E-Commerce-Lexikon

Ein Master Record für Produktinformationen ist die eine vollständige und freigegebene Fassung der Artikelstammdaten, aus der jeder Kanal und jedes System seine Informationen bezieht.

Attribut-Mapping verknüpft die Produktattribute eines Systems mit den passenden Feldern und Werten eines anderen, etwa eines Verkaufskanals oder Marketplace.

Attribut-Scoping legt fest, ob ein Produktattribut überall einen Wert hat oder einen anderen Wert pro Sprache, Kanal oder Markt.

Ein Attributset ist eine benannte Gruppe von Produktattributen wie Größe, Farbe und Material, die festlegt, welche Felder ein Produkttyp hat.

Attributvererbung in einem PIM bedeutet, dass Kindprodukte, Varianten oder Familien Attributwerte oder Felder automatisch von ihrem Elternteil übernehmen, solange du sie nicht überschreibst.

Standardisierte Formate und Protokolle wie BMEcat für den Austausch von Produktdaten zwischen Unternehmen und Systemen, die Interoperabilität und Datenkonsistenz sichern.

Eine Data Fabric für Produktdaten ist eine Architekturschicht, die Produktdaten aus Systemen wie PIM, ERP und DAM verbindet, damit Teams sie finden und nutzen können, ohne alles in eine Datenbank zu verschieben.

Data Governance ist das Set aus Regeln, Rollen und Prüfungen, das festlegt, wem welche Daten gehören, wie sie angelegt und geändert werden und welche Qualität sie erfüllen müssen.

Data Ingestion ist der Prozess, Daten aus Quellen wie Lieferantendateien, ERPs und APIs zu sammeln und zur Speicherung und Nutzung in ein zentrales System zu laden.

Data Lineage ist der Nachweis, woher ein Datenelement stammt, welche Schritte es verändert haben und wohin es gegangen ist, von der Quelle bis zum endgültigen Ziel.

Data Observability für Produktdaten ist die laufende Überwachung des Zustands von Produktdaten: Vollständigkeit, Genauigkeit, Aktualität und ob jeder Kanal erhält, was er erhalten soll.

Data Ownership für Produktdaten bedeutet, dass eine benannte Person oder ein Team dafür verantwortlich ist, jeden Teil deiner Produktdaten korrekt, vollständig und aktuell zu halten.

Data Quality Monitoring ist die laufende Prüfung von Daten gegen Regeln für Vollständigkeit, Richtigkeit und Konsistenz, mit Warnungen, wenn die Qualität sinkt.

Ein Data Steward ist die Person, die für die Qualität eines Datenbestands verantwortlich ist: Regeln festlegen, Daten prüfen und Fehler an der Quelle korrigieren.

Data Stewardship ist die tägliche Pflege von Daten: Benannte Personen, die Data Stewards, halten sie richtig, vollständig und konsistent und beheben Probleme, sobald sie auftreten.

Eine Data-Governance-Richtlinie für Produktdaten ist ein schriftliches Regelwerk dafür, wer Produktdaten verantwortet, bearbeitet und prüft, welche Standards gelten und wie Fehler behoben werden.

Eine Data-Governance-Strategie für Produktdaten ist ein Plan, der festlegt, wer Produktdaten verantwortet, welche Regeln sie erfüllen müssen und wie Qualität geprüft und verbessert wird.

Eine Data-Ingestion-Strategie für Produktdaten ist ein Plan dafür, wie Produktdaten von Lieferanten, aus ERP-Systemen und Dateien in deinen zentralen Katalog kommen: welche Quellen, welches Format, wie oft und welche Prüfungen.

Eine Data-Ownership-Richtlinie für Produktdaten ist eine schriftliche Vereinbarung, die festlegt, wer für welche Art von Produktdaten verantwortlich ist, vom Anlegen bis zur Pflege.

Datenbereinigung bedeutet, Fehler, Dubletten, Lücken und uneinheitliche Formate in Daten zu finden und zu beheben. Im E-Commerce heißt das, Produktdaten zu bereinigen, bevor sie deine Kanäle erreichen.

Datenharmonisierung für Produktdaten heißt, Produktdaten aus verschiedenen Quellen auf eine Struktur, einen Satz Attributnamen und einen Satz Werte zu bringen.

Datenimport ist der Vorgang, Daten aus einer externen Quelle wie einer CSV-Datei, einer Tabelle, einem Feed oder einem anderen System in die Software zu holen, mit der du arbeitest.

Datenintegrität bedeutet, dass Daten während ihres gesamten Lebenszyklus korrekt, vollständig und konsistent bleiben, ohne unbeabsichtigte Änderungen beim Weg zwischen Systemen.

Datenkonsolidierung bedeutet, Daten aus mehreren Quellen wie Lieferantendateien, einem ERP und Webshops zu einem bereinigten, konsistenten Datensatz in einem einzigen System zusammenzuführen.

Datenmanipulation bedeutet, Daten so zu verändern, dass sie nützlicher werden, etwa Produktdaten in großen Mengen zu bereinigen, umzuwandeln, zusammenzuführen und neu zu strukturieren.

Datenmapping-Regeln sind Anweisungen, die jedes Feld einer Quelle, etwa einer Lieferantendatei, mit einem Feld im Zielsystem verknüpfen und festlegen, wie der Wert unterwegs umgewandelt wird.

Datenmigration von Produktdaten bedeutet, Produktinformationen wie SKUs, Attribute, Preise, Kategorien und Bilder aus alten Systemen oder Tabellen in ein neues PIM oder eine neue E-Commerce-Plattform zu übertragen.

Ein Datenmodell legt fest, welche Daten ein System speichert und wie sie zusammenhängen. Ein PIM-Datenmodell strukturiert Produkte, Varianten, Attribute und Kategorien.

Datennormalisierung bedeutet, Werte mit derselben Bedeutung in ein einheitliches Format zu bringen, etwa jede Größe, Einheit, Farbe und jeden Markennamen gleich zu schreiben.

Datenqualität beschreibt, wie richtig, vollständig, konsistent und aktuell deine Daten sind. Im E-Commerce umfasst sie Specs, Attribute, Bilder und Werte auf jedem Kanal.

Ein Datenqualitätsscore ist eine Zahl, oft von 0 bis 100, die zeigt, wie vollständig, korrekt und konsistent ein Produktdatensatz oder Katalog gemessen an deinen Regeln ist.

Der formale Bauplan, der Struktur, Typen und Beziehungen aller Produktdatenelemente in einem PIM oder einem bestimmten System festlegt und so für Konsistenz sorgt.

Datenschutz bei Produktdaten bedeutet, vertrauliche Produktinformationen wie Einkaufspreise, Lieferantenkonditionen und unveröffentlichte Produkte sowie personenbezogene Daten aus falschen Händen und Kanälen herauszuhalten.

Datensicherheit für Produktdaten umfasst Maßnahmen und Richtlinien, die sensible Produktinformationen vor unbefugtem Zugriff, Änderung, Offenlegung oder Zerstörung schützen.

Der Grundsatz, dass Daten den Gesetzen des Landes oder der Region unterliegen, in dem bzw. der sie erhoben, gespeichert oder verarbeitet werden.

Datentransformation wandelt Daten von einem Format oder einer Struktur in eine andere um, etwa Lieferantendateien in die Attribute und Werte, die ein PIM oder Marketplace braucht.

Datenvalidierung ist die automatische Prüfung, ob Produktdaten richtig, vollständig und korrekt formatiert sind, bevor sie gespeichert, importiert oder an einen Vertriebskanal gesendet werden.

Ein Weg, Systeme zu integrieren, indem Daten über eine virtuelle Schicht dort abgefragt werden, wo sie liegen, statt sie in eine andere Datenbank zu kopieren.

ETIM ist ein offener Klassifikationsstandard für technische Produkte, der jedem Produkt eine Klasse mit festen Merkmalen, Werten und Einheiten zuweist, sodass Lieferanten und Großhändler Produkte gleich beschreiben.

GDSN ist das GS1-Netzwerk zertifizierter Datenpools, über das Lieferanten standardisierte Produktstammdaten einmal mit Händlern teilen und synchron halten.

GS1 Digital Link ist der GS1-Standard, der die GTIN eines Produkts in eine Webadresse bringt, sodass ein QR-Code an der Kasse funktioniert und am Smartphone Infos zeigt.

Eine Ghost SKU ist ein Produktdatensatz, der noch in einem System existiert, nachdem das Produkt selbst weg ist, eingestellt wurde oder nie echt war.

Ein Golden Record ist die eine vertrauenswürdige Version einer Datenentität wie eines Produkts oder Kunden, zusammengeführt und bereinigt aus mehreren Systemen.

Eine Health Scorecard für Produktdaten fasst Kennzahlen wie Vollständigkeit, Genauigkeit und Kanalbereitschaft in einem Score zusammen, der zeigt, welche Produkte verkaufsbereit sind.

Importvalidierung prüft Produktdaten beim Import gegen Regeln, sodass falsche Preise, fehlende Felder und ungültige Codes abgefangen werden, bevor sie deine Kanäle erreichen.

Interoperabilität von Produktdaten ist die Fähigkeit von ERP, PIM, Webshop und Marktplätzen, Produktdaten in einer gemeinsamen Struktur ohne manuelle Nacharbeit auszutauschen.

Kennzahlen zur Produktdatenqualität sind messbare Werte wie Vollständigkeit, Genauigkeit, Konsistenz und Gültigkeit, die zeigen, wie gut deine Produktdaten sind.