# Workflows fuer Datenqualitaet und Anomalieuntersuchung

Profilieren Sie tabellarische Daten, isolieren Sie Duplikate, Fehlwerte, Referenzbrueche, Ausreisser und Zeitreihenanomalien und machen Sie daraus belastbare Qualitaetsnachweise.

> Kanonische Seite: https://test.elysiatools.com/de/hubs/data-quality-anomaly-workflows

- **Schlagwörter:** Datenqualitaetsworkflow, Duplikaterkennung, Fehlwertanalyse, Ausreisseruntersuchung, Zeitreihenanomalien

## Häufig gestellte Fragen

### Ist jeder Ausreisser schlechte Datenqualitaet?

Nein. Ein Ausreisser kann ein seltenes, aber echtes Ereignis sein und braucht Fachkontext.

### Muessen Duplikate immer automatisch geloescht werden?

Nein. Wiederholte Zeilen koennen legitime Folgegeschaefte oder Statusaufnahmen sein.

### Ist Interpolation fuer jeden Fehlwert geeignet?

Nein. Sie ist nur sinnvoll bei geordneten Reihen mit tragfaehiger Kontinuitaetsannahme.

### Warum robuste Mittelwerte zusaetzlich zu z-Scores?

Sie zeigen, ob wenige Extreme die Mitte so stark verzerren, dass operative Entscheidungen kippen.
