Anzeige

StepsSchlechte Datenqualität kostet Zeit und Geld, schlimmstenfalls führt sie sogar zu erheblichen Umsatzverlusten. In sechs Tipps zeigt Information Builders, wie Unternehmen die Konsistenz und Zuverlässigkeit ihrer Daten verbessern können.

Eine mangelhafte Qualität von Daten, speziell von Kundendaten, führt schnell zu gravierenden Problemen: etwa wenn sich Beschwerden wegen fehlerhafter Adressinformationen häufen, die Bearbeitung von Reklamationen spürbare Kosten verursacht und, im äußersten Fall, sogar unzufriedene Kunden abwandern. Information Builders, ein Anbieter von Business-Intelligence (BI)-, Analytics-, Datenintegritäts- und Datenqualitätslösungen, erläutert sechs wirksame Schritte zur Bereinigung fehlerhafter Bestände und zur Steigerung der Datenqualität.

1. Eine Ist-Analyse der problembehafteten Daten vornehmen.

Zu Beginn sollte die IT-Abteilung zusammen mit den Fachabteilungen einen Konsens darüber herstellen, wo die Probleme am größten sind und zu welchen Auswirkungen die mangelnden oder fehlerhaften Daten führen. Dazu werden die Bestände mit einem Data-Profiling-Werkzeug analysiert, um unvollständige, fehlerhafte oder mehrfach vorhandene Kundendaten zu ermitteln, denn sehr oft finden sich in verschiedenen Fachabteilungen unterschiedliche Bestandsdaten zu den gleichen Kunden: dann sind Postleitzahlen oder E-Mail-Adressen lückenhaft oder veraltet, in der Produktdatenbank fehlen Teilenummern oder die Bezeichnungen von Produkten, die Kunden über verschiedene Kanäle kaufen, differieren.

2. Einen Data Steward aus einer Fachabteilung berufen.

Data Stewards spielen eine entscheidende Rolle für den Erfolg einer Datenqualitätsoffensive. Sie kommen aus einer Fachabteilung und kennen Abläufe und Herausforderungen bei der Erstellung und Verwendung von Kundendaten. Ein Data Steward stellt Regeln dazu auf, wie Daten erzeugt, gewartet und in den Fachabteilungen eingesetzt werden. Zudem ist er für die laufende Überwachung und Einhaltung der Datenintegrität und die kontinuierliche Anpassung der Qualitätsverfahren zuständig.

3. Eine Prioritätenliste der zu bereinigenden Daten erstellen.

Nicht alle in einem Unternehmen vorhandenen Daten sind gleich wichtig. Ein Data Steward kennt den Wert der einzelnen Daten und legt fest, welche eingehend zu analysieren sind. Dazu wird mit den geeigneten Tools von den Daten, die beim Profiling untersucht wurden, ein Lebenszyklusdiagramm erstellt: Wie und von wem wurden die Daten erzeugt? Welche Benutzer greifen darauf zu? Für welche Zwecke werden sie von welchen Applikationen eingesetzt? Welche Kosten verursachen fehlerhafte Daten?

4. Regeln zum Umgang mit fehlerhaften Daten definieren.

Auf Basis der Kostenbetrachtung der fehlerhaften Daten legt der Data Steward fest, welche Abweichungen in der Qualität innerhalb akzeptabler Grenzen liegen und welche Mängel kostspielige Auswirkungen haben. Abhängig davon, wie wichtig einzelne Daten für die Geschäftsprozesse sind, werden die Daten bereinigt oder sie werden nicht mehr weiter verwendet. Zudem regelt der Data Steward, von wem und wie – manuell oder automatisch – die korrigierbaren Fehler behoben werden.

5. Technische Datenbereinigung starten.

Hat der Data Steward zusammen mit der IT und den Fachabteilungen eine Bestandsaufnahme fehlerhafter Daten vorgenommen, die Problemfälle identifiziert und festgestellt, wie damit umzugehen ist, steht als nächstes die eigentliche Datenbereinigung an. Aufgrund der organisatorischen Vorgaben kann die IT-Abteilung die technische Bereinigung vornehmen und deren Wirksamkeit mit Hilfe regelmäßiger Kontrollen überprüfen. Ein effektives Datenmanagement bedeutet allerdings nicht zwingend, dass die im Geschäftsalltag benötigten Daten absolut fehlerfrei sind. Abhängig von den Ergebnissen der Folgenabschätzung in Schritt drei kann "gereinigte Daten" auch "gut genug" für bestimmte Anwendungsszenarien bedeuten.

6. Einen unternehmensweiten Datenqualitätsprozess implementieren.

Die höchstmögliche Datenqualität ist ein zentraler Bestandteil der fachspezifischen Geschäftsprozesse und muss sich zunächst in den Fachabteilungen bewähren. Im nächsten Schritt kann der Data Steward abteilungsübergreifende und schließlich unternehmensweite Projekte starten. Wichtig ist, dass der Data Steward fortlaufende Verbesserungen der Datenqualität misst und überwacht. Parallel dazu sollten Unternehmen eine Kultur entwickeln, bei der eine hohe Datenqualität eine bedeutende Rolle spielt. Nicht nur der Data Steward und die IT-Abteilung, sondern auch Mitarbeiter aus den Fachabteilungen müssen sich der Bedeutung zuverlässiger Informationen bewusst sein und die Daten pflegen und optimieren.

"Unternehmen müssen die Qualität ihrer Kundendaten als strategische Aufgabe angehen. Zu oft haben sie sich bislang auf reine ,Reparaturarbeiten’ bei akuten Problemen konzentriert. Je länger eine grundlegende Sanierung aufgeschoben wird, desto höher steigen die Kosten", sagt Nathan Jagoda, Country Manager Germany bei Information Builders. "Wer zielgerichtet handelt und sich beispielsweise zunächst auf die Kundendaten konzentriert, wird schon in kurzer Zeit die ersten Erfolge erzielen. Eine höhere Datenqualität steigert die Kundenzufriedenheit und Kundenbindung und damit letztlich auch den Umsatz."

www.informationbuilders.de
 


Newsletter Anmeldung

Smarte News aus der IT-Welt

Sie möchten wöchentlich über die aktuellen Fachartikel auf it-daily.net informiert werden? Dann abonnieren Sie jetzt den Newsletter!

Newsletter eBook

Exklusiv für Sie

Als Newsletter-Abonnent erhalten Sie das Booklet „Social Engineering: High Noon“ mit zahlreichen Illustrationen exklusiv und kostenlos als PDF!

 

Weitere Artikel

Big Data

Daten mehr Aufmerksamkeit schenken

In der von BARC (Business Application Research Center) veröffentlichten Studie “Leverage your data – a data strategy checklist for the journey to the data-driven enterprise”, nehmen die beiden Analysten Jacqueline Bloemen und Timm Grosser genau unter die…
Datenanalyse

Unternehmen haben mit Mängeln im Datenmanagement zu kämpfen

Rubrik, spezialisiert auf Cloud Data Management, hat die Ergebnisse einer IDC-White-Paper-Studie bekannt gegeben. Diese hat Rubrik in Auftrag gegeben, um das Ausmaß des Datenflutproblems zu bewerten und festzustellen, wie IT-Unternehmen darauf vorbereitet…
Business Intelligence

Die nächste Phase der Business Intelligence

Nie verfügten Organisationen über mehr Informationen und Datenquellen als heute. Die Rolle der Data Scientists, die aus den vorliegenden Daten wertvolle Erkenntnisse gewinnen, ist zentral für die Wettbewerbsfähigkeit von Unternehmen. Smarte…
Banking

Predictive Analytics in Banking und Wealth Management

Automatisierte Predictive Analytics sind dabei, sich auch in Banking und Vermögensverwaltung durchzusetzen. Sie dienen unter anderem der Vorhersage des Kundenverhaltens, der Betrugsvermeidung und der Bewertung einer neuen Klasse von Vermögenswerten: der…
3 Polizisten in der Stadt

Neue Datenanalyse-Software für die Thüringer Polizei

Ob schnelles Bild zur Lage, kollaborative Ermittlung oder strategische Analyse auf Basis von polizeilichen Vorgängen: Übergreifende Recherchen, Karten und umfassende Datenanalysen auf der Basis der Datenanalyse-Software Cadenza unterstützen jetzt die tägliche…
Datenanalyse

Rookie oder Pro? So professionell gehen Unternehmen mit Daten um

Die Fullservice-Digitalagentur Namics – A Merkle Company veröffentlicht die Studie „Rookie oder Pro? Data Maturity in Deutschland und der Schweiz”. Sie untersucht, wie gut Unternehmen mit Daten umgehen und inwieweit sie von ihnen profitieren.

Anzeige

Newsletter Anmeldung

Smarte News aus der IT-Welt

Sie möchten wöchentlich über die aktuellen Fachartikel auf it-daily.net informiert werden? Dann abonnieren Sie jetzt den Newsletter!

Newsletter eBook

Exklusiv für Sie

Als Newsletter-Abonnent erhalten Sie das Booklet „Social Engineering: High Noon“ mit zahlreichen Illustrationen exklusiv und kostenlos als PDF!