Unternehmen büßen bis zu 25 Prozent ihres operativen Gewinns in Folge schlechter Datenqualität (DQ) ein. Das ist umso erstaunlicher, weil Entscheider das Datenqualitäts-Management (DQM) im Kontext von Business Intelligence (BI) schon seit vielen Jahren als wichtigstes Thema identifiziert haben. Daher sollte man erwarten, dass das Thema in den Unternehmen bereits aufgegriffen und grundsätzlich gelöst ist. Doch die Realität sieht anders aus. Nach wie vor stellt mangelhafte Datenqualität einen Stolperstein für BI-Vorhaben dar. Woran liegt das?

Lesen Sie mehr zum Thema Datenqualität:

• Ratgeber Datenqualität: Gute Daten - schlechte Daten

• Sieben Schritte zur optimalen Datenbasis

• Datenqualität: Ungereimtheiten am Ende der Prozesskette

• Lösungen für bessere SAP-Datenqualität

• Datenhygiene oft Nebensache

In vielen Unternehmen ist die Datenqualität mangelhaft. Dabei sind Technik und Methodik des Managements von Datenqualität in den zurückliegenden Jahren wesentlich weiterentwickelt worden. Schlechte Datenqualität zeigt sich in der Praxis häufig in Form von fehlerhaften Kundendaten. Sind diese unzureichend gepflegt, drohen direkte oder indirekte Kosten. Erstere entstehen zum Beispiel, wenn Artikel nicht rechtzeitig geliefert werden oder es zu Rechnungsausfällen aufgrund falscher Adressen kommt. Zu den indirekten Kosten zählt beispielsweise der Imageverlust beim Kunden. Ein oft unterschätztes Problem sind darüber hinaus Schwierigkeiten bei der Steuerung operativer Prozesse infolge von Datenqualitäts-Problemen innerhalb des Unternehmens. Dieser Fall soll anhand des Beispiels des fiktiven Internet-Portal-Betreibers Portal 2000 dargestellt werden. Hier sind Erfahrungen aus verschiedenen Projekten rund um das Thema Datenqualität eingeflossen. Im Folgenden sollen Probleme und mögliche Lösungswege aufgezeigt werden.