Mangelhafte Datenqualität kann Unternehmen vielfältigen Ärger bereiten - beispielsweise wenn durch hohe Rückläuferquoten Mailing-Aktionen versanden oder kostspielig ein zweites Mal vorgenommen werden müssen. Wenn Kunden Werbematerialien mehrmals oder Rechnungen gar nicht erhalten. Wenn es Beschwerden hagelt, weil die Mitarbeiter im Support zu lange brauchen, um die nötigen Daten zu finden, oder Forecast-Analysen des Vertriebs ins Leere gehen, weil potenzielle Interessenten doppelt verbucht wurden. Ernst wird es, wenn solche Fehler hohe Kosten nach sich ziehen, beispielsweise beim unbeabsichtigten Verstoß gegen Compliance-Vorschriften. Diese Aufzählung ließe sich beliebig weiterführen - und den meisten Unternehmen sind solche Fehler wohlbekannt. Gemeinsam ist ihnen, dass postalische Daten nicht korrekt sind, Dubletten vorliegen oder Business-Regeln nicht eingehalten werden. Gemeinsam ist ihnen auch die Ursache: mangelhafte Datenqualität.

Ursachenforschung

Eine erste Abhilfe schaffen diverse am Softwaremarkt verfügbare Datenqualitäts-Lösungen. Das reicht oft allerdings nicht aus. Der Blick auf die Daten muss tiefer gehen. Sonst kehren die Symptome inklusive der damit verbundenen Kosten immer wieder. Für die betroffenen Unternehmen gilt es deshalb, die Ursache der Mängel aufzuspüren und zu beseitigen. Anbieter und Kunden von Datenqualitätslösungen sollten sich daher über die jeweiligen Anforderungen, die an die Unternehmensstammdaten gestellt werden, im Klaren sein:

• Was müssen die Datensätze beinhalten?

• In welcher Form sollen sie dargestellt werden?

• Welche Business-Regeln müssen eingehalten werden?

• Was wird systemseitig gefordert?

• Gelten in allen Unternehmensbereichen die gleichen Anforderungen, oder benötigen der Vertrieb und der Support unterschiedliche Inhalte und Formate?

Oft stellen die Verantwortlichen fest, dass sich die Datenansprüche in den verschiedenen Firmenbereichen unterscheiden. Die Anforderungen wechseln also mit dem Datennutzer. Man spricht vom "different view of data" im Gegensatz zum "single view of customer", der nur die Daten und nicht deren Verwendung im Blick hat. Das bedeutet allerdings auch, dass man per se nicht von guter oder schlechter Datenqualität sprechen kann - entscheidend ist, ob die Datenqualität den jeweiligen Anforderungen der Nutzer gerecht wird. Die Rolle des Nutzers definiert, welche Daten in welcher Form benötigt werden - er steht im Mittelpunkt.

Für die Implementierung von Datenqualitätslösungen heißt das, dass der erste Schritt eine präzise Untersuchung und Darstellung des Status quo der vorhandenen Daten und der an sie gestellten Anforderungen sein sollte.