Was ist Datenqualität?

Datenqualität bezeichnet die Aufbereitung von Daten, um spezifische Anforderungen von Businessanwendern zu erfüllen. Daten sind der wertvollste Aktivposten Ihres Unternehmens. Entscheidungen, die anhand fehlerhafter Daten getroffen werden, können sich negativ auf Ihr Unternehmen auswirken. Deshalb müssen Sie die Qualität Ihrer Daten sicherstellen, bevor Sie diese für die allgemeine Nutzung freigeben.

Die Folgen unzureichender Datenqualität

Die Erkenntnisse, die ein Unternehmen aus seinen Daten ziehen kann, sind stets nur so gut, wie die Daten selbst. Minderwertige Daten können aus jedem Unternehmensbereich stammen und verschiedenste Probleme aufweisen. Sie behindern Unternehmen bei der Gewinnung neuer Erkenntnisse und beeinträchtigen die Entscheidungsqualität.

Datenqualität ist für viele Entscheider ein leidiges Thema. Laut dem Global CEO Outlook 2016 von Forbes Insights und KPMG sind 84 % aller Entscheider nicht von der Qualität der Daten überzeugt, die sie zu Business-Intelligence-Zwecken nutzen. Unzureichende Datenqualität kann aber sehr teuer werden. Eine von MIT Sloan durchgeführte Studie kommt zu dem überraschenden Ergebnis, dass schlechte Daten 15-25 % des Gesamtumsatzes kosten können.

Laden Sie Was ist Datenqualität? jetzt herunter.
Weitere Informationen

Die gute Nachricht ist, dass Ihr Unternehmen keine weiteren Einbußen durch schlechte Daten hinnehmen muss – weder zeitlich, noch finanziell. Wenn Sie bei der Datenerfassung die sechs Metriken für Datenqualität beachten, können Sie eine optimale Performance Ihrer Unternehmenssysteme sicherstellen und das Vertrauen Ihrer Mitarbeiter in die Zuverlässigkeit der Daten fördern.

Erwartungen an die Datenqualität definieren

Wollen Unternehmen fundierte, datenbasierte Geschäftsentscheidungen treffen, müssen sie die Qualität ihrer Daten sicherstellen. Das gilt für Organisationen jeder Größe, Branche und Ausrichtung. Allerdings gibt es zahlreiche Datenarten und -quellen, deren Qualität sich je nach Nutzungsgrund und -art unterschiedlich aufs Unternehmen auswirken kann. Deshalb sollten sich alle Datennutzer im Unternehmen für die oben beschriebenen sechs Metriken auf fest definierte Erwartungen einigen, die sich daran orientieren, welchen Nutzen man aus den Daten ziehen möchte.

Daten bieten meist dann Mehrwert, wenn sie einen Geschäftsprozess oder eine auf Business Intelligence basierende Entscheidungsfindung unterstützen. Deshalb sollten die vereinbarten Regeln für die Datenqualität den Mehrwert berücksichtigen, den Daten dem Unternehmen bieten können. Weiß man, dass Daten in einem bestimmten Kontext ein besonders hohes Mehrwertpotenzial haben, wäre es sinnvoll, dort strengere Regeln für die Datenqualität zu definieren. Deshalb sollten Unternehmen bei der Definition von Datenqualitätsstandards nicht nur die eigentlichen Dimensionen der Datenqualität (und natürlich die nötigen externen Qualitätsstandards) berücksichtigen, sondern auch die Folgen bei Nichtbeachtung der Standards.

Laden Sie The Definitive Guide to Data Quality jetzt herunter.
HERUNTERLADEN

Datenqualität zu ignorieren, ist teuer.

Legt man die Hände in den Schoß, explodieren die Kosten mit der Zeit. Unzureichende Datenqualität lässt sich deutlich einfacher eindämmen, wenn die Probleme vor der Nutzung der Daten behoben werden, nämlich an ihrem Ursprungsort. Wenn Sie Daten beim Eintritt ins Unternehmen verifizieren oder standardisieren, bevor sie in ihre Backend-Systeme gelangen, kostet Sie die Standardisierung etwa einen Euro. Bereinigen Sie die Daten erst später an ihren diversen Speicherorten, steigen die Kosten auf das Zehnfache. Belassen Sie diese schlechten Daten aber einfach in Ihrem System und nutzen Sie diese als Entscheidungsgrundlage, zur Kundeninteraktion oder für die Präsentation Ihres Unternehmens, kostet Sie das rund 100€ im Vergleich zu nur einem Euro bei Standardisierung und Validierung am Eintrittspunkt. Je länger sich die schlechten Daten in Ihrem System tummeln, desto höher steigen die Kosten. Deshalb sollten Sie sich um die Datenqualität kümmern, bevor die Daten den Weg in Ihr System finden.

Ein erfolgversprechender Datenqualitätsansatz

Um erfolgreich zu sein, brauchen Sie einen durchgängigen, proaktiven und kollaborativen Datenqualitätsansatz. Dabei sollte jedes Team (nicht nur IT und Technik) Verantwortung für die Datenqualität übernehmen. Nur so lässt sich wirklich jedes einzelne System abdecken. Zudem benötigen Sie Regeln und Richtlinien, die sicherstellen, dass schlechte Daten erst gar nicht ins Unternehmen gelangen.

Laden Sie Debunking Data Quality Myths jetzt herunter.
HERUNTERLADEN

Klingt nach einer Sisyphos-Aufgabe? Weit gefehlt! Hier ist Ihre Roadmap, um diesen Ansatz zu implementieren:

  • Bilden Sie ein interdisziplinäres Team: Bringen Sie als Kernteam für die Datenqualität Datenarchitekten, Businessentscheider, Datenwissenschaftler und Datenschutzexperten zusammen. Die Leitung sollte ein Implementierungsexperte übernehmen, der das Team steuert und motiviert und gleichzeitig Datenqualitätsprojekte initiiert.
  • Definieren Sie gleich zu Beginn Ihre Erwartungen: Warum Datenqualität? Die Antwort auf diese Frage können Ihnen die Kollegen aus dem operativen Business liefern. Stellen Sie sicher, dass Sie und Ihr Team ein klares Ziel vor Augen haben und definieren Sie Zielsetzungen, die sich nachhaltig auf das Geschäft auswirken.
  • Greifen Sie regulatorischen Änderungen vor und sorgen Sie für Compliance: Gehen Sie kurzfristige Compliance-Aufgaben, wie die Einhaltung der DSGVO gemeinsam mit Ihrem Datenqualitätskernteam an. So sorgen Sie zeitnah für Mehrwert und sichern sich strategische Transparenz.
  • Setzen Sie sich ehrgeizige Ziele mit maximalem Nutzen: Definieren Sie bei der Planung Ihrer Datenqualitätsinitiative ruhig ambitionierte, businessrelevante Ziele. Das verschafft Ihrem Projekt die Aufmerksamkeit des Top-Managements und motiviert Ihr Team.
  • Sorgen Sie trotzdem für kurzfristige Erfolge: Ein erster Schritt dazu ist, das Unternehmen in die Datenverwaltung zu involvieren. So könnten Sie beispielsweise das Onboarding von Daten optimieren, Daten schneller in die Cloud migrieren oder Ihre Salesforce-Daten bereinigen.
  • Bleiben Sie realistisch: Definieren Sie messbare Leistungskennzahlen, die von allen akzeptiert und verstanden werden und nutzen Sie diese aktiv. Datenqualität und operativer Erfolg hängen unmittelbar zusammen. Nutzen Sie also auch entsprechende Leistungskennzahlen wie die Entwicklung des ROI oder der Kosteneinsparungen.
  • Feiern Sie Ihre Erfolge: Wenn Sie ein Projekt mit messbaren Ergebnissen abschließen, lassen Sie dies ruhig das gesamte Unternehmen wissen. Natürlich sind Know-how und Fachwissen entscheidend. Aber stellen Sie bitte nie Ihr Licht unter den Scheffel.

Daten unternehmensweit verwalten

Mit einem proaktiven Ansatz können Sie die Datenqualität prüfen und messen, bevor minderwertige Daten Ihre zentralen Systeme erreichen. Allerdings ist es eine komplexe Aufgabe, sämtliche Daten in stationären und mobilen Anwendungen, in der Cloud und im Internet im Blick zu behalten. Diese Art von Kontrolle über alle Systeme, Standorte und Domains lässt sich nur realisieren, wenn man in der Lage ist, seine Daten in Echtzeit zu überwachen. Das aber funktioniert nur mithilfe von Datenintegration.

Um die Verbreitung fehlerhafter Daten zu vermeiden, müssen Sie natürlich in erster Linie entsprechende Kontrollregeln in die Datenintegrationsprozesse implementieren. Mithilfe der richtigen Datenqualitätstools und integrierter Daten können Sie den einen oder anderen „Whistleblower“ für sich arbeiten lassen, der einige der Ursachen für Datenqualitätsprobleme aufdeckt. Außerdem sollten Sie in der Lage sein, Ihre Daten über Ihre gesamte System- und Applikationslandschaft hinweg zu verfolgen. So können Sie Ihre Daten in Echtzeit analysieren, standardisieren und abgleichen. Anschließend können Sie die korrekten Daten bei Bedarf jederzeit überprüfen.

Die Kosten minderwertiger Daten lassen sich in Form von vergebenen Chancen, schlechten Entscheidungen und dem Aufwand für die Fehlerfindung und -behebung quantifizieren. Eine kollaborative Datenverwaltung und die nötigen Tools für die Datenkorrektur am Ursprungsort sind der sichere Weg, um für alle Beteiligten Datenqualität sicherzustellen. Informieren Sie sich über die zahlreichen Apps, mit denen Talend Data Fabric diese Ziele unterstützt.

| Zuletzt aktualisiert: September 17th, 2019