Die Wichtigkeit hoher Datenqualität

Vor dem Hintergrund der digitalen Transformation von Gesellschaft und Wirtschaft sind Stammdaten zum höchsten Gut einer strategischen Unternehmensführung geworden. Dementsprechend stellt die Qualität dieser Daten einen entscheidenden Erfolgsfaktor dar.

Was aber bedeutet Datenqualität?

Die Definition der Datenqualität (engl. data quality) nach DIN ISO 8402 (Deutsche Industriestandards) beschreibt sie als "Eignung von Daten für unterschiedliche Verwendungszwecke bezüglich des Grads ihrer Erfassung und Generierung". Sie gibt an, wie gut der vorhandene Datenbestand zur Erfüllung spezifischer Aufgaben geeignet ist. Anders formuliert, kennzeichnet die Datenqualität den Grad der Erfüllung der Anforderungen an eine Datenmenge eines Systems, sprich: wie gut sie einen entsprechenden Informationsbedarf abdecken. Die Qualität der erwünschten Informationen ist demzufolge direkt von der Hochwertigkeit der Daten abhängig.

Beim Thema Datenqualität wird weitestgehend von einem mehrdimensionalen Konstrukt ausgegangen. Sie wird von einer Vielzahl von Faktoren beeinflusst. Diese sind unter anderem die Art und Weise der Erhebung, Verwaltung und Speicherung. Dabei bestimmen verwendete IT-Systeme und Datenbanken eine ebenso wichtige Rolle. Welche Faktoren die Daten und daraus gewonnene Informationen in bestimmten Situationen beeinflussen, ist vom Geschäftsmodell und darin enthaltenen Prozessen und Strukturen abhängig.

Wie wichtig sind hochwertige Stammdaten?

Unter der Voraussetzung eines integrierten Master Data Management - Systems werden Stammdaten unternehmensweit genutzt. Dementsprechend sind alle Bereiche eines Unternehmens äußerst interessiert an einer hohen Qualität ihrer Datenbestände. Sie sind entscheidend für die zielgerichtete Steuerung der Geschäftsprozesse. Ohne ausreichend hochwertige Daten werden bspw. CRM-Systeme und ERP-Systeme nicht optimal unterstützt.

Dementsprechend entstehen langfristig Fehler in Prozessen. Beispielsweise können unsaubere Stammdaten in einem CRM-System zu einer falschen personalisierten Ansprache eines Konsumenten im Rahmen einer Kampagne führen. Das verursacht Irritationen beim Endkunden und mindert die Werbewirksamkeit enorm.

Auf der Ebene des Top-Managements sind schlechte Daten mitverantwortlich für strategische Fehlentscheidungen. Speziell unternehmerische Analysen im Bereich von Business Intelligence und Big Data sind auf deren Korrektheit angewiesen. Die Aussagekraft derartiger Analysen sinkt bei mangelnder Datenqualität rapide. Folglich ist der Erkenntnisgewinn ebenfalls mangelhaft. So wird nachhaltig weniger Know-How im Unternehmen aufgebaut. Unsaubere oder gar falsche Daten können in manchen Branchen bis zu einem Viertel an Umsatzeinbußen führen. Dementsprechend muss das Ziel des Stammdatenmanagements eine optimale Datenqualität sein.

Wie entstehen fehlerhafte Stammdaten?

Mangelnde Datenqualität ist auf das Vorhandensein unsauberer Daten zurückzuführen. Diese werden auch als "Dirty Data" bezeichnet und beziehen sich auf unvollständige, fehlerhafte oder veraltete Datensätze. Schon die Genauigkeit bei der Datenerhebung beeinflusst die Qualität nachhaltig. Entstehen hier bereits erste Fehlerquellen, wird der gesamte Prozess der Stammdatenverwaltung beeinträchtigt. Unausgereifte Entscheidungen im Stammdatenmanagement erhöhen ebenfalls das Risiko minderwertiger Daten.

Der Grad der unternehmensinternen IT-Unterstützung ist ein weiterer Einflussfaktor. Zu wenige Systeme beeinflussen die Bandbreite und Aussagekraft von Stammdaten negativ. Zu viele können zu einer immensen Datenflut und Überlastung des Managements führen. Unzureichende Kontrolle und Analyse der eingehenden Daten schmälern die Qualität mit hoher Wahrscheinlichkeit. Gleichermaßen entscheiden Qualifikation und Fähigkeiten der Mitarbeiter, wie die Stammdaten verwaltet und bearbeitet werden. Dementsprechend ist auch menschliches Versagen als Quelle von Fehlern nicht auszuschließen.

Wie kann die Datenqualität gemessen werden?

Für die betriebliche Messung der Qualität von Stammdaten existiert kein standardisiertes Modell. Viele Unternehmen entwickeln eigene Konzepte, um den Datenbestand zu evaluieren. Der Ansatz erfolgt dabei zumeist über die Auswahl von relevanten Datenqualitäts-Kriterien. Die folgenden Optionen stellen die gesamte Bandbreite an möglichen Kriterien dar:

• Korrektheit - Daten bilden Realität ab
• Aktualität - Daten bilde aktuelle Realität ab
• Zuverlässigkeit - nachvollziehbare Erhebung
• Konsistenz - Datensatz frei von Widersprüchen
• Redundanzfreiheit - keine doppelten Datensätze
• Genauigkeit - geforderte Exaktheit erfüllt
• Vollständigkeit - Daten liegen lückenlos vor
• Einheitlichkeit - einheitliche Struktur der Datensätze
• Eindeutigkeit - eindeutige Interpretierbarkeit
• Relevanz - Daten erfüllen geforderten Bedarf an Informationen
• Zugänglichkeit - jeder Bereich eines Unternehmens hat Zugriff

Dabei ist es nicht zwingend notwendig, alle der Kriterien zu analysieren. Sehr sinnvoll ist es eine Auswahl zu treffen, welche in Abhängigkeit von der Unternehmenssituation bestimmte erwünschte Anforderungen erfüllt. Gerade bei erstmaligen Messansätzen ist weniger mehr. Weitere Kriterien könne im Laufe der Zeit an Relevanz gewinnen und in den Prozess der Evaluation einbezogen werden.

Wie kann unzureichende Datenqualität verhindert und vorgebeugt werden?

Um eine möglichst hohe Qualität der Stammdaten langfristig zu erhalten, sollten Sie in Ihrem Unternehmen auf folgende Sachverhalte besonders Wert legen:

1. Eine zentrale Verwaltung der Daten mittels Stammdatenmanagement und MDM-Systemen bildet die Grundlage für eine adäquate Datenverarbeitung.
2. Ein möglichst hoher Grad der Integration von innerbetrieblichen IT-Systemen und Datenbanken fördert den internen Fluss an Daten und Informationen.
3. Konzeption eines Systems und Teams zur kontinuierlichen Pflege der Stammdaten.
4. Entsprechend klare Rollen und Verantwortlichkeiten
5. Schulungen zur Steigerung der Qualifikationen und Fähigkeiten der Mitarbeiter durchführen.
6. Konkrete Maßnahmen zur Identifikation und Bereinigung unsauberer, redundanter Daten planen (Data Cleansing).

Letztendlich wird eine optimale Datenqualität erreichbar, wenn alle relevanten Datenqualitäts-Kriterien zur Genüge erfüllt sind. Der organisatorische Rahmen eines Unternehmens beeinflusst die Art und Weise der Datenverarbeitung enorm. Dementsprechend muss bereits dort angesetzt werden, um die Qualitätsziele zu erreichen.

Die Datenqualität bestimmt den Unternehmenserfolg

Eine hohe Datenqualität ist entscheidend für den optimalen Ablauf von Prozessen eines Unternehmens. Ebenso ist sie die Grundlage für korrekte strategische Entscheidungen im Management. Eine schlechte Datenqualität führt zu internen Fehlern und Problemen. Im schlimmsten Fall ist der Kunde von den Auswirkungen unzureichend gepflegter Stammdaten betroffen. Dies gilt es unter allen Umständen mittels zielgerichteter Maßnahmen und ausreichender Kontrolle im Master Data Management vorzubeugen.