Datenqualitäts-Dashboard (Emissions-Validierungen)

Sie müssen Ihre Zahlen nicht mehr von Quartal zu Quartal mühsam in einer eigenen Tabelle abgleichen oder auf einen Datenqualitätsbericht vom Cozero-Team warten. Stattdessen sehen Sie markierte Datensätze direkt in der Plattform, filtern gezielt nach dem, was wirklich Aufmerksamkeit braucht, und kümmern sich gleich darum – verwerfen, herunterladen oder löschen, alles ohne Cozero zu verlassen.

Das Dashboard arbeitet mit zwei Arten von Prüfungen. Die Validierungen auf Log-Eintrags-Ebene markieren einzelne Datensätze mit Problemen wie Nullemissionen, verdächtigem Platzhaltertext, möglichen Duplikaten oder Logs ohne Einträge. Die aggregierten Validierungen schauen sich Ihre Daten nach Standort, Kategorie, Unterkategorie und Zeitraum an und decken so Ausreißer und Datenlücken auf, die man erst sieht, wenn man einen Schritt zurücktritt.

Für wen ist das gedacht?

Das Datenqualitäts-Dashboard richtet sich an alle, die vor der Berichterstattung für die Qualität der Emissionsdaten geradestehen müssen – vor allem an Organisationen, die Emissionsdaten über viele Geschäftseinheiten, Standorte oder Tochtergesellschaften hinweg verwalten, wo eine manuelle Prüfung schlicht nicht mehr mitkommt.

• Sustainability Manager:innen, die vierteljährliche oder jährliche Emissionsberichte vorbereiten
• Dateneigentümer:innen, die Emissions-Logs über mehrere Geschäftseinheiten oder Standorte hinweg im Blick behalten
• Teams, die bisher auf selbst gebaute Tabellen oder Datenqualitätsberichte auf Anfrage angewiesen waren, um fehlende Einträge, unerwartete Nullwerte oder auffällige Ausschläge zu finden

So finden Sie es

Gehen Sie in der linken Seitenleiste Ihres Cozero-Workspace auf Log > Data Quality.

Oben auf der Seite sehen Sie eine Reihe von Filter-Chips, die anzeigen, welche Problemkategorien in Ihren Daten gefunden wurden, zum Beispiel:

• Emissions are zero – Einträge, bei denen das Ergebnis 0 ist oder fehlt
• Suspicious text – Einträge mit platzhalterartigem Text (z. B. „test“, „tbc“, „demo“)
• Potential duplicate – identische Einträge, die möglicherweise doppelt gezählt wurden
• Log without entry – Logs ohne erfasste Einträge
• Calculation error – Einträge mit Berechnungsproblemen
• Outliers – Monate mit ungewöhnlich hohen oder niedrigen Emissionen für einen Standort/eine Unterkategorie
• Data gaps – Monate ohne jegliche Daten für einen Standort/eine Unterkategorie

Jeder Chip zeigt an, wie viele Datensätze gerade markiert sind. Klicken Sie auf einen Chip, um die Tabelle auf genau diese Kategorie zu filtern. In der Toolbar können Sie außerdem – genau wie im Log Entry Overview – die Validierungen auf Log-Eintrags-Ebene filtern und Spalten in Ihrer aktuellen Ansicht ein- oder ausblenden.

Schritt-für-Schritt-Anleitung

Schritt 1: Das Datenqualitäts-Dashboard öffnen

1. Klappen Sie in der linken Seitenleiste Log auf.
2. Wählen Sie Data Quality.
3. Die Tabelle lädt und zeigt oben alle Validierungskategorien als Chips an, jeweils mit der Anzahl der aktuell markierten Datensätze. Show Image

Schritt 2: Markierte Log-Einträge durchsehen

1. Klicken Sie auf einen Chip (z. B. Potential Duplicate oder Suspicious Text), um die Tabelle nach diesem Problemtyp zu filtern.
2. Anhand der Spalten – Subcategory, Category, Location, Business Unit sowie der monatlichen Zeitraumspalten – erkennen Sie, wo genau das Problem auftritt.
3. Über zusätzliche Filter lässt sich das Ganze weiter eingrenzen, etwa nach Kategorie, Standort oder Geschäftseinheit.

Schritt 3: Prüfen und handeln

1. Wählen Sie über die Kontrollkästchen eine oder mehrere markierte Zeilen aus.
2. Öffnen Sie das Actions-Dropdown, um: 
   1. die Markierung zu verwerfen (bei Validierungen auf Log-Eintrags-Ebene), wenn der Wert nachweislich korrekt ist
   2. die markierte Liste herunterzuladen, um sie an das zuständige Team weiterzugeben
   3. die zugrunde liegenden Log-Einträge zu löschen (bei Validierungen auf Log-Eintrags-Ebene), falls das sinnvoll ist
3. Klicken Sie auf einen einzelnen Log-Eintrag, um dessen Detailseite zu öffnen und ihn direkt zu bearbeiten.
   

    

Schritt 4: Aggregierte Validierungen prüfen (Outliers und Data Gaps)

1. Als Nächstes wechseln wir zu den aggregierten Validierungen, um Outliers und Data Gaps gruppiert nach Standort, Kategorie, Unterkategorie und Zeitraum zu sehen.
2. Klicken Sie auf eine markierte Zeile, um eine gefilterte Ansicht Ihrer Log Entry Overview (LEO)-Tabelle zu öffnen – vorgefiltert nach Standort, Kategorie/Unterkategorie und Zeitraum, mit genau den passenden Logs.
3. Falls Sie es teilen möchten: Laden Sie die komplette aggregierte Tabelle inklusive der sichtbaren Spalten herunter.

Validierungen auf Log-Eintrags-Ebene vs. aggregierte Validierungen – der Unterschied

Das Dashboard prüft Ihre Daten auf zwei unterschiedliche Arten, und es lohnt sich, den Unterschied zu kennen, damit Sie je nach Problem an der richtigen Stelle nachsehen.

Die Validierungen auf Log-Eintrags-Ebene schauen sich einzelne Datensätze einzeln an – ist genau dieser Eintrag null, dupliziert, fehlt der Text, oder gehört er zu einem Log ganz ohne Einträge? Solche Fälle lassen sich schnell beheben, einzeln oder direkt als Sammelaktion.

Die aggregierten Validierungen betrachten Ihre Daten gruppiert – nach Standort, Kategorie, Unterkategorie und Monat – und finden so Probleme, die man einem einzelnen Eintrag gar nicht ansieht, etwa einen auffällig hohen oder niedrigen Emissionsmonat oder einen Monat, in dem für einen bestimmten Standort und eine Unterkategorie schlicht gar keine Daten erfasst wurden. Diese Prüfungen funktionieren am besten, wenn mindestens ein Jahr an historischen Daten zum Vergleich vorliegt, weil sie auf Abweichungen von Ihrer eigenen Berichtshistorie basieren.

Ein Wert von null ist übrigens nicht automatisch ein Problem – bei manchen Aktivitäten, etwa erneuerbarem Strom mit einem Emissionsfaktor von null, ist ein Nullwert völlig normal und erwartet. Die Prüfung Emissions are zero ist genau darauf ausgelegt, solche gültigen Fälle auszuschließen und wirklich nur die Nullwerte zu markieren, die unbeabsichtigt wirken.

Häufig gestellte Fragen

Was zählt als „potential duplicate“? Zwei oder mehr Log-Einträge werden markiert, wenn ihre zentralen Eingabefelder – Standort, Datum, Activity-Data-Quelle und gerundete Eingabewerte – identisch sind. Das deutet darauf hin, dass dieselbe Aktivität möglicherweise mehrfach erfasst wurde.

Warum wird nicht jeder Nullemissions-Eintrag markiert? Die Prüfung klammert Fälle aus, in denen ein Nullwert zu erwarten ist, etwa bei erneuerbarem Strom mit einem Emissionsfaktor von null. So sehen Sie nur die Nullwerte, die tatsächlich auf ein echtes Datenproblem hindeuten.

Behebt Cozero markierte Probleme automatisch für mich? Nein. Das Dashboard markiert Probleme zur Überprüfung durch Sie, ändert Ihre Daten aber nicht selbstständig und gibt auch keine Korrekturen an Ihre Quellsysteme zurück.

Was passiert, wenn ich eine Markierung verwerfe? Das merkt sich das System – ein Datensatz, den Sie einmal als korrekt bestätigt haben, taucht bei künftigen Scans nicht wieder auf, solange sich die zugrunde liegenden Daten nicht ändern.

Ersetzt das die Datenqualitätsberichte, die ich bisher beim Cozero-Team anfordere? Genau das ist das Ziel: Sie bekommen dieselbe Transparenz direkt in der Plattform und brauchen seltener einen manuellen Bericht auf Anfrage. Sollten Sie für einen bestimmten Fall trotzdem einen Bericht brauchen, wenden Sie sich einfach an Ihren Cozero-Kontakt.

Kann ich eigene Validierungsregeln hinzufügen? Aktuell noch nicht. Individuelle Validierungen, KI-gestützte Mustererkennung und Datenanreicherung sind für zukünftige Erweiterungen in Planung.

Fragen oder Feedback

Falls beim Arbeiten mit dem Dashboard etwas nicht klappt oder Sie Fragen haben, melden Sie sich einfach bei uns unter support@cozero.io.