Datenfusion

Datenfusion (engl. data fusion) bezeichnet die Zusammenführung und Vervollständigung lückenhafter Datensätze. Sie ist ein wichtiger Bestandteil der Informationsintegration. Es werden mit Hilfe eines Spenderdatensatzes Daten in einem Empfängerdatensatz ergänzt. Der Spenderdatensatz besteht aus Variablen ${\displaystyle (G_{1},\ldots ,G_{p},S_{p+1},\ldots ,S_{q})}$ und der Empfängerdatensatz aus Variablen ${\displaystyle (G_{1},\ldots ,G_{p},E_{p+1},\ldots ,E_{r})}$. Die Variablen ${\displaystyle G_{i}}$ liegen also in beiden Datensätzen vor, während die Variablen ${\displaystyle S_{j}}$ bzw. ${\displaystyle E_{k}}$ nur in einem der Datensätze vorliegen. Auf Basis des Spenderdatensatzes wird ein Modell zur Berechnung der Werte ${\displaystyle S_{j}}$ aus den Variablen ${\displaystyle G_{1},\dots ,G_{p}}$ erstellt. Dieses Modell wird auf den Empfängerdatensatz angewandt, so dass ein neuer, fusionierter Datensatz entsteht: ${\displaystyle (G_{1},\ldots ,G_{p},E_{p+1},\ldots ,E_{r},S_{p+1},\ldots ,S_{q})}$. Die verwendeten statistischen Verfahren werden dabei unter dem Begriff Statistical matching zusammengefasst und sind z. T. verwandt mit den Verfahren der Imputation von fehlenden Werten.