Datenqualitätsmanagement in Unternehmensumgebungen: Ist Daten das neue Öl? (Teil 1)

Im Jahr 2017 erschien ein Artikel im Economist mit dem Titel: „Die wertvollste Ressource der Welt ist nicht mehr Öl, sondern Daten.“

Die Aussage ist, wie viele ähnliche, ziemlich provokant. Sie kann diskutiert werden, wie es viele getan haben (z. B. hier und hier). Es steht jedoch außer Frage, dass einer der Schlüsselfaktoren für den Geschäftserfolg die Qualität der Unternehmensdaten und die darauf aufbauende Informationsbasis ist – mit anderen Worten, die Datenqualität oder Informationsqualität.

Datenqualität

Wie im oben zitierten Artikel hervorgehoben, sind geschäftsrelevante Informationen über die Geschäftstätigkeit, Kunden und Produktpalette eines Unternehmens nur dann wertvoll, wenn sie genau, umfassend, zuverlässig und aktuell sind. Ihre Qualität muss also den Informationsbedürfnissen von Verkäufern, Analysten und Entscheidungsträgern gerecht werden. Der Bedarf an qualitativ hochwertigen Daten, die die Geschäftsprozesse untermauern, wird in verschiedenen Situationen besonders deutlich. Im Folgenden fassen wir Szenarien zusammen, in denen die Datenqualität entscheidend ist und die Rentabilität von Unternehmen erheblich beeinflussen kann.

Datenbereinigung und CRM

Das zentrale Element der Informationsarchitektur eines Unternehmens ist typischerweise das Data Warehouse. Es aggregiert, bereinigt und konsolidiert Daten aus den zentralen Geschäftssystemen – Transaktionssystemen – und externen Quellen, um sie so zu speichern, dass sie den geschäftlichen Anforderungen entsprechen. Entscheidungsunterstützungstools, die Berichte automatisieren, schnelle Ad-hoc-Analysen ermöglichen und verborgene Muster in Geschäftsdaten aufdecken können, basieren auf diesem Data Warehouse. Das zentrale Data Warehouse ist auch eine der Grundsäulen von unternehmensweiten CRM-Lösungen.

Praktische Erfahrungen zeigen, dass Unternehmensdaten häufig nicht von ausreichender Qualität sind, um ein Data Warehouse aufzubauen oder ein CRM-System zu implementieren. Selbst wenn die Datenqualität für einzelne Geschäftssysteme angemessen (oder zumindest akzeptabel) ist, bedeutet dies nicht, dass sie auch für das Data Warehouse und das CRM-System ausreicht. Diese Systeme basieren typischerweise auf mehreren Datenquellen, und die unterschiedlichen Strukturen, inhaltlichen Probleme und Redundanzen dieser Quellen können die Nutzbarkeit des Data Warehouses und der CRM-Systeme gefährden.

Diese Probleme sind den Experten in Unternehmen oft nur teilweise und qualitativ bekannt. Das tatsächliche Ausmaß und die potenziellen Folgen dieser Probleme werden meist erst in den späteren Phasen von Data-Warehouse-Projekten und CRM-Implementierungen deutlich. Zu diesem Zeitpunkt sind die Korrekturmöglichkeiten stark eingeschränkt, und die Kosten für Korrekturen sind exponentiell höher als bei einer frühzeitigen Behebung.

Zentraler Kundenstamm (MDM)

Ein zentraler Kundenstamm ist entscheidend, da er die Kundendaten aus allen relevanten Systemen konsolidiert, einschließlich ihrer spezifischen Kennungen innerhalb dieser Systeme. Vor der Einrichtung eines zentralen Kundenstamms ist eine umfassende Datenbereinigung erforderlich, um Duplikate innerhalb und zwischen Systemen zu identifizieren und zusammenzuführen. Identifizierte Duplikate erhalten eine Master-Kennung, und die Quelldaten werden in den zentralen Kundenstamm integriert. Dadurch wird für die Benutzer ersichtlich, welche Datensätze in den einzelnen Systemen denselben Kunden repräsentieren.

Datenmigration

In der heutigen schnelllebigen IT-Welt streben Unternehmen und Organisationen oft an, bestehende Produkt- oder Datenmanagementsysteme durch modernere Lösungen zu ersetzen. Die Implementierung neuer Systeme erfordert zwangsläufig die Migration von Daten aus Altsystemen. Während dieser Migration treten ähnliche Datenqualitätsprobleme auf wie bei der Implementierung von CRM- oder Data-Warehouse-Systemen. Um eine erfolgreiche Migration zu gewährleisten, müssen die Daten vorbereitet und eventuelle Qualitätsprobleme wie Dateninhaltefehler, Duplikate und Redundanzen behoben werden. Wenn der Verbesserung der Datenqualität nicht genügend Aufmerksamkeit geschenkt wird, kann die Effektivität des neu eingeführten Systems erheblich beeinträchtigt werden, und die Fachabteilungen könnten den Eindruck haben, dass die Anwendung ihre Erwartungen nicht erfüllt.


Im nächsten Beitrag setzen wir die Aufzählung von Bereichen fort, in denen das Datenqualitätsmanagement wesentlich zur Rentabilität von Unternehmen beitragen kann. Bis dann finden Sie hier eine kurze Einführung in unsere Lösungen zur Datenqualitätssicherung.

Vielleicht hat Ihr Unternehmen bereits darüber nachgedacht, wie es die Qualität seiner Datenbestände verbessern kann? Warum reden wir nicht bei einer guten Tasse Kaffee darüber?