Datenqualität, Qualitätsmanagement-Strategien und Automatisierungsprozesse, Teil 2 Datenqualitätsmanagement sichert langfristig die Wettbewerbsfähigkeit

Autor / Redakteur: Marco Geuer und Achim Kern / Nico Litzel

Wie können Unternehmen ein Datenqualitätsmanagement einführen? An welchen Leitfäden kann und sollte man sich orientieren? Antworten auf diese Fragen geben Die Autoren Marco Geuer und Achim Kern im nachfolgenden Artikel.

Firmen zum Thema

Aufbau und Inhalt einer Data Governance nach Dalton Cervo.
Aufbau und Inhalt einer Data Governance nach Dalton Cervo.
(Grafik: ACT)

Schlechte Datenqualität betrifft das gesamte Unternehmen in durchgängig allen Prozessen. Das Beispiel aus der Versicherungswirtschaft im ersten Teil hat aufgezeigt, wie der sehr hohe Standard der Servicequalität gegenüber dem Kunden nur schwer aufrechterhalten werden konnte. Das zeigte sich besonders durch falsche und fehlerhafte Ansprache in der Kundenkommunikation, in der sinkenden Effizienz von Marketingmaßnahmen, der verringerten Aussagekraft von Kennzahlen und der steigenden Ineffizienz der Prozesse durch permanente Korrekturmaßnahmen.

Leitfäden zur Implementierung

Es wurde also unübersehbar klar, dass es Zeit für das Unternehmen wurde, ein ganzheitliches und nachhaltiges Datenqualitätsmanagement einzuführen. Hinzu kommt, dass mit der Einführung von Solvency II (Solvabilitätsvorschriften für die Eigenmittelausstattung von Versicherungsunternehmen) ohnehin ein funktionierendes Datenqualitätsmanagement nachgewiesen werden muss.

Bildergalerie

Doch wie führt man so ein Datenqualitätsmanagement ein, beziehungsweise an welchen Leitfäden kann und sollte man sich orientieren? Sinnvoll ist es, sich hier bereits bestehender Normen für Qualitätsmanagement zu bedienen und das Datenqualitätsmanagement in eine Qualitätsmanagement-Strategie zu integrieren. Voraussetzung für diese Strategie sind dabei die Grundsätze wie z. B. Kundenorientierung, Prozess- und Ergebnisorientierung, ständige Verbesserung im Sinne von Prävention und Einbeziehung aller am Prozess beteiligten Interessenspartner.

Die bereits im deutschsprachigen Raum etablierte Norm DIN EN ISO 9001 und die Datenqualitätsnorm ISO 8000 bringen bereits einige Basisstandards mit. Darüber hinaus können bekannte Best Practice Ansätze aus erfolgreich umgesetzten Datenqualitätsmanagement-Projekten Unternehmen hier weiterhelfen.

Zu Anfang ist es jedoch nicht sinnvoll, sofort ein ganzheitliches Datenqualitätsmanagement unternehmensweit etablieren zu wollen. Vielmehr ist es hier gefragt, erst einmal ein abgegrenztes Projekt zu planen und durchzuführen – natürlich mit dem Ziel, möglichst früh erste Erfolge zur Verbesserung der Datenqualität zu erreichen und Sicherheit in der Implementierung eines Datenqualitätsmanagement zu erlangen. Daher sollte das erste Projekt nicht länger als drei, höchstens sechs Monate dauern. Ansetzen sollten Unternehmen dort, wo mangelhafte Datenqualität offensichtlich hohe negative Auswirkungen auf Prozesse, beziehungsweise Prozesseffizienz, Servicequalität und Kosten hat.

So überlebt das Datenqualitätsmanagement langfristig

Bei der Einführung eines Datenqualitätsmanagements sollte im Vorfeld eine detaillierte Anforderungsaufnahme durchgeführt werden, um Ergebnisse, Rahmenbedingungen, Verantwortlichkeiten und Sponsoren aus der Geschäftsführung zu klären. Die Ergebnisse sollten in einer Data Governance dokumentiert und für alle Projektbeteiligte und Projektinteressierte (Stakeholder) öffentlich zugänglich gemacht werden.

In jedem Fall sollte die Umsetzung entsprechender Projektmanagement-Methoden erfolgen und ein Change-Prozess implementiert werden, denn ohne einer Bewusstseins- und Verhaltensveränderung hinsichtlich einer Datenqualitätsorientierung wird ein Datenqualitätsmanagement langfristig nicht überleben können.

Insbesondere für Unternehmen, die bereits ein Qualitätsmanagementsystem implementiert haben und entsprechend zertifiziert sind oder eine Zertifizierung anstreben, bietet sich die Integration eines Datenqualitätsmanagements natürlich an. Für Unternehmen die bisher kein Qualitätsmanagementsystem haben aber ein Datenqualitätsmanagements einführen wollen, sollten sich an bereits etablierten Qualitätsmanagement-Normen wie beispielsweise der DIN EN ISO 9001 orientieren. Empfehlenswert ist eine sinnvolle Verknüpfung von DIN EN ISO 9001, ISO8000 und Best Practice.

Hinsichtlich der Organisationsstruktur, des Führungsverhaltens, der Planung, der Unterstützung, des Betriebs, der Beurteilung und Bewertung sowie Verbesserung bietet die DIN EN ISO 9001 wichtige Anhaltspunkte. In der zukünftigen DIN EN ISO 9001:2015 wird der risikobasierte Ansatz verstärkt aufgenommen, also die frühzeitige Berücksichtigung, Bewertung und Vermeidung von unternehmensgefährdenden Risiken. Interessant hierbei sind erste Ansätze in Richtung Daten- und Informationsqualität: „Neu ist die Forderung, bei der Datenerhebung und Aktualisierung von Informationen darauf zu achten, die Eignung und Angemessenheit der erhobenen Daten auch zu bewerten und formal festzustellen.

Konkrete Forderungen hierzu betrachten alle Phasen der Datenerhebung, Nutzung, Speicherung und Änderungs-/ Aktualisierungsfragen.“ (Expertenwissen für DGQ-Mitglieder, Aktuelle Informationen aus der Normung, Seite 5). Darüber hinaus bietet sich der Blick in die ISO 8000 an, um erste spezifische Anhaltspunkte hinsichtlich der Basiselemente eines Datenqualitätsmanagements zu erhalten. Die ISO 8000 stellt besonders folgende Themen heraus:

  • Einführung von Metriken
  • Erarbeitung und Festlegen eines konzeptionellen Datenmodells

Großen Wert wird hier auf Fehlerfreiheit im Rahmen von Datenaustauschformaten gelegt. Gemeint sind die vielen Schnittstellen, menschliche sowie maschinelle, die unternehmensintern Daten und Informationen austauschen, aber auch die externen Schnittstellen in das Unternehmenssystem hinein oder aus dem Unternehmen heraus. Eine der ersten Dimensionen, die mit Metriken messbar ist und eine Aussage über die Datenqualität liefert, ist die Vollständigkeit.

Allerdings ist eine Dimension nicht ausreichend, um Datenqualität vollumfänglich zu messen, zu bewerten und entsprechend zu verbessern. Hier hat die DGIQ (Deutsche Gesellschaft für Datenqualität) bereits vor Jahren 15 Dimensionen der Daten- und Informationsqualität veröffentlicht. Es ist sinnvoll diese zu berücksichtigen und eine passende Auswahl dieser Dimensionen für das Unternehmen anzuwenden.

Best-Practice-Ansatz Datenqualität

Der Best-Practice Ansatz im Datenqualitätsmanagement ist Regelkreis basiert und beinhaltet folgende Schritte (siehe auch Grafik in der Bildergalerie):

Definieren und messen: Hier wird festgelegt, welche der 15-Informationsqualität-Dimensionen der DGIQ in Unternehmensdaten relevant sind, welches das zu erfüllende Qualitätsziel ist, wo und wie gemessen werden soll und welche Relevanz das Ergebnis hat. Im Anschluss werden die Daten entsprechend der Definition gemessen und bewertet.

Analyse: In der Analyse werden die Ursache bezüglich der Datenqualitätsabweichungen, die Auswirkungen auf die Geschäftsprozesse und deren Relevanz, die abzuleitenden Maßnahmen zur Verbesserung sowie eine entsprechende Priorisierung der durchzuführenden Verbesserungsmaßnahmen erforscht.

Verbesserung: Nun werden Verbesserungsmaßnahmen entsprechend der Festlegung aus der Analysephase durchgeführt. Das kann manuelle und maschinelle Korrekturen sowie das Einführen von manuellen und maschinellen Kontrollen entlang der Prozessketten beinhalten. Schnittstellen werden verbessert und die Auswahl und Implementierung von Datenqualitätswerkzeugen sowie Anpassungen von Prozessen werden durchgeführt, mit denen präventiv bereits der Eingang von fehlerhaften oder falschen Daten ins System vermieden werden kann.

Monitoren und steuern: Monitoren und steuern beinhaltet die permanente Messung und damit die Beobachtung von Veränderungen der Datenqualität über die implementierten Messpunkte entlang der Prozessketten sowie die Einleitung und Steuerung von Maßnahmen bei Abweichung der zulässigen Grenzen.

Fazit

Unternehmen werden sich dem Thema Datenqualität in Zukunft nicht mehr entziehen können, davon sind wir überzeugt. Nicht nur deshalb, weil die Sicherung von Datenqualität schlicht durch vermehrte Regelungen, besonders gesetzlich verordneter Natur, verankert und damit der Betrieb eines Datenqualitätsmanagement zur Pflicht für Unternehmen werden wird. Sondern weil ein gut funktionierendes Datenqualitätsmanagement langfristige Wettbewerbsfähigkeit sichert und damit wirtschaftlich von hohem Nutzen ist – gerade für Unternehmen, die einen hohen Automatisierungsgrad anstreben.

(ID:42841673)