Daten ermöglichen es, systematisch Kenntnisse zu erlangen, mit deren Hilfe bessere Entscheidungen im Unternehmen getroffen sowie Prozesse objektiv beurteilt und transparent gestaltet werden können. Gleichzeitig eröffnen sie Potenziale zur Realisierung neuer Geschäftsmodelle.
Das reine Sammeln von Daten reicht dafür jedoch nicht aus. Nur durch entsprechende Maßnahmen über die gesamte Lebensdauer der Daten hinweg können sie als wertvolle Quelle für die Wertschöpfung dienen.
Effizientes Datenlebenszyklus-Management ist für die sinnvolle Datennutzung von großer Bedeutung. Hierunter fällt das Management von Prozessen, innerhalb derer Daten angelegt, verarbeitet oder archiviert/gelöscht werden. Fragen, die sich in diesem Zusammenhang stellen, sind z. B.:
- Wie werden die Daten erfasst (z. B. durch eine oder mehrere Personen oder automatisiert)? Geschieht diese Erfassung effizient, d. h. werden z. B. falsch formatierte oder doppelt eingegebene Informationen automatisch abgefangen? Ist dies nicht der Fall, finden sich z. B. in Telefonfeldern uneinheitliche Formate oder gar Texte, die die automatisierte Verarbeitung (z. B. durch eine Telefonanlage) erschweren. Auch Dubletten können hier entstehen, wenn bei der Eingabe nicht geprüft wird, ob der Datensatz evtl. schon im System vorhanden ist.
- Was passiert mit den Daten während ihrer Verwendung? Werden fehlende Informationen ergänzt oder falsche Informationen korrigiert? Z. B. Adressdaten können mit der Zeit altern, wenn Adressänderungen nicht erfasst werden. Stehen für Analysen benötigte Daten überhaupt zur Verfügung?
- Was passiert mit den Daten nach ihrem Lebensende? Werden z. B. rechtliche Vorgaben eingehalten, die eine Löschung von Daten nach einem bestimmten Vorgang oder Zeitraum fordern? Geistern alte Daten weiterhin in der Datenbank herum, da sie z. B. nur mit einem „Lösch-Flag“ versehen werden, wodurch die Datenbestände stark anwachsen und unübersichtlich werden?
Werden diese Umstände im Unternehmen nicht konsequent adressiert, kann daraus eine mangelnde Datenqualität resultieren. Diese kann Geschäftsprozesse negativ beeinflussen (z. B. falsche Zustellung von Artikeln) und führt zu einem erhöhten Verarbeitungsaufwand (Mitarbeiter müssen häufig prüfen und nachfragen). Zudem können Datenanalysen, auf denen wichtige strategische Entscheidungen beruhen, fehlerhaft sein.
Um solche Missstände zu umgehen, sind Maßnahmen erforderlich, die üblicherweise unter dem Begriff Data Governance zusammengefasst werden. Dazu gehören z. B.:
- Benennung von Rollen bzw. Personen, die für die Aufrechterhaltung der Datenqualität zuständig sind.
- Etablierung fester Prozesse für die Datenpflege im Unternehmen, die die Datenqualität, den Datenschutz und die Datensicherheit adressieren.
- Anschaffung entsprechender Data-Governance-Software, die bei der Umsetzung der Maßnahmen unterstützt.
→ Den vollständigen Fachartikel, der aufzeigt, wie eine effiziente Datenverwaltung im Unternehmen gelingen kann, habe ich Ihnen als kostenlosen Download auf unserer Competence Center Seite „Datenmanagement“ zur Verfügung gestellt.
Der Autor
Jost Enderle ist Consultant Datenmanagement beim Software-Beratungshaus Trovarit AG.
