Datenqualität lässt sich steigern

Die Qualität der Kundendaten bildet für Unternehmen eine strategische Aufgabe: Schlechte Datenqualität kostet Zeit und kann zu erheblichen Umsatzverlusten führen. Anhand von sechs Tipps zeigt Information Builders, wie Unternehmen die Konsistenz und Zuverlässigkeit ihrer Daten verbessern können.

BESCHWERDEN wegen fehlerhafter Adressinformationen häufen sich, die Bearbeitung von Reklamationen verursacht spürbare Kosten und unzufriedene Kunden wandern ab. Der Grund: mangelhafte Datenqualität!  „Unternehmen müssen die Qualität ihrer Kundendaten als strategische Aufgabe angehen“, rät Nathan Jagoda, Country Manager Germany bei Information Builders daher, und moniert: „Zu oft haben sie sich bislang auf reine Reparaturarbeiten bei akuten Problemen konzentriert. Je länger eine grundlegende Sanierung aufgeschoben wird, desto höher steigen die Kosten.“
Der Anbieter von Business-Intelligence (BI)-, Analytics-, Datenintegritäts- und Datenqualitätslösungen, Information Builders, beschreibt sechs Schritte, wie sich fehlerhafte Bestände bereinigen lassen.

1. Eine Ist-Analyse der problembehafteten Daten vornehmen

Zu Beginn sollte die IT-Abteilung zusammen mit den Fachabteilungen einen Konsens darüber herstellen, wo die Probleme am größten sind und zu welchen Auswirkungen die mangelnden oder fehlerhaften Daten führen. Dazu werden die Bestände mit einem Data-Profiling-Werkzeug analysiert, um unvollständige, fehlerhafte oder mehrfach vorhandene Kundendaten zu ermitteln, denn sehr oft finden sich in verschiedenen Fachabteilungen unterschiedliche Bestandsdaten zu den gleichen Kunden: dann sind Postleitzahlen oder E-Mail-Adressen lückenhaft oder veraltet, in der Produktdatenbank fehlen Teilenummern oder die Bezeichnungen von Produkten, die Kunden über verschiedene Kanäle kaufen, differieren.

2. Einen Data Steward aus einer Fachabteilung berufen

Data Stewards spielen eine entscheidende Rolle für den Erfolg einer Datenqualitätsoffensive. Sie kommen aus einer Fachabteilung und kennen Abläufe und Herausforderungen bei der Erstellung und Verwendung von Kundendaten. Ein Data Steward stellt Regeln dazu auf, wie Daten erzeugt, gewartet und in den Fachabteilungen eingesetzt werden. Zudem ist er für die laufende Überwachung und Einhaltung der Datenintegrität und die kontinuierliche Anpassung der Qualitätsverfahren zuständig.

3. Eine Prioritätenliste der zu bereinigenden Daten erstellen

Nicht alle in einem Unternehmen vorhandenen Daten sind gleich wichtig. Ein Data Steward kennt den Wert der einzelnen Daten und legt fest, welche eingehend zu analysieren sind. Dazu wird mit den geeigneten Tools von den Daten, die beim Profiling untersucht wurden, ein Lebenszyklusdiagramm erstellt: Wie und von wem wurden die Daten erzeugt? Welche Benutzer greifen darauf zu? Für welche Zwecke werden sie von welchen Applikationen eingesetzt? Welche Kosten verursachen fehlerhafte Daten?

4. Regeln zum Umgang mit fehlerhaften Daten definieren

Auf Basis der Kostenbetrachtung der fehlerhaften Daten legt der Data Steward fest, welche Abweichungen in der Qualität innerhalb akzeptabler Grenzen liegen und welche Mängel kostspielige Auswirkungen haben. Abhängig davon, wie wichtig einzelne Daten für die Geschäftsprozesse sind, werden die Daten bereinigt oder sie werden nicht mehr weiter verwendet. Zudem regelt der Data Steward, von wem und wie – manuell oder automatisch – die korrigierbaren Fehler behoben werden.

5. Technische Datenbereinigung starten

Hat der Data Steward zusammen mit der IT und den Fachabteilungen eine Bestandsaufnahme fehlerhafter Daten vorgenommen, die Problemfälle identifiziert und festgestellt, wie damit umzugehen ist, steht als nächstes die eigentliche Datenbereinigung an. Aufgrund der organisatorischen Vorgaben kann die IT-Abteilung die technische Bereinigung vornehmen und deren Wirksamkeit mit Hilfe regelmäßiger Kontrollen überprüfen. Ein effektives Datenmanagement bedeutet allerdings nicht zwingend, dass die im Geschäftsalltag benötigten Daten absolut fehlerfrei sind. Abhängig von den Ergebnissen der Folgenabschätzung in Schritt drei kann „gereinigte Daten“ auch „gut genug“ für bestimmte Anwendungsszenarien bedeuten.

6. Einen unternehmensweiten Datenqualitätsprozess implementieren

Die höchstmögliche Datenqualität ist ein zentraler Bestandteil der fachspezifischen Geschäftsprozesse und muss sich zunächst in den Fachabteilungen bewähren. Im nächsten Schritt kann der Data Steward abteilungsübergreifende und schließlich unternehmensweite Projekte starten. Wichtig ist, dass der Data Steward fortlaufende Verbesserungen der Datenqualität misst und überwacht. Parallel dazu sollten Unternehmen eine Kultur entwickeln, bei der eine hohe Datenqualität eine bedeutende Rolle spielt. Nicht nur der Data Steward und die IT-Abteilung, sondern auch Mitarbeiter aus den Fachabteilungen müssen sich der Bedeutung zuverlässiger Informationen bewusst sein und die Daten pflegen und optimieren. hei

Anzeige

Trovarit: Unsere Kompetenz im Datenmanagement

Im Competence Center „Datenmanagement“ unterstützt die Trovarit AG Unternehmen in den Belangen „Informationsaufbereitung“ und „Informationsfluss“

• durch die Untersuchung der Qualität von Stamm- und Transaktionsdaten, der Datenmodelle und der Datenflüsse in den Applikationslandschaften,
• durch eine auf diesen Datenqualitätsuntersuchungen beruhende Sanierung, Optimierung und Migration der Daten in der bestehenden Applikationslandschaft und bei der Einführung von neuen Applikationen,
• durch die Einrichtung eines optimalen Datenflusses von den operativen Applikationen zu neu einzurichtenden oder schon vorhandenen Business-Intelligence-Lösungen und
• durch die Konzeption und Umsetzung von „Product-Life-Cycle“-Projekten (d.h. die Verbindung von CAD/CAM, PDM und Systems Engineering).