Datenlebenszyklus

In wenigen Schritten mit Daten zu aussagekräftigen Ergebnissen? Der DatenlebenszyklusDatenlebenszyklusDer Datenlebenszyklus beschreibt den gesamten Lebensweg von Daten, von ihrer Erfassung bis zur Archivierung oder Löschung. Er umfasst Phasen wie Datenerfassung, -speicherung, -verarbeitung, -analyse und -archivierung. Ein gutes Management des Datenlebenszyklus hilft Organisationen, ihre Daten effizient zu nutzen und Datenschutzrichtlinien einzuhalten. Das Civic Data Lab hat ein angepasste Modell passend für zivilgesellschaftliche Projekte entwickelt. gibt Euch einen Überblick: von der Planung bis zur Umsetzung. Klickt Euch durch die interaktive Grafik und erfahrt, was bei der Verarbeitung von Daten wichtig ist.

Daten finden

Ihr entscheidet: erhebt Ihr die Daten selbst oder könnt Ihr auf vorhandene Daten zurückgreifen. Zu diesem Schritt gehört auch eine kritische Auseinandersetzung mit der Qualität der Daten und ihren Quellen.

Leitfragen

  • Welche Datenquellen kann ich nutzen?
  • Wo finde ich diese?
  • Wie ist die Qualität der Daten?

Mehr zu Finden

  • Kann ich auf vorhandene Datenquellen zurückgreifen?
  • Gibt es interne Daten, die ich nutzen kann?
  • Gibt es offene Daten, die zu meiner Fragestellung passen?
  • Gibt es Datenbanken oder Datenportale, die Daten für meine Fragestellung erhalten?

Mehr zu Erheben

  • Wie erhebe ich strukturiert Daten?
  • Welche Tools nutze ich dafür?

Mehr zu Prüfen

  • Wie ist die Qualität der Datenquelle?
  • Welche MetadatenMetadatenMetadaten sind Daten, die Informationen über andere Daten bereitstellen. Sie beschreiben Merkmale wie das Erstellungsdatum, den Autor, das Format und die Dateigröße und sind entscheidend für die Verwaltung, Suche und Nutzung von Informationen. Metadaten helfen, die Organisation von und den Zugriff auf Daten zu verbessern und deren Kontext zu verstehen. gibt es und sind diese hilfreich für meine Fragestellung?
  • Wie ist die Qualität der Daten?
  • Was sind meine Qualitätskriterien?
  • Welches Format haben die Daten?
Übergangswelle

Kompetenzlevel

Ihr möchtet wissen, wo Ihr steht und wie Ihr weiterlernen könnt? Schätzt Eure Vorerfahrung anhand der drei Level ein und erhaltet Lernempfehlungen, um ins nächste Level aufzusteigen.

Anfänger*in

  • kann grundlegende Suchmaschinen für das Auffinden von Daten nutzen (z.B. Google-Abfrage), stellt hauptsächlich großflächige Suchanfragen
  • Arbeitet meist mit gängigen Datenformaten (z.B. .pdf, .xls, .docx), Hat wenig Bewusstsein für verschiedene Datenformate
  • Hat Bewusstsein dafür, dass die Organisation und Mitarbeitende Daten generieren
  • Hat schonmal von unterschiedlichen Datenerhebungsmethoden gehört (z.B. Umfragen)
  • weiß, wen sie um Hilfe bitten kann, wenn sie interne oder externe Datenquellen benötigt oder selbst Daten erheben will
  • Übernimmt Daten unkritisch. Hat kein Bewusstsein dafür, wie und warum Daten kritisch zu bewerten sind.

Unsere Lernempfehlungen

  • Zeitaufwand: kurz
  • Format: Video
  • Erfahrungslevel: Anfänger*in

Wirkung messen: Indikatoren und Erhebungsmethoden

Anhand von Indikatoren wir der Erfolg eines Projekts gemessen und aufgezeigt, ob Ziele erreicht wurden. Die Wahl der Erhebungsmethode hängt von den Indikatoren, Ressourcen und der Zielgruppe ab. Wie das DRK wirkungsorientierte Projekte erfolgreich umsetzt, erklärt das Team Finanzierung und Impact des DRK im Video.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Anfänger*in
  • CC-BY 4.0

Datenportale und offene Daten finden

Dieses Lernmaterial der Open Knowledge Foundation vermittelt die Grundlagen zu offenen Daten und zeigt, wie diese frei zugänglich, nutzbar und veränderbar gemacht werden können. Es bietet einen Überblick über wichtige Aspekte wie offene Lizenzen, Formate und die Relevanz von offenen Daten für Transparenz, demokratische Prozesse und gesellschaftliche Teilhabe. Darüber hinaus enthält das Material praktische Informationen zu verschiedenen Open-Data-Portalen und Quellen – von GovData über Eurostat bis hin zu spezifischen Recherchetools.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Website
  • Erfahrungslevel: Anfänger*in

Praxistipp: Datenerhebung in der Praxis – Wirkungsdaten erheben mit Plan!

In diesem Blogartikel lernt Ihr, wie Ihr Wirkungsdaten in sozialen Projekten strukturiert erheben könnt. Schritt für Schritt erfahrt Ihr, wie Ihr einen Datenerhebungsplan erstellt, die richtigen Datenquellen identifiziert und geeignete Methoden anwendet – sei es durch vorhandene Daten oder durch neue Erhebungen. Dabei wird auch der Fokus auf kostengünstige und einfach umsetzbare Methoden gelegt, die auch kleine Organisationen nutzen können. So erhaltet Ihr praxisorientierte Tipps zur effektiven Datenerhebung und Steuerung Eurer Projekte.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Website
  • Erfahrungslevel: Anfänger*in

Video-Tutorial und Handout zur Datenqualität

Das Potenzial von Daten, vor allem von offenen Daten, kann nur dann voll ausgeschöpft werden, wenn die Daten hochwertig und leicht nutzbar sind. Ein wichtiger Punkt dabei ist die Maschinenlesbarkeit, welche in diesem Video-Tutorial genauer erklärt wird. Achtung: Die Zielgruppe bezieht sich speziell auf die Berliner Verwaltung, viele der Inhalte sind universell gültig und für andere Zielgruppen ebenfalls interessant.
Mehr erfahren
  • Zeitaufwand: lang
  • Format: Online-Kurse
  • Erfahrungslevel: Anfänger*in
  • 1 Woche à 2-3 Stunden
  • 5-10 Stunden selbst lernen
  • CC-BY-SA 4.0

Data Literacy – Daten bereitstellen mit Sensoren

Dieser Workshop bietet eine detaillierte Einführung in das Sammeln von Daten mittels Sensoren und vermittelt dir das nötige Wissen und die Fähigkeiten, um Sensoren praktisch einzusetzen. Du lernst verschiedene Sensorentypen kennen und erfährst, wie du sie zur Erhebung von Umweltdaten wie Feinstaub, Temperatur und Luftfeuchtigkeit nutzen kannst. Dabei wirst du nicht nur mit den theoretischen Grundlagen vertraut gemacht, sondern erhältst auch praktische Anleitungen, um mit den von dir gesammelten Daten zu arbeiten und sie für deine Zwecke zu analysieren und zu interpretieren.
Mehr erfahren

Fortgeschrittene*r

  • kann unterschiedliche Suchmaschinen verwenden, anspruchsvollere Anfragen an sie stellen und nutzt interne sowie externe Datenquellen in der Praxis
  • kennt öffentliche Datenportale, ist manchmal noch unsicher bei der eigenständigen Nutzung und der Beurteilung der Qualität einer Datenquelle
  • weiß, was offene Daten sind, kennt ihre Vorteile, hat selbst noch nicht oder wenig mit ihnen gearbeitet
  • Daten werden als Datei heruntergeladen. Auch Datenformate wie .csv werden genutzt. Meist werden interne Daten verwendet
  • kann Daten auch selbst innerhalb der Organisation generieren und dabei unterschiedliche Erhebungen durchführen z.B. Kennzahlen, Messungen, Umfragen
  • kann einfache Datenqualitätskriterien überprüfen, wie z.B. Vollständigkeit oder Duplikate

Unsere Lernempfehlungen

  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Fortgeschrittene*r
  • englisch

Data Quality Dimensions Cheat Sheet

Dieses Cheat Sheet von DataCamp bietet eine kompakte Übersicht über die wichtigsten Dimensionen der Datenqualität: Vollständigkeit, Eindeutigkeit, Aktualität, Konsistenz, Validität und Genauigkeit. Jede Dimension wird verständlich erklärt und anhand von Beispielen veranschaulicht. Ein praktisches Hilfsmittel für alle, die die Qualität ihrer Daten bewerten und sicherstellen möchten, dass sie für ihre Zwecke geeignet und vertrauenswürdig sind.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Website
  • Erfahrungslevel: Fortgeschrittene*r
  • Lernreise

Open Data Journey

Die Open Data Journey der Open Data Informationsstelle (ODIS) bietet eine klare Orientierung für alle, die Daten veröffentlichen möchten. In fünf übersichtlichen Etappen begleitet sie Euch von den Grundlagen über die Datenaufbereitung bis hin zur Veröffentlichung und Visualisierung. Jedes Modul liefert gezielte Informationen und praktische Materialien, um den Umgang mit offenen Daten zu erleichtern – individuell abgestimmt auf Euer Vorhaben und eure Vorkenntnisse. Ein idealer Leitfaden, um offene Daten effektiv zu nutzen und sichtbar zu machen.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Website
  • Erfahrungslevel: Fortgeschrittene*r

Praxistipp: Datenerhebung im Projektalltag – 5 unaufwändige Methoden für Wirkungsdaten

Wirkungsdaten zu erheben, muss nicht kompliziert sein – bereits einfache Methoden können wertvolle Hinweise liefern, ob euer Projekt auf Kurs ist. Dieser Blogartikel von Skala Campus stellt fünf niedrigschwellige Ansätze vor, mit denen ihr in Eigenregie Daten sammeln könnt: Von einfachen Zählungen über die systematische Sammlung von Anekdoten bis hin zu Fragebögen und Interviews. Die Methoden sind besonders für kleine Budgets oder erste Schritte in der Datenerhebung geeignet und helfen, Eure Arbeit regelmäßig zu reflektieren und zielgruppengerecht weiterzuentwickeln.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Fortgeschrittene*r

Vorlage Dateninformationsblatt

Im Zuge der Dateninventur wird erfasst, welche Daten innerhalb einer Organisation vorliegen und sich zur Veröffentlichung als Offene Daten eigenen. Die dabei gewonnen Informationen müssen strukturiert und standardisiert erfasst werden, um sie später leicht zusammenführen und austauschen zu können. Zur strukturierten Dokumentation der Dateninventur wurde eine tabellarische Vorlage entwickelt, die als Grundlage für die eigene Dateninventur genutzt werden kann. Pro Datensatz sollte eines der sogenannten Dateninformationsblätter ausgefüllt werden. Die gesammelten Informationsblätter können dann von Euch leicht zusammengeführt, ausgetauscht und gepflegt werden.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Fortgeschrittene*r

Checkliste zur Steigerung der Qualität von CSV-Dateien

CSV (Comma Separated Values) ist ein Dateiformat, in dem Werte tabellarisch strukturiert in Form von Textdateien gespeichert werden. Die einzelnen Werte werden durch Trennzeichen voneinander separiert und bilden somit die Spalten der Tabelle. Die Checkliste zur Qualitätssicherung Eurer CSV-Dateien hilft dabei, mögliche Probleme frühzeitig zu erkennen und zu beheben. Sie unterstützt sie dabei, Datenstrukturen zu optimieren und eine nachhaltige Nutzbarkeit Eurer Daten sicherzustellen.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Fortgeschrittene*r

Arbeitsvorlage Datenerhebungsplan

Vor der Datenerhebung ist es sinnvoll sich einen Plan über das Vorgehen zu machen. Diese Arbeitsvorlage hilft dir, alle Daten im Blick zu behalten – sowohl bereits erhobene als auch noch zu erhebende Daten.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Video
  • Erfahrungslevel: Fortgeschrittene*r
  • Videoaufzeichnung

Espresso-Talk: Einstieg ins Web-Scraping

Wie funktioniert Web-Scraping – und was kann man damit erreichen? Scraping ist mehr als ein technischer Begriff – es ist der Schlüssel, um wertvolle Daten effizient zu extrahieren und nutzbar zu machen. Der Datenexperte Benjamin Senst erklärt in unserem  Espresso-Talk wichtige Grundlagen und versetzt Euch in die Lage grundlegend beurteilen zu können, ob der Ansatz des Web Scraping für Eure Fragestellung geeignet ist. Anhand verschiedener Anwendungsbeispiele soll versucht werden, realistische Erwartungen an das Verfahren zu skizzieren und einen Einstieg in Methoden und Tools zu erklären.
Mehr erfahren
  • Zeitaufwand: lang
  • Format: Online-Kurse
  • Erfahrungslevel: Fortgeschrittene*r
  • 11 Wochen á 6-8 Stunden

Open Data Literacy

Die Freigabe und Veröffentlichung von Daten ist oft aufwendig, da Daten extrahiert und umgewandelt werden müssen. Wie Offenheit durch Datenstrategien und Datenkultur in die Organisationsentwicklung integriert werden kann, ist ein Ziel dieses Kurses. Fokus ist das Management offener Daten und Metadaten. Du erlangst ein Verständnis der Mehrwerte von offenen Daten und lernst qualitativ hochwertige Daten zu erstellen, die Benutzerfreundlichkeit von Datenplattformen zu verbessern und Daten zu visualisieren.
Mehr erfahren

Expert*in

  • Kennt und nutzt eine Vielzahl von Datenportale / öffentlichen Datenbanken zu spezifischen Themen.
  • Leitet Ansprüche auf Daten gesetzlich ab z.B. durch das Informationsfreiheitsgesetz und stellt Anfragen an öffentliche Institutionen zweckgemäß und zielgerichtet
  • berücksichtigt verschiedene Datenquelle, beurteilt diese kritisch und gleicht sie ggf. mit organisationsinternen Daten ab
  • Nutzt komplexe Datenformaten, wie bspw. JSON oder XLM. Nutzt auch Programmierschnittstellen (APIs).
  • hat Erfahrung mit unterschiedlichen Datenerhebungsmethoden  und kann Daten aus unterschiedlichen Methoden verknüpfen
  • kann langfristige Prozesse aufstellen, um Daten in der Organisation auch automatisch zu generieren
  • kennt Kriterien zur Beurteilung von DatenqualitätDatenqualitätDatenqualität beschreibt den Zustand von Daten in Bezug auf verschiedene Faktoren wie Genauigkeit, Vollständigkeit, Konsistenz, Aktualität und Relevanz. Hochwertige Daten sind entscheidend, um verlässliche Analysen durchzuführen und fundierte Geschäftsentscheidungen zu treffen. Schlechte Datenqualität kann zu falschen Schlussfolgerungen und ineffizienten Prozessen führen.  und kann sie sicher anwenden (Validität, Treue, Repräsentativität), beachtet dabei auch die Kontextualisierung der Daten

Unsere Lernempfehlungen

  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Expert*in

Checkliste zur Steigerung der Datenqualität von WFS-Diensten

Mit dieser Checkliste kannst Du die Qualität deiner WFS-Dienste prüfen und mögliche Probleme einfach identifizieren. Sie unterstützt Dich dabei, sicherzustellen, dass Deine Dienste den Standards entsprechen, sauber dokumentiert sind, konsistente und vollständige Daten liefern und effizient arbeiten. Für detaillierte Erklärungen und Tipps findest Du im NQDM-Leitfaden weitere Informationen zu den einzelnen Punkten.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Expert*in

Checkliste zur Steigerung der Datenqualität von REST-Schnittstellen

Mit dieser Checkliste kannst Du die Qualität deiner REST-Schnittstellen überprüfen und mögliche Probleme leicht identifizieren. Sie hilft Dir sicherzustellen, dass Deine Schnittstelle den Standards entspricht, konsistente Antworten liefert, korrekt dokumentiert ist und die Daten effizient bereitstellt.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Expert*in

Checkliste zur Steigerung der Datenqualität von RDF-Dateien

Mit dieser Checkliste kannst Du die Qualität deiner RDF-Dateien überprüfen und mögliche Probleme schnell erkennen. Achte darauf, dass Deine Datei den geltenden Standards entspricht, URIs eindeutig und sinnvoll strukturiert sind, die Beziehungen logisch passen und alle relevanten Informationen vollständig enthalten sind. Fehlerfreie, konsistente Daten bilden die Grundlage zu hochwertigem RDF.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Expert*in

Checkliste zur Steigerung der Datenqualität von GeoJSON-Dateien

GeoJSON ist ein einfaches und weit verbreitetes Dateiformat, um geografische Daten wie Orte, Wege oder Flächen zu speichern. Es basiert auf JSON und ist besonders leicht lesbar und vielseitig einsetzbar – ideal für Karten und Webanwendungen. Mit der Checkliste stellst Du sicher, dass Deine GeoJSON-Dateien fehlerfrei und von hoher Qualität sind. Von der richtigen Struktur über vollständige Daten bis hin zu klaren Metadaten – prüfe Schritt für Schritt, ob alles korrekt ist.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Expert*in

Checkliste zur Steigerung der Datenqualität von XML-Dateien

XML (Extensible Markup Language) ist ein Format zur hierarchischen Strukturierung von Daten. Das Ergebnis ist eine baumartige Struktur, die sowohl gut maschinell zu verarbeiten als auch von Menschen lesbar ist. Die Checkliste unterstützt Euch die Qualität Eurer Daten zu überprüfen und damit eine nachhaltige Nutzbarkeit zu ermöglichen.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Expert*in

Checkliste zur Steigerung der Datenqualität von JSON-Dateien

JSON (JavaScript Object Notation) ist ein Format zur Beschreibung strukturierter Daten. Diese Checkliste soll Euch dabei helfen, die Qualität Eurer JSON-Dateien zu überprüfen und auf einfache Weise mögliche Qualitätsprobleme zu identifizieren. Sie unterstützt Euch dabei, eine nachhaltige Nutzbarkeit Eurer Daten sicherzustellen.
Mehr erfahren
  • Zeitaufwand: kurz
  • Format: Lernmaterialen
  • Erfahrungslevel: Expert*in
  • CC-BY-SA 3.0

Leitfaden für qualitativ hochwertige Daten und Metadaten

Dieser Leitfaden bietet praktische Hilfestellungen und Empfehlungen zur Erreichung einer hohen Daten- und Metadatenqualität, was besonders wichtig für die Bereitstellung von Daten als Offene Daten ist. Dabei wurde er für Daten aus der öffentlichen Verwaltung entwickelt, die enthaltenen Empfehlungen können grundsätzlich jedoch auf jegliche Art von Daten angewendet werden, unabhängig von Zugänglichkeit, Herkunft und dem sektoralen Bezug. Es werden unterschiedliche Qualitätsdimensionen, Datenstrukturtypen und Bewertungsschemata für die Qualität von Daten und Metadaten aufgezeigt. Ihr lernt Formate kennen, die maschinenlesbar und gängig für Offene Daten und Schnittstellen sind.
Mehr erfahren