Über mangelhafte Qualität ihrer Daten sprechen Unternehmen meist nur hinter vorgehaltener Hand. Niemand gibt gerne zu, dass es hier große Probleme gibt. Die Folgen können dramatisch sein: Sie reichen von verärgerten Kunden bis zu Umsatzeinbrüchen. Symptome zu kurieren ist zu wenig, Unternehmen müssen vielmehr bei den Ursachen der schlechten Datenqualität ansetzen. Die wichtigsten Aspekte hat Information Builders in sechs Tipps zusammengefasst.
Wo Daten über viele manuelle und automatische Schnittstellen in die unternehmenskritischen Applikationen eingespeist werden, kommt es leider immer wieder zu Diskrepanzen. Falsche, unvollständige oder inkonsistente Angaben führen zu weiteren Unstimmigkeiten. Eine mangelhafte Datenqualität hat fatale Auswirkungen: Marketingkampagnen mit "schlechtem" Adressmaterial laufen ins Leere, es werden fehlerhafte Rechnungen ausgestellt oder Ausschreibungen beruhen auf inkorrektem Datenmaterial. Solche Fehler können ein Unternehmen viel Geld kosten, ganz zu schweigen vom Imageverlust.
Zunächst einmal gibt es eine Reihe allgemein akzeptierter Kriterien für eine gute Datenqualität. Dazu zählen unter anderem: Aktualität, Konsistenz, Korrektheit, Redundanzfreiheit, Vollständigkeit und Zuverlässigkeit der Unternehmensdaten. Als Messlatte sind die Kriterien sinnvoll, aber sie reichen nicht aus. Notwendig sind konkrete Maßnahmen zur Verbesserung der Datenqualität, um strategisch ausgerichtete BI-Projekte mit den benötigten Informationen versorgen zu können. Sechs Tipps von Information Builders dazu auf einen Blick:
1. Bestandsaufnahme. In jedem Unternehmen gibt es Klagen über eine schlechte Datenqualität - einiges ist übertrieben, anderes beruht auf Fakten. Hier sind zunächst einmal die Fachabteilungen gefordert, die Problemfälle in den Auftrags-, Finanz-, Kunden-, Material-, Produktions- und Rechnungsdaten etc. zu ermitteln.
2. Erste Bereinigungsarbeiten. Eine der einfachsten Methoden die Datenqualität zu verbessern, besteht darin, Abweichungen und Varianten von Einträgen, beispielsweise Müller, Mueller, Müllner, Mühler etc., zu ermitteln und zu beseitigen. In vielen Fällen empfiehlt sich hier auch ein Abgleich mit externen Datenquellen. Eine weitere, einfach zu beseitigende Ursache für Performanceprobleme und Verärgerung bei mehrfach angeschriebenen Kunden bilden Dubletten.
3. Stammdatenmanagement. Unter Zuhilfenahme eindeutiger Regeln sorgt das Stammdatenmanagement für eine Konsolidierung umfangreicher Datenbestände. Ziel sind eindeutige Definitionen der Datenbeschreibungen, die in den Fachbereichen manchmal verschieden gehandhabt werden. Wo immer möglich, müssen in "Golden Records" generell gültige Datendefinitionen für Stammdaten festgelegt werden. Gibt es keine einheitliche "Sprachregelung", wird man letztlich auf keine betriebswirtschaftlichen Kennzahlen (KPIs) kommen, die vom Vorstand bis zu den Mitarbeitern in allen Fachabteilungen - und immer häufiger auch von Geschäftspartnern und Lieferanten - akzeptiert werden.
4. Technische Fundamente absichern. Die technologische Grundlage einer hohen Datenqualität muss durch die IT-Abteilung - in Abstimmung mit den Fachabteilungen - gewährleistet werden. Sie sorgt für eine verbesserte Datenqualität in den Quellsystemen. Um auf die unterschiedlichsten internen und externen, strukturiert und unstrukturiert vorliegenden Daten zugreifen zu können, wird flexible sowie passgenaue Integrationstechnologie (beispielsweise native Adaptertechnologie) benötigt, die einen reibungslosen und einfachen Zugang zu jedem Informationssystem bietet. Das Ergebnis: Die Geschäftsprozesse, in denen Analysen und Reports basierend auf diesen Informationsbeständen genutzt werden, bauen auf einem aktuellen und konsistenten Datenmaterial auf.
5. Competence Center für Datenqualität. Eine dauerhaft hohe Datenqualität lässt sich nur durch ein systematisches Vorgehen erzielen. Dazu gehört auch eine enge Zusammenarbeit zwischen den Fachabteilungen und der IT. Der ideale Fall besteht darin, dass ein dauerhaft etabliertes Team bestehend aus Mitarbeitern der IT und Fachabteilungen von der Geschäftsleitung mit dieser Aufgabe betraut wird. Dieses Team ist dann auch für die Beachtung der Datenqualität verantwortlich.
6. Kontinuierliche Überwachung und Verbesserung. Die Einhaltung und Absicherung einer hohen Datenqualität lässt sich nicht mit einem einmaligen Projekt erreichen. Notwendig sind eine systematische Analyse und Überwachung der Datenintegration sowie eine permanente Überprüfung der Datenqualität im Sinne des konzipierten Stammdatenmanagements. Wo immer möglich, sollte eine automatische und kontinuierliche Überprüfung bereits bei der Dateneingabe (Syntax und Semantik) erfolgen. Ist kein permanenter automatischer Check möglich, muss zumindest alle zwei bis drei Monate eine manuelle Kontrolle erfolgen.
"Die Datenqualität ist nicht allein ein technisches Problem: Im gesamten Unternehmen muss der Wert von Informationen verankert sein und eine entsprechende Datenkultur etabliert werden", sagt Klaus Hofmann zur Linden, Technical Manager Germany bei Information Builders in Eschborn. "Konsequent umgesetzt und kontrolliert bewirken die Maßnahmen zur Einhaltung der Datenqualität, dass alle wichtigen Informationen zur wertsteigernden Unternehmenssteuerung in kurzer Zeit, mit einer hohen Präzision und in einer leicht verständlichen Form zur Verfügung stehen. Denn bessere Daten sorgen auch für bessere Entscheidungen."
Wo Daten über viele manuelle und automatische Schnittstellen in die unternehmenskritischen Applikationen eingespeist werden, kommt es leider immer wieder zu Diskrepanzen. Falsche, unvollständige oder inkonsistente Angaben führen zu weiteren Unstimmigkeiten. Eine mangelhafte Datenqualität hat fatale Auswirkungen: Marketingkampagnen mit "schlechtem" Adressmaterial laufen ins Leere, es werden fehlerhafte Rechnungen ausgestellt oder Ausschreibungen beruhen auf inkorrektem Datenmaterial. Solche Fehler können ein Unternehmen viel Geld kosten, ganz zu schweigen vom Imageverlust.
Zunächst einmal gibt es eine Reihe allgemein akzeptierter Kriterien für eine gute Datenqualität. Dazu zählen unter anderem: Aktualität, Konsistenz, Korrektheit, Redundanzfreiheit, Vollständigkeit und Zuverlässigkeit der Unternehmensdaten. Als Messlatte sind die Kriterien sinnvoll, aber sie reichen nicht aus. Notwendig sind konkrete Maßnahmen zur Verbesserung der Datenqualität, um strategisch ausgerichtete BI-Projekte mit den benötigten Informationen versorgen zu können. Sechs Tipps von Information Builders dazu auf einen Blick:
1. Bestandsaufnahme. In jedem Unternehmen gibt es Klagen über eine schlechte Datenqualität - einiges ist übertrieben, anderes beruht auf Fakten. Hier sind zunächst einmal die Fachabteilungen gefordert, die Problemfälle in den Auftrags-, Finanz-, Kunden-, Material-, Produktions- und Rechnungsdaten etc. zu ermitteln.
2. Erste Bereinigungsarbeiten. Eine der einfachsten Methoden die Datenqualität zu verbessern, besteht darin, Abweichungen und Varianten von Einträgen, beispielsweise Müller, Mueller, Müllner, Mühler etc., zu ermitteln und zu beseitigen. In vielen Fällen empfiehlt sich hier auch ein Abgleich mit externen Datenquellen. Eine weitere, einfach zu beseitigende Ursache für Performanceprobleme und Verärgerung bei mehrfach angeschriebenen Kunden bilden Dubletten.
3. Stammdatenmanagement. Unter Zuhilfenahme eindeutiger Regeln sorgt das Stammdatenmanagement für eine Konsolidierung umfangreicher Datenbestände. Ziel sind eindeutige Definitionen der Datenbeschreibungen, die in den Fachbereichen manchmal verschieden gehandhabt werden. Wo immer möglich, müssen in "Golden Records" generell gültige Datendefinitionen für Stammdaten festgelegt werden. Gibt es keine einheitliche "Sprachregelung", wird man letztlich auf keine betriebswirtschaftlichen Kennzahlen (KPIs) kommen, die vom Vorstand bis zu den Mitarbeitern in allen Fachabteilungen - und immer häufiger auch von Geschäftspartnern und Lieferanten - akzeptiert werden.
4. Technische Fundamente absichern. Die technologische Grundlage einer hohen Datenqualität muss durch die IT-Abteilung - in Abstimmung mit den Fachabteilungen - gewährleistet werden. Sie sorgt für eine verbesserte Datenqualität in den Quellsystemen. Um auf die unterschiedlichsten internen und externen, strukturiert und unstrukturiert vorliegenden Daten zugreifen zu können, wird flexible sowie passgenaue Integrationstechnologie (beispielsweise native Adaptertechnologie) benötigt, die einen reibungslosen und einfachen Zugang zu jedem Informationssystem bietet. Das Ergebnis: Die Geschäftsprozesse, in denen Analysen und Reports basierend auf diesen Informationsbeständen genutzt werden, bauen auf einem aktuellen und konsistenten Datenmaterial auf.
5. Competence Center für Datenqualität. Eine dauerhaft hohe Datenqualität lässt sich nur durch ein systematisches Vorgehen erzielen. Dazu gehört auch eine enge Zusammenarbeit zwischen den Fachabteilungen und der IT. Der ideale Fall besteht darin, dass ein dauerhaft etabliertes Team bestehend aus Mitarbeitern der IT und Fachabteilungen von der Geschäftsleitung mit dieser Aufgabe betraut wird. Dieses Team ist dann auch für die Beachtung der Datenqualität verantwortlich.
6. Kontinuierliche Überwachung und Verbesserung. Die Einhaltung und Absicherung einer hohen Datenqualität lässt sich nicht mit einem einmaligen Projekt erreichen. Notwendig sind eine systematische Analyse und Überwachung der Datenintegration sowie eine permanente Überprüfung der Datenqualität im Sinne des konzipierten Stammdatenmanagements. Wo immer möglich, sollte eine automatische und kontinuierliche Überprüfung bereits bei der Dateneingabe (Syntax und Semantik) erfolgen. Ist kein permanenter automatischer Check möglich, muss zumindest alle zwei bis drei Monate eine manuelle Kontrolle erfolgen.
"Die Datenqualität ist nicht allein ein technisches Problem: Im gesamten Unternehmen muss der Wert von Informationen verankert sein und eine entsprechende Datenkultur etabliert werden", sagt Klaus Hofmann zur Linden, Technical Manager Germany bei Information Builders in Eschborn. "Konsequent umgesetzt und kontrolliert bewirken die Maßnahmen zur Einhaltung der Datenqualität, dass alle wichtigen Informationen zur wertsteigernden Unternehmenssteuerung in kurzer Zeit, mit einer hohen Präzision und in einer leicht verständlichen Form zur Verfügung stehen. Denn bessere Daten sorgen auch für bessere Entscheidungen."
