Eine Datenquelle ist der Ursprung von Daten. Datenbanken, APIs, Protokolldateien, Sensoren, Umfragen und öffentliche Aufzeichnungen dienen als Datenquellen. Die Quelle bestimmt Struktur, Qualität und Zuverlässigkeit der Daten. Eine gut gepflegte Datenbank mit Einschränkungen und Validierungsmechanismen liefert sauberere Daten als eine manuell ausgefüllte Tabellenkalkulation. Ein Sensor mit Kalibrierungsdrift liefert verfälschte Messwerte. Ein öffentlicher Datensatz kann unvollständig oder veraltet sein.

Die Kenntnis der Datenquelle ist entscheidend für das Vertrauen in die Daten. Woher stammen sie? Wer hat sie erhoben? Wann? Wie? Welche Methode wurde angewendet? Was wurde ausgeschlossen? Diese Fragen bestimmen, was die Daten aussagen können und was nicht. Daten aus einer Umfrage unter 100 Personen lassen keine Rückschlüsse auf eine Millionenbevölkerung zu. Daten eines Systems, das nur erfolgreiche Transaktionen protokolliert, erfassen keine Fehler. Daten eines Anbieters können für dessen Zwecke korrekt, für Ihre jedoch ungeeignet sein. Die Quelle beeinflusst auch die Datenverarbeitung. Eine Datenbank mit einem stabilen Schema lässt sich leichter integrieren als eine Website, deren HTML-Code monatlich geändert wird. Eine API mit Ratenbegrenzungen schränkt die abrufbare Datenmenge ein. Manuell übermittelte Dateien sind anfällig für Verzögerungen und Fehler. Die Quelle ist das Fundament. Ein schwaches Fundament untergräbt alles, was darauf aufbaut.

Gängige Datenquellen

• Datenbanken – strukturierte Datensätze aus Anwendungen
• APIs – programmatischer Zugriff auf externe Systeme
• Protokolldateien – System- und Anwendungsereignisse
• Sensoren – kontinuierliche physikalische Messungen
• Umfragen – strukturierte Antworten von Personen
• Öffentliche Aufzeichnungen – Regierungs- und offene Datensätze

Bevor man den Daten vertraut, sollte man die Quelle verstehen. Die Antworten sind oft aufschlussreicher als die Daten selbst.