Datenqualität

Ungereimtheiten am Ende der Prozesskette

Vice President Software & SaaS Markets PAC Germany
Eric Ecker, Leiter Operations beim zum BI-Anbieter SAS gehörenden Datenintegrationsspezialisten DataFlux, erläutert, wie sich Datenqualität verbessern lässt und wie Firmen dabei profitieren sollen.

CW: Woran merken Firmen typischerweise, dass sie ein Problem mit der Datenqualität haben?

ECKER: Zunächst einmal sind Probleme mit der Datenqualität unabhängig von der Branche und der Firmengröße. Die allermeisten Firmen haben da Schwierigkeiten. Die Frage ist, wie offensichtlich treten die zutage? Operative Systeme arbeiten leider auch mit schlechten Daten weiter. Dass es an der Qualität der Informationen hapert, bemerken Unternehmen oft erst, wenn sie bei der Datenauswertung oder während des Risiko-Managements auf Ungereimtheiten stoßen, also erst ganz am Ende der Prozesskette. Dann haben die Anwender oft große Mühe damit, die Ursachen dafür zu finden. Sie müssen rasch herausfinden, von welchen Systemen die im Data Warehouse aggregierten Daten stammen.

CW: Wie lässt sich denn die Qualität von Daten messen?

ECKER: Die Datenqualität lässt sich sehr gut messen, man muss es aber wollen. Niemand misst täglich seinen Blutdruck, aber von Zeit zu Zeit ist ein Gesundheitscheck sinnvoll. Mit Unternehmensdaten ist das ähnlich. Data-Profiling-Werkzeuge helfen dabei, die Datenqualität mess- und bewertbar zu machen.

CW: Die Resultate solcher Analysen werden im Unternehmen bestimmt heftig diskutiert, oder?

ECKER: Idealerweise schauen sich die Fachbereiche und IT die Ergebnisse einer Ist-Analyse gemeinsam an. Natürlich freut sich der ERP- oder CRM-Projektleiter nicht gerade, wenn Defizite in dem von ihm eingeführten System diskutiert werden sollen. Doch auch diese Leute akzeptieren die Resultate, wenn man darlegen kann, wo die Schwächen tatsächlich liegen. Das gelingt zum Beispiel, wenn in einer Auswertung der Steuertabelle im Lieferantenstamm viele Nullwerte erscheinen und Sie dann per Drill-down-Funktion genau die Datensätze präsentieren können, in denen das Steuerfeld nicht ausgefüllt wurde.

Dem Management sind Analyseergebnisse dann schlüssig, wenn es daraus direkte Maßnahmen ableiten kann. Falls beispielsweise das Data-Profiling ergab, dass eine Marketing-Kampagne nicht die richtige Zielgruppe anspricht, weil die Kundensegmentierung wegen schlechter Daten zu ungenau war, können die Firmen gleich gegensteuern.

CW: Wie lässt sich der Nutzen für das Datenqualitäts-Management auf den Punkt bringen?

ECKER: Von Anbietern wie uns wird fast immer verlangt, dass wir den Business-Case der Lösung vorrechnen. Das erfolgt immer individuell. Es gibt aber typische Szenarien, die allgemeingültig sind. Ein Klassiker ist Datenkonsolidierung nach einer Firmenübernahme. Der Anteil der dafür erforderlichen Datenmigration wird immer unterschätzt. Ohne Daten-Management-Tools wissen die IT-Verantwortlichen nicht genau, was alles migriert werden muss und was nicht. Das betrifft beispielsweise Kunden- und Lieferantendaten. Der direkte Nutzen des Datenqualitäts-Managements könnte dann sein, während des IT-Migrationsprojekts Zeit- und Budgetüberschreitungen zu vermeiden. Firmen können anhand von elektronischen Berichten ablesen, wie weit die Datenmigration fortgeschritten ist und so abschätzen, ob sie noch im Plan liegen.

CW: Was sind die "Quick wins" im Bereich Datenqualität?

ECKER: Dazu zählt, nach einer Analyse ein Bewusstsein beim Unternehmen zu schaffen. Die Daten treiben schließlich die Geschäftsprozesse. Aus Dateninkonsistenzen können Firmen die Gründe für Prozessschwächen ableiten. Schlechte Datenqualität bringt Sie nicht direkt um - aber neben der andauernden Verschwendung von Geld durch ineffiziente und fehlerbehaftete Prozesse, setzen sich Unternehmen einem sehr hohen Risiko aus.

CW: Welche Prozessschwächen sind das denn zum Beispiel?

ECKER: Nehmen Sie den Einkauf. Firmen, die aus mehreren Gesellschaften bestehen, können viel Geld sparen, wenn sie ihre Kaufteile und Dienstleistungen einheitlich klassifizieren. Über die Klassifikation fällt es diesen Unternehmen leichter, Bedarfe zu bündeln. Ein weiteres Beispiel ist das Angebotswesen und der Kundenservice: Durch ungenaue beziehungsweise falsche Daten oder Duplikate verlieren Anwender nicht nur die Übersicht. Mitunter geht den Firmen dadurch auch Geschäft verloren.