Die Digitalisierung verlangt korrekte Daten. Denn im Zuge der Digitalisierung werden heute vermehrt Daten zwischen Systemen ausgetauscht. Dieser Austausch erhöht die Qualitätsanforderungen an die Daten. Darum kümmern wir uns!
CrowTen hat rund ein Dutzend Datenprojekte mit aufwändigen Datananalysen realisiert. Dabei standen die Aufgaben für personenbezogenen Daten und geographische Daten im Vordergrund. Vier Referenzbeispiel sind unten aufgeführt.
Wenn Spitäler fusionieren, müssen ihre Patientendatenstämme zusammengeführt werden. Dabei treffen meist unterschiedliche Systeme aufeinander und es ist eine grosse Anzahl von Dubletten zu bereinigen. Das Kantonsspital Baselland hat Patientendaten aus drei Systemen integriert.
Dazu haben wir mit dem Data AppKit wir ein effizientes Werkzeug zur Verfügung gestellt. Es ist für die Lösung dieser komplexen Aufgabenstellung optimiert.
Sowohl die automatische wie auch die manuelle Sortierung von Briefsendungen geraten wesentlich einfacher, wenn die Adressen gemäss den Referenzadressen der Post geschrieben sind. Fast jede dritte Adresse entspricht jedoch hinsichtlich ihrer Schreibweise nicht dieser Referenz.
CrowTen hat für die Schweizerische Post einen Adresschecker entwickelt, der fehlerhafte Adressen soweit möglich automatisch korrigiert und es andernfalls ermöglich, am Bildschirm unkompliziert eine Bereinigung vorzunehmen.
Synchronisation der Daten über Adressen Wie können wir die Kundendaten aus zwei unabhängigen Datenbanken miteinander verknüpfen? Selbstverständlich haben diese keinen gemeinsamen Identifikator für die Kunden. Genau vor dieser Frage stand UPC, ein Telekommunikationsunternehmen. Es wollte die Inhalte von zwei Datenbanken miteinander verbinden. Eine Datenbank enthielt die technischen Informationen. Die andere hatte die Informationen des Marketings
Die Lärmemissionen auf dem Eisenbahnnetz hängen von einer Vielzahl Parameter ab: Zugsfrequenzen, Zugarten, Gleis, Unterbau. Die Grundlagen für diese Parameter stammen aus unterschiedlichen Datenquellen. Die Daten betreffen zwar dasselbe Eisenbahnnetz, sind jedoch unterschiedlich strukturiert.
Die Lärmemissionen werden regelmässig neu berechnet. CrowTen hat dazu ein System aufgebaut, den ‘Lärm-Emissionskataster (EK)’. Damit können Zugs-, Verkehrs- und Infrastrukturdaten korrekt miteinander verknüpft werden. Fehlerhafte Daten werden, wenn möglich korrigiert, Datenlücken gefüllt.