Dies ist eine der grundsätzlichen Empfehlungen der BARC-Analysten, die auf Basis zweier verschiedener Studien einen 10-Punkte-Plan für Unternehmen zur Sicherung der Datenqualität erstellt haben. In die Top-10-Liste der wichtigsten Maßnahmen zur Datenqualitätssicherung flossen die Ergebnisse einer aktuellen Umfrage zum Thema Datenqualität sowie die Auswertungen der weltweiten Anwenderbefragung zu Business Intelligence und Datenmanagement (The BI Survey 9) ein. Neben der Bekämpfung ursächlicher Qualitätsprobleme sollten Unternehmen neun weitere Punkte bei der Planung von Datenqualitätsvorhaben beachten, raten die BARC-Experten.
Erfolgreiche Pilotprojekte erhöhen die Akzeptanz
1. Datenqualität muss intern den Rang einer Führungsaufgabe erhalten.
2. Um Bereiche und Maßnahmen identifzieren zu können, die am meisten von einer hohen Datenqualität profitieren, ist eine Kosten-Nutzen-Rechnung hilfreich. Sie stellt die Auswirkungen schlechter Datenqualität beziehungsweise den Nutzen einer hohen Datenqualität den Kosten für eine Implementierung gegenüber.
3. Unternehmen sollten sich überdies einen Überblick über den IST-Zustand ihres Datenbestandes mithilfe eines Datenqualitäts-Assessments machen.
4. Erfolgreiche Pilotprojekte erhöhen die Akzeptanz für Datenqualitätsmaßnahmen. Daher ist es sinnvoll, in Bereiche zu investieren, die von einer hohen Datenqualität profitieren und auf diese Weise das Gesamtvorhaben voranzutreiben.
5. Ein wichtiger Erfolgsfaktor für Datenqualitätsprojekte sind klare Verantwortlichkeiten und eine gute Zusammenarbeit zwischen Fachbereich und IT. Beide Forderungen können etwa durch die Einrichtung eines Datenmanagement Competence Centers umgesetzt werden.
Auswahl der Qualitäts-Tools nicht alleine durch IT-Abteilung
6. Datenqualitäts-Tools müssen immer technische Spezifikationen, aber auch fachliche Anforderungen an Funktionen und Usability erfüllen. Die Auswahl entsprechender Werkzeuge sollte daher nicht alleine durch die IT erfolgen.
7. Bisweilen lassen sich Aufgaben aus der Datenqualitätssicherung besser mit Standardsoftware bewältigen als mit speziellen Tools. IT-Verantwortliche sollten beide Möglichkeiten gegeneinander abwägen.
8. Beim Einsatz von Software sollten Unternehmen darauf achten, Applikationen zu verwenden, die den gesamten Datenqualitätszyklus unterstützen. Dies hilft, punktuelle Datenqualitätsinseln zu vermeiden und eine Basis für eine integrierte, valide Sicht auf die Daten zu schaffen.
9. Langfristig betrachtet, erfordern Datenqualitätsmaßnahmen ein iteratives Vorgehen, das unter Berücksichtigung von Architektur, Organisation und Technologie, Maßnahmen zur Analyse, Bereinigung, Anreicherung und Überwachung der Datenqualität abdeckt.