Gib Titel, Beschreibung, Meta-Felder und Attribute ein. Du bekommst eine Gesamtpunktzahl von 100, eine Punktzahl pro Kategorie und die ersten Verbesserungen, auf Basis der Voreinstellung für deine Branche.

Komplettes Tool öffnen
Tool wird geladen

Beispiele für Data Profiling

  • 1Prüfung: Vollständigkeit, Feld: Beschreibung, Ergebnis: viele Produkte haben gar keine Beschreibung
  • 2Prüfung: Werteverteilung, Feld: Farbe, Ergebnis: "Navy", "navy blue" und "Dark blue" für dieselbe Farbe verwendet
  • 3Prüfung: Format, Feld: GTIN, Ergebnis: einige Codes ohne führende Nullen gespeichert
  • 4Prüfung: Duplikate, Feld: Titel, Ergebnis: dasselbe Produkt zweimal unter zwei SKUs importiert
Image by · CC BY 4.0

So hilft WISEPIM

  • Analytics data quality (Datenqualitäts-Analytics): Sieh die Vollständigkeit pro Feld und Kategorie in deinem ganzen Katalog.
  • Quality-Guard-Regeln: Mach aus den Erkenntnissen des Profilings Regeln, die dasselbe Problem bei neuen Produkten markieren.
  • Attribute values (Attributwerte): Erkenne Schreibvarianten desselben Werts und bereinige sie.
  • Massenbearbeitung und AI-Anreicherung: Schließe die Lücken, die ein Profil zeigt, bei vielen Produkten auf einmal.

Häufige Fehler bei Data Profiling

  • Einmal vor einer Migration profilen und nie wieder, sodass neue Probleme unbemerkt bleiben.
  • Nur auf Vollständigkeit schauen und Formate, Duplikate und Wertvarianten ignorieren.
  • Die ganze Datenbank auf einmal profilen statt pro Kategorie, was kategoriespezifische Lücken versteckt.
  • Erkenntnisse sammeln, ohne festzulegen, wer was behebt.

Tipps zu Data Profiling

  • Profile pro Kategorie, denn Pflichtfelder unterscheiden sich zwischen einem Sofa und einem Pullover.
  • Beginne mit den Feldern, die Käufer und Kanäle am meisten nutzen: Titel, Beschreibung, Bilder, Kategorie und GTIN.
  • Wiederhole das Profil nach jedem großen Import, um neue Probleme früh zu erkennen.
  • Lies den Leitfaden zur Datenvollständigkeit, um aus Erkenntnissen Ziele zu machen.

Trends rund um Data Profiling

  • AI, die Profiling-Ergebnisse in einfacher Sprache erklärt und Korrekturen vorschlägt.
  • Kontinuierliches Profiling von Live-Daten statt einmaliger Audits.
  • Profiling direkt in PIM- und Datenqualitäts-Dashboards statt in separaten Tools.
  • Profiling gegen die Anforderungen von AI-Shopping-Assistenten und Marktplätzen.

Tools für Data Profiling

  • WISEPIM: ein PIM mit Datenqualitäts-Analytics und Quality-Guard-Regeln für Produktkataloge.
  • Talend Data Quality: Data-Profiling-Software für Datenbanken und Dateien.
  • Informatica Data Quality: Enterprise-Tools für Profiling und Bereinigung.
  • OpenRefine: ein kostenloses Tool, um unordentliche Tabellen zu erkunden und zu bereinigen.
  • Great Expectations: ein Open-Source-Framework, das Daten in Pipelines profiliert und testet.

Verwandte Begriffe

Attributkollision (Attribute Collision)Kanonisches Datenmodell (Canonical Data Model)Datenmodell für die KreislaufwirtschaftCBT-Attribute (Cross-Border-E-Commerce)Datenvertrag (Data Contract)Datenverfall (Data Decay)

Auch bekannt als

Product ProfilingDatenbank-ProfilingDaten-AuditDatenqualitätsbewertung

Häufige Fragen

Data-Profiling-Tools scannen einen Datensatz und liefern Statistiken pro Feld, etwa Füllgrad, eindeutige Werte, Formate und Duplikate. Die Beispiele reichen von kostenlosen Tools wie OpenRefine über Enterprise-Datenqualitäts-Suiten bis zu PIM-Dashboards für Produktdaten.

Typische Beispiele sind fehlende Werte, etwa Produkte ohne Beschreibung, inkonsistente Werte, etwa drei Schreibweisen einer Farbe, falsche Formate, etwa eine GTIN ohne führende Nullen, und Duplikate. Profiling findet alle vier.

Profiling betrachtet den ganzen Datensatz, um herauszufinden, was da ist und was nicht stimmt. Validierung prüft jeden Datensatz gegen Regeln, die du bereits festgelegt hast. Meist profilst du zuerst und schreibst dann Validierungsregeln auf Basis dessen, was du gefunden hast.

Im E-Commerce meint Product Profiling meist das Profiling von Produktdaten: messen, wie vollständig und konsistent dein Katalog pro Feld und Kategorie ist. Im Handel wird der Begriff auch für die Beschreibung der Zielgruppe eines Produkts verwendet, was eine andere Praxis ist.

Noch Fragen?

Keine passende Antwort gefunden? Melde dich bei unserem Team.

Support kontaktieren

Weiter entdecken

Handverlesene nächste Schritte, um tiefer einzusteigen.