Eine hochqualitative Datenbasis bildet das Rückgrat erfolgreicher Unternehmen. Denn die zunehmende Zahl gesetzlicher und behördlicher Auflagen zu erfüllen, ein integriertes Kunden- und Service-Management anzubieten oder weltweit Geschäftsprozesse zu harmonisieren, ist ohne konsistent, aktuell und korrekt verfügbare Stammdaten unmöglich.
Trotzdem fristet das Datenqualitäts-Management in vielen Unternehmen ein Schattendasein. Dies hat verschiedene Ursachen: So herrscht die Meinung vor, für die Sicherung der Datenqualität sei allein die IT-Abteilung verantwortlich und die Fachbereiche seien lediglich Nutzer der Daten. Das ist insofern falsch, als dass nur der Fachbereich die Anforderungen an die Qualität von Stammdatenklassen wie Materialien, Lieferanten und Kunden kennen kann. Denn aus den Geschäftsprozessen muss sich der Bedarf an Datenqualität ableiten.
Tech talk und Vogel Strauß
Auch wird häufig über technische Aspekte wie Datenmodelle, Datentypen und Feldlängen einzelner Attribute diskutiert, während die eigentliche betriebswirtschaftliche Bedeutung von Datenqualität in den Hintergrund rückt. Und schließlich gewinnen Projekte für Datenqualitäts-Management immer erst dann eine strategische Bedeutung, wenn es bereits ernsthafte Probleme im Unternehmen gibt.
Das ist, etwa dann der Fall, wenn zentrale Berichte bei der "Spend-Analyse" im Einkaufscontrolling falsche Zahlen aufweisen oder sich gar nicht erst erstellen lassen. Ein anderes Beispiel ist die inkonsistente Verwendung des metrischen und imperialen Systems, wodurch die zulässigen Maximalgewichte bei Transportmitteln überschritten werden und Ware nicht ausgeliefert werden kann.
Nachteile eines reaktiven Datenqualitäts-Managements
Maßnahmen zur Steigerung der Datenqualität werden also häufig erst dann ergriffen, wenn es zu spät ist und ein Schaden für das Unternehmen bereits eingetreten ist. Ein solches "reaktives" Datenqualitäts-Management verhindert eine vernünftige Budget- und Ressourcenplanung (Diesbezüglich macht die COMPUTERWOCHE derzeit eine Anwenderbefragung über die aktuelle Situation und Strategien der Unternehmen im Datenqualitäts-Management. Dabei sind wir auf Ihre Hilfe angewiesen.)
Auch ist es schwierig, für entsprechende Ad-hoc-Projekte überhaupt kurzfristig Mitarbeiter zu finden, und Projektbudgets werden überschritten, weil während der Budgetplanung keine Mittel vorgesehen wurden bzw. nicht bekannt war, in welcher Höhe sie benötigt werden. Zudem ist in vielen Fällen nicht bekannt, welches Niveau an Datenqualität denn eigentlich in den Geschäftsprozessen benötigt wird. Das hat zur Konsequenz, dass nicht zu bestimmen ist, wann ein Ad-hoc-Projekt zur Verbesserung der Datenqualität eigentlich erfolgreich ist und wann nicht.
Um die Datenqualität der wichtigsten Stammdatenklassen im Unternehmen nicht nur einmalig und temporär zu verbessern, sondern langfristig zu erhöhen, sollten Sie sechs Ratschläge befolgen: