Sind sie auf der Suche nach der KI Zauberpille, um alle Probleme mit Datenqualität wegzuzaubern? Ja? Ich suche auch, schon seit Jahren. Sucht die nicht jeder? Wie oft hat man schon so ein Dashboard gebaut, nur um festzustellen, dass der Datensatz hinter dem Dashboard irgendwie nicht stimmen kann…
Doch bevor Sie mir auf die Odyssee nach der Datenqualität Zauberpille folgen, sollten Sie zunächst sicherstellen, dass es nicht an der Dateninfrastruktur, Geschäftsprozessen, oder der Unternehmenskultur scheitert. In diesem Blog wird erläutert, warum Datenqualität wichtig ist, welche Ursachen am meisten zu schlechter Datenqualität führen können und wie Sie Ihre Probleme mit der Datenqualität beheben können.
Ich denke, mittlerweile haben es die meisten Unternehmen anerkannt. Daten sind eine wichtige Ressource, und die Art und Weise, wie sie gesammelt, organisiert und verwaltet werden, sollte oberste Priorität haben. Mit hochwertigen Daten ist es um einiges einfacher, Geschäftsziele voranzutreiben, sei es Kundenzufriedenheit, organisches Wachstum oder verbesserte Produkte und Dienstleistungen.
Die Langlebigkeit und der Erfolg Ihres Unternehmens hängen von der Qualität Ihrer Daten ab. Und diese Qualität – die oft aus einer Vielzahl von Quellen stammt – hängt nicht nur von der Technologie allein ab. Sie benötigen auch die richtigen Personen, Kompetenzen und Prozesse.
Was sind die häufigsten Ursachen für Probleme mit der Datenqualität?
Damit Daten von hoher Qualität sind, müssen sie für die beabsichtigte Verwendung in Betrieb, Entscheidungsfindung und Planung geeignet sein. Hochwertige Daten können einem Unternehmen helfen, seine Ziele zu erreichen. Daten von schlechter Qualität hingegen können zu kostspieligen Fehlern und verpassten Chancen führen.
Aber woher weiß man, ob es Probleme mit der Datenqualität gibt und warum sie auftreten? Der erste Schritt zur Sicherstellung einer guten Datenqualität besteht darin, die Ursache für Ihre Datenprobleme zu verstehen. Im Folgenden werden einige häufige Ursachen für Datenqualitätsprobleme genannt:
- Probleme mit einem Geschäftsprozess: Irgendetwas stimmt da nicht. Während des Datenlebenszyklus gibt es viele Punkte, an denen Probleme mit der Datenqualität auftreten können – in erster Linie dann, wenn die Daten von Geschäftsanwendern erstellt und bearbeitet werden. Zum Beispiel, wenn der Vertrieb einen neuen Kontakt in das CRM einträgt, wenn das Marketing eine Liste von Leads von einer Messe importiert, wenn die Finanzabteilung eine Rechnung ausstellt oder wenn das Supply Chain Management den Bestand aktualisiert. Um dem entgegenzuwirken, müssen Sie für jeden Anwendungsfall klarstellen, welche Datenfelder obligatorisch sein müssen und welche optional sein können, und die Gründe dafür darlegen. Sie möchten, dass die Arbeitsabläufe für jeden Eintrag von Anfang bis Ende sinnvoll sind, da sonst ungenaue Daten entstehen oder – schlimmer noch – ein Geschäftsprozess blockiert wird. Darüber hinaus sollten Sie die Eingabe und Genehmigung neuer Werte ermöglichen, wenn dies gerechtfertigt ist. Andernfalls ist ein Geschäftsanwender gezwungen, aus einer Liste ungenauer oder unvollständiger Werte auszuwählen oder ein Freitextfeld zu verwenden, was zu einer ganz neuen Art von Problemen führen kann.
- Metadaten und Referenzdaten werden passiv verwaltet: Metadaten sind Informationen, die dazu dienen, andere Daten zu charakterisieren, klassifizieren oder in Beziehung zu setzen. Sie dienen als Grundlage für die Strukturierung und Organisation von Daten innerhalb von Unternehmensanwendungen und Datenbanken. Kurz gesagt, ohne Metadaten ist es unmöglich das „Wer, Was und Wo von Geschäftstransaktionen“ zu verstehen. Passiv verwaltete Metadaten werden mit der Zeit ungenau, veraltet und unvollständig.
- Mangel an klarer Verantwortlichkeit: Die Datenqualität betrifft das gesamte Unternehmen, und eine gute Datenqualität muss als eine unternehmensweite Ressouce wahrgenommen werden. Oftmals zögern die verschiedenen Geschäftsbereiche, die Kontrolle über die von ihnen genutzten Daten abzugeben, oder in einigen Fällen zögern sie, die Verantwortung für die von ihnen eingegebenen Daten zu übernehmen. Dies kann zu Problemen mit der Datenqualität in anderen Teilen des Unternehmens führen. Es braucht klare Ansagen mit zugewiesenen Rollen und Verantwortlichkeiten. Es muss einen Dateneigentümer geben, der für die Daten verantwortlich ist, und einen Datenverwalter, der die Daten verwaltet. Sie benötigen Data-Governance-Standards für Ihr Unternehmen, mit deren Hilfe Sie festlegen können, wer auf welche Daten zugreifen darf, wo sich die Daten befinden und wie Ihr Unternehmen die geschäftlichen Anforderungen erfüllen kann, ohne die Sicherheits- oder Compliance-Anforderungen zu gefährden. Daten, die nicht aktiv überwacht und verwaltet werden, stellen mit der Zeit ein Risiko dar.
- Fehlen von Datenstandards: Datenqualität und Datenstandards gehen Hand in Hand. Wenn falsche, doppelte oder schlechte Daten in Ihre Systeme eingegeben werden, werden Sie nie gute Analysen aus diesen Systemen erhalten (Garbage in, Garbage out). Es braucht Standards für Datentypen, Größen, zulässige Zeichen, Formatierung, nur ein paar Beispiel zu nennen. Es braucht Standards, damit die eingegebenen Daten von Anfang an in richtigen Format kommen.
- Daten ohne Herkunftsnachweis: Die Datenherkunft, oder „Lineage“ ist ein sehr breiter Begriff, der verschiedene Bedeutungen haben kann. In der Regel ist damit der historische Verlauf von Daten gemeint, oder deren Ursprung sowie eine Erklärung, wie und warum sie an ihren gegenwärtigen Ort in einer Organisation gelangt sind. Dies hilft auch bei der Identifizierung von Problemen und beantwortet Fragen wie die Herkunft von Qualitätsproblemen. Diese Informationen gewährleisten Authentizität und ermöglichen die Wiederverwendung von Daten. Ohne eine Datenherkunft können Sie nicht beantworten, warum, wie, wo, wann und von wem Daten produziert wurden, was letztendlich ihre Zuverlässigkeit beeinträchtigt.
Wie beheben Sie Ihre Probleme mit der Datenqualität?
Da immer mehr Unternehmen den Weg der digitalen Transformation beschreiten, investieren sie viel Zeit und Geld in moderne Technologien und Infrastrukturen. Oftmals wird jedoch die Bedeutung von Menschen und Prozessen falsch eingeschätzt. Obwohl die Technologie hilft, Probleme in den nachgelagerten Bereichen zu lösen, sind einfache, auf Menschen und Prozesse ausgerichtete Lösungen oft effektiver und günstiger.
Es gibt jedoch viele Möglichkeiten, Probleme mit der Datenqualität methodisch anzugehen, und man kann an verschiedenen Punkten auf dem Weg dorthin ansetzen. Letztendlich sollten Sie Datenqualitätsprobleme auf allen Ebenen des Lebenszyklus Ihrer Daten betrachten und angehen. Im Folgenden finden Sie einige Möglichkeiten, wie Sie Datenqualitätsprobleme in Ihrem Unternehmen von allen wichtigen Interaktionspunkten aus angehen können:
- Entwickeln Sie ein Datengovernance Programm: Data Governance stellt sicher, dass die Datenqualitätsstandards eingehalten werden. Das Programm dient dazu, Menschen, Prozesse und Technologien in die Verantwortung zu nehmen. Es beantwortet Fragen wie: Was sind Daten; wo und wie werden sie erfasst, extrahiert, umgewandelt, bereitgestellt und verwendet; und wer kümmert sich um welche Daten und pflegt sie. Data Governance geht über die IT hinaus und bezieht Beteiligte aus dem gesamten Unternehmen ein, um Abteilungssilos und verschiedene Versionen der Wahrheit aufzubrechen. Es ist unerlässlich, ein Data-Governance-Programm einzurichten, das Rollen und Verantwortlichkeiten für die Systemverantwortlichen, die Datenverantwortlichen, die Datenverwalter und die Rechenschaftspflicht der Verantwortlichen festlegt. Auf diese Weise können Sie Probleme erkennen oder sogar verhindern, bevor sie zu kostspieligen Problemen werden.
- Quellsysteme genauer anschauen: Nehmen Sie sich die Zeit, jedes Quellsystem zu untersuchen, das Ihre Analysen speist. Vergewissern Sie sich, dass die Quellsysteme Ihre Geschäftsprozesse korrekt abbilden. Suchen Sie nach Engpässen und klaffenden Lücken. Untersuchen Sie die Geschäftsprozesse und analysieren Sie, welche Felder obligatorisch sind; nehmen Sie gegebenenfalls Anpassungen vor. Analysieren Sie die Systemkonfiguration für Genehmigungsworkflows und stellen Sie Fehler fest, bevor sie weitergegeben werden. Und schließlich analysieren Sie Referenzdaten und wie die Systeme genutzt werden. Straffen Sie die Systeme und Prozesse, damit die Datenerfassung nahtlos erfolgt und weniger Probleme mit der Datenqualität entstehen.
- Zwischen den Zeilen lesen: Zunächst können Sie Ausnahmeberichte erstellen, um festzustellen, wo Lücken in Ihren Daten bestehen. Ausnahmeberichte identifizieren automatisch Lücken wie fehlende Produktnamen, Aufträge ohne Status, Verkaufschancen ohne zugewiesenen Verkäufer usw. Die Erstellung von Ausnahmeberichten ist jedoch nicht das Ende der Fahnenstange. Sie können Probleme mit Ihren Daten erkennen, indem Sie zwischen den Zeilen lesen und die End-to-End-Datenflüsse überwachen – die Bewegung von Daten zwischen den verschiedenen Systemen – und Qualitätsprobleme angehen, wenn Sie sie finden. Definieren Sie Schwellenwerte für die Datenqualität, um Ausreißer zu erkennen und die Dateneigentümer und -verwalter zu alarmieren, wenn es rote Fahnen gibt. Diese Personen sind für die Aufrechterhaltung der Qualität verantwortlich, insbesondere wenn Ihre Daten wachsen. Es ist wichtig, Ausreißer zu identifizieren, da sie für statistische Analysen problematisch sind. Ebenso wichtig ist die Festlegung von Ersatzwerten für bekannte Fehler als Notlösung. Jede dieser Maßnahmen kann dazu beitragen, Datenqualitätsprobleme zu beheben, nachdem die Daten das Quellsystem verlassen haben, aber bevor sie ihr Ziel erreichen. Sobald Sie die Probleme in Ihren Daten erkannt haben, können Sie Korrekturmaßnahmen ergreifen, um sicherzustellen, dass Ihre Daten korrekt und vollständig sind.
- Aus Fehlern lernen: Es kann leicht passieren, dass etwas unter den Tisch fällt, daher ist es wichtig, die Datenqualität in die allgemeinen Geschäftsziele Ihres Unternehmens einzubeziehen. Die Aufklärung Ihrer Geschäftsanwender über Datenqualität ist von entscheidender Bedeutung. Eine Möglichkeit, dies zu tun, besteht darin, Audit-Berichte für die Datenbenutzer sichtbar zu machen, um sie zur Rechenschaft zu ziehen, und zwar mit einem Dashboard, das die Anzahl der Schwellenwertausnahmen, Ausreißer, doppelten Einträge usw. sowie deren Veränderungen im Laufe der Zeit anzeigt. Dies hilft bei der Kontrolle und stellt sicher, dass die Standards eingehalten werden. Jeder muss bei der Datenqualität eine Rolle spielen – egal, ob er sie eingibt oder einfach nur nutzt – alle müssen mit anpacken.
Wenn Sie die Datenqualität zu einem strategischen Bestandteil des Geschäftsbetriebs machen, lernen die Benutzer ihre Grenzen und Fähigkeiten kennen. Es ist wichtig, über die richtige Dateninfrastruktur zu verfügen. Es ist auch wichtig, dass die richtigen Tools und Technologien vorhanden sind. Aber erst das Verstehen und Aufzeigen der Lücken in den Geschäftsprozessen und den Fähigkeiten der Benutzer und deren Behebung führt letztendlich zu einer besseren Datenqualität.
Da Daten zum Eckpfeiler eines jeden erfolgreichen Unternehmens werden, ist es von entscheidender Bedeutung, von Anfang an qualitativ hochwertige Daten zu erstellen.
