Datenqualität, Qualitätsmanagement-Strategien und Automatisierungsprozesse, Teil 2

Datenqualitätsmanagement sichert langfristig die Wettbewerbsfähigkeit

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

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):

Ergänzendes zum Thema
 
Marco Geuer
 
Achim Kern

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.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 42841673 / Best Practices)