03.12.2019

5 Maßnahmen, durch die Sie Ihre Datenqualität verbessern

Business Value
Entwicklung der BI Trends von 2016 bis 2019
Abb. 1: Laut BARC BI Trend Monitor hat sich die Datenqualität in den vergangenen Jahren zum wichtigsten Thema rund um die unternehmensweite Datenanalyse entwickelt. (Grafik: BARC)

Konkret schauen wir uns nun folgende Maßnahmen an:

  1. Definieren Sie Datenqualität
  2. Messen Sie kontinuierlich mit erprobten Tools
  3. Beziehen Sie Stakeholder und Berater ein
  4. Folgen Sie dem „First-Time-Right“-Ansatz
  5. Vermeiden Sie Datensilos
Der Datenqualitätskreislauf verdeutlicht, dass Datenqualität ein kontinuierlicher Prozess ist.
Abb. 2: Datenqualität ist ein fortlaufender Prozess, bei dem Qualitätsmaßstäbe immer wieder auf Neue definiert, geprüft und optimiert werden. (Grafik: ORAYLIS GmbH)

1. Definieren Sie Datenqualität

Was bedeutet überhaupt „Datenqualität“? Wie so oft bei Definitionen rund um Daten gilt auch hier: Fragen Sie fünf Experten und Sie werden fünf verschiedene Antworten erhalten. Umso mehr sollten die Verantwortlichen im Unternehmen ein einheitliches Verständnis von dem Begriff herstellen, bevor die Datenqualität in Angriff genommen wird. Eine – zugegebenermaßen recht allgemeine – Definition könnte in diesem Zusammenhang lauten:

Datenqualität ist die Eignung von Daten zu einem bestimmten Zweck der Nutzung.

Dabei kann die Qualität anhand der folgenden Kriterien bewertet werden:

  • Konsistenz: Daten müssen widerspruchs- und dublettenfrei sein.
  • Vollständigkeit: Die Datenmenge muss exakt stimmen.
  • Validität: Daten müssen aus glaubwürdigen Quellen stammen.
  • Genauigkeit: Daten müssen im geeigneten Format mit der erforderlichen Anzahl an Nachkommastellen vorliegen
  • Aktualität: Daten müssen entsprechend der Erwartungen pünktlich bereitgestellt werden.

Gleichzeitig ist es hilfreich, die einzelnen Kriterien zu priorisieren. Denn: Je nach Branche und Geschäftsprozess können einzelne Punkte stärker im Fokus stehen. Bei Gewinn- und Verlustrechnungen im Controlling ist beispielsweise die Genauigkeit der Daten von besonderer Bedeutung. Für eine bedürfnisbezogene Kundenansprache sind indes konsistente bzw. widerspruchsfreie Daten wichtig. Diese Prioritäten können sich mit der Zeit aber auch verändern. Nicht zuletzt sollte das Verständnis von und die Anforderung an Datenqualität in regelmäßigen Abständen auf den Prüfstand gestellt werden. So können Sie bewerten, ob das Verständnis von Datenqualität noch dem aktuellen Bedarf entspricht.

2. Messen Sie kontinuierlich mit erprobten Tools

Messen Sie Ihre Datenqualität kontinuierlich und automatisiert mit geeigneten Softwareanwendungen. Denn: Ohne regelmäßige Kontrolle ist die Gefahr groß, dass einmal erreichte Ziele mit der Zeit wieder verloren gehen. Ein Beispiel für ein solches Tool ist BI.Quality. Es entdeckt Widersprüche, Redundanzen sowie fehlende Daten und meldet diese auf Wunsch per automatisiertem Alarm. Das Tool stellt alle Ergebnisse des Monitorings transparent und übersichtlich dar. Als Maßstab für die Bewertung bzw. Quantifizierung dieser Ergebnisse dienen schließlich geschäftsorientierte Datenqualitätsregeln und entsprechende Ziele, die im Vorfeld zu definieren sind.

Wer indes in Sachen Datenqualität auf der grünen Wiese startet, für den erscheint auch ein Audit sinnvoll, bei dem zunächst der Status Quo ermittelt wird. Im Anschluss kann dann ein automatisierter Prozess etabliert werden.

3. Beziehen Sie Stakeholder und Berater ein

In Anknüpfung an den vorherigen Punkt: Verlassen Sie sich nicht allein auf das „grüne Lämpchen“ einer Software, um die Qualität Ihrer Daten zu bewerten. Holen Sie das Feedback von Fachanwendern ein, die laufend mit den betreffenden Daten arbeiten. Auch externe Berater können mit Best Practices und Erfahrung unterstützen. Zudem sind die unterschiedlichen Beteiligten regelmäßig an einen Tisch zu bringen. Ein intensiver Austausch verhindert Missverständnisse und macht beispielsweise Änderungen in Geschäftsprozessen transparent. Das homogene Zusammenspiel von fachlichen und technischen Ansprechpartnern ist somit ein wichtiger Schritt hin zu einer besseren Datenqualität.

4. Verfolgen Sie den First-Time-Right Ansatz

Mängel bei der manuellen Dateneingabe – etwa in einem Call Center – können ebenfalls eine Quelle schlechter Daten sein. Daher ist es sinnvoll, bereits bei der Erfassung mit entsprechenden Maßnahmen anzusetzen statt erst im System. Hierzu zählt eine Prüfung auf Plausibilität und Form, die über intelligente Eingabemasken erfolgen kann. Beispielsweise sollte das Geburtsdatum kein Frei-Text-Feld sein. Ebenso sollten Sie Adressangaben nicht ungeprüft ins System übernehmen, sondern einer postalischen Verifizierung unterziehen. Weitere Maßnahmen sind eine Eingabevalidierung mittels Referenzwerten oder eine Dublettensuche. Sprich: Wer die Datenqualität bereits bei der Erfassung berücksichtigt, spart sich viel Aufwand bei der späteren Bereinigung.

5. Vermeiden Sie Datensilos

Historisch gewachsene Datensilos einzelner Abteilungen sind eine weitere Quelle von widersprüchlichen und fehlerhaften Analyseergebnissen. Diese Silos gilt es aufzubrechen und auf einer einheitlichen Datenplattform zu integrieren. Auf diese Weise erhalten Sie eine Single Version of Truth, die eine konsistente Sicht auf sämtliche Unternehmensdaten gewährleistet und somit einen konsolidierten Anlaufpunkt für sämtliche Nutzer bildet.

Heißt zusammengefasst: Eine hohe Datenqualität resultiert stets aus dem Zusammenspiel von Technik, Wissen und persönlichem Austausch. Dabei muss jedes Unternehmen für sich den richtigen Mix finden. Ebenso gilt es, das Kosten-/Nutzen-Verhältnis der einzelnen Maßnahmen miteinzubeziehen. Wenn Sie diese Aspekte berücksichtigen, sind Sie auf dem besten Weg hin zu einer hochwertigen und zuverlässigen Datenbasis. Falls Sie weitere Fragen haben, sprechen Sie mich gerne an.

Neuen Kommentar schreiben

Der Inhalt dieses Feldes wird nicht öffentlich zugänglich angezeigt.

Klartext

  • Keine HTML-Tags erlaubt.
  • HTML - Zeilenumbrüche und Absätze werden automatisch erzeugt.
  • Web page addresses and email addresses turn into links automatically.
Teilen auf

Newsletter Anmeldung

Abonnieren Sie unseren Newsletter!
Lassen Sie sich regelmäßig über alle Neuigkeiten rundum ORAYLIS und die BI- & Big-Data-Branche informieren.

Jetzt anmelden