Kommentar von Tim van Baars, Precisely Welche Rolle spielt Datenqualität im Zusammenhang mit Daten-Governance?

Von Tim van Baars

Führungskräfte in großen Unternehmen haben den Wert von Daten und deren Qualität schon seit Jahren erkannt und dieses Bewusstsein hat sich in immer mehr Organisationen durchgesetzt. Da das Volumen und die Geschwindigkeit des Wachstums der verfügbaren Daten erheblich in die Höhe geschnellt sind, haben Führungskräfte in Unternehmen und öffentlichen Einrichtungen gleichermaßen festgestellt, dass ihre gesammelten Daten ein großes Potenzial als strategisches Kapital haben.

Anbieter zum Thema

Der Autor: Tim van Baars ist Vice President Central EMEA bei Precisely
Der Autor: Tim van Baars ist Vice President Central EMEA bei Precisely
(Bild: Precisely)

Genauso wie Maschinen, Geräte oder Immobilien gewartet und überwacht werden müssen, gilt das auch für die Daten eines Unternehmens. Die Begriffe „Daten-Governance“ und „Datenqualität“ werden bislang häufig als Synonyme verwendet. Dabei handelt es sich jedoch um zwei unterschiedliche Bereiche, die in einer Art symbiotischer Beziehung eng miteinander verknüpft sind und die gegenseitig voneinander profitieren.

Definition von Datenqualität

Die Datenqualität gewährleistet, dass wichtige Informationen über mehrere Bereiche im Unternehmen hinweg korrekt, vollständig und konsistent sind. Die Genauigkeit kann jedoch aus verschiedenen Gründen nicht gegeben sein. Wenn sich beispielsweise Informationen durch einen Umzug oder eine Namensänderung eines Kunden ändern, können vorhandene Unternehmensdaten ungenau werden, weil sie nicht mehr aktuell sind. Ungenauigkeiten können auch durch Fehler bei der Dateneingabe oder durch unvollständige Informationen aus externen Quellen resultieren.

Eine weitere Ursache könnte sein, dass neue Datenelemente hinzugefügt werden und keine Aktualisierung bereits bestehender Datensätze getroffen wurden. Schließlich können die Daten auch unvollständig sein, wenn Datenintegrationsprozesse schlecht konzipiert sind.

Die Konsistenz von Informationen in verschiedenen Datenbanken innerhalb eines Unternehmens kann ebenfalls eine Quelle für Qualitätsprobleme sein. Nicht übereinstimmende Adressen in CRM- und ERP- Systemen können zum Beispiel dazu führen, dass Lieferungen an den falschen Ort geschickt werden. Doppelte und veraltete Datensätze sind außerordentlich häufig. Diese kosten Unternehmen jedes Jahr Millionen von Euro, zum Beispiel durch unnötige Ausgaben für die mehrfache Kontaktaufnahme mit denselben Kunden oder gezieltes Marketing an nicht mehr existierende Unternehmen oder Kontakte.

Ein noch größeres Problem sind falsche Erkenntnisse aus Analysen aufgrund von schlechter Datenqualität. So gibt es beispielsweise ein großes Unternehmen, bei dem über 90 Prozent der Kunden im CRM-System fälschlicherweise als Kunden aus der Luft- und Raumfahrtindustrie gekennzeichnet waren. Der Grund war, dass „Branche“ ein Pflichtfeld und „Luft- und Raumfahrt“ das erste Element im Dropdown-Menü war.

Solche Anomalien können die Analysen eines Unternehmens nachhaltig verzerren. Was wäre, wenn diese Unregelmäßigkeit schwieriger zu erkennen gewesen wäre? Schlechte Datenqualität kann zu einem „Garbage-in-garbage-out“-Szenario führen, bei dem wichtige Geschäftsentscheidungen auf falschen Informationen beruhen.

Definition von Daten-Governance

Daten-Governance steht in engem Zusammenhang mit Datenqualität, unterscheidet sich aber in den meisten Punkten grundlegend davon. Daten-Governance bietet einen Rahmen, in dem Unternehmen Daten innerhalb ihrer Organisation verwalten, ihre Sicherheit gewährleisten und die Einhaltung wichtiger gesetzlicher Vorschriften sicherstellen. Dies sorgt dafür, dass die Daten den richtigen Personen zum richtigen Zeitpunkt zur Verfügung stehen und auch Verantwortlichkeiten zugeordnet sind. Daten-Governance muss sowohl den Speicherort und den Inhalt von Datenbeständen, die Integrationspunkte und Geschäftsregeln berücksichtigen, als auch den Datenaustausch zwischen unterschiedlichen Systemen gewährleisten, um somit gesetzliche Auflagen, Sicherheits- und Datenschutzschwachstellen und vieles mehr sicherzustellen.

Letztendlich geht es bei Daten-Governance vor allem das Unternehmen in die Lage zu versetzen, den Wert seiner Daten zu maximieren und gleichzeitig die Sicherheits- und Regulierungsrisiken zu kontrollieren und zu minimieren.

Daten-Governance und Datenqualität in Relation

Daten-Governance und Datenqualität stehen in einer symbiotischen Beziehung zueinander. Beide Bereiche sind füreinander unverzichtbar und Unternehmen, die einen sinnvollen Nutzen aus ihren Datenbeständen ziehen wollen, müssen beides im Auge behalten und erfordern kontinuierliche Bemühungen.

In gewisser Hinsicht fungiert die Datenqualität fast als eine Komponente der Daten-Governance. Schließlich ist eine wirksame Daten-Governance ohne die Berücksichtigung der Datenqualität kaum denkbar. Dies gilt aber auch im Umkehrzug. Ohne einen effektiven Governance-Rahmen ist es schwierig, ein hohes Niveau an Datenqualität zu erreichen. Dies gilt vor allem im großen Maßstab. In kleineren, gezielteren Szenarien ist eine Qualitätsverbesserung im Rahmen eines genau definierten Bereichs möglich. Die Bereinigung der CRM-Datenbank kann beispielsweise relativ isoliert durchgeführt werden. Um die Aufgabe jedoch effektiv zu erledigen, müssen Daten-Governance und Datenqualität als zwei Seiten derselben Medaille betrachtet werden. Dies gilt insbesondere, wenn größere Datenmengen und mehrere Softwaresysteme betroffen sind.

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

Die Schlüssel zum Erfolg

Wenn ein Unternehmen gerade erst mit Daten-Governance- und Datenqualitätsinitiativen beginnt oder eine Verbesserung bestehender Maßnahmen anstrebt, sind folgende Schritte hilfreich:

  • Wie bei vielen Projekten ist es von Vorteil, in begrenztem Umfang zu beginnen, aus den ersten Erkenntnissen zu lernen und zu wachsen. Die wichtigsten Datenquellen und Integrationspunkte haben oberste Priorität. Wenn der Beginn der Initiative erfolgreich ist, können Sie den unternehmerischen Nutzen von Datenqualitäts- und Governance-Initiativen nachweisen, zusätzliche Unterstützung im gesamten Unternehmen gewinnen und die nächsten Schritte einleiten.
  • Kollaboration – nicht jeder im Unternehmen wird den Wert von Datenqualitäts- und Daten-Governance-Initiativen direkt verstehen. Trotzdem sollten möglichst alle Mitarbeiter mit eingezogen werden, um verschiedene Perspektiven und Prioritäten zu ermöglichen und den Prozess voranzutreiben.
  • Das Messen von Ergebnissen ist wichtig, um zu dokumentieren, dass Datenqualität und Daten Governance einen greifbaren Mehrwert für das Unternehmen schaffen. Erkundigen Sie sich bei Kollegen in anderen Abteilungen nach Prioritäten und Problemen und entwickeln Sie Ihre Dateninitiativen so, dass sie einen unternehmerischen Mehrwert schaffen. Das Messen von Ergebnissen zeigt, dass Sie bei der nächsten Iteration auf Ihren Bemühungen aufbauen können.

Fazit

Datenqualität und Daten-Governance gehören untrennbar zusammen, um sicherzustellen, dass die Informationen, die den Beteiligten im gesamten Unternehmen zur Verfügung stehen, vertrauenswürdig und sicher sind sowie zum richtigen Zeitpunkt zur Verfügung stehen. Durch den Aufbau einer sinnvollen Strategie rund um diese beiden Säulen können Führungskräfte garantieren, dass ihre Organisation gut aufgestellt ist, um den Wert ihrer Datenbestände zu optimieren.

(ID:48202857)