Argumente für die Datenqualität: Was ist sie und warum ist sie wichtig?

Laut einer IDC-Studie klafft bei 30-50 % der Unternehmen eine Lücke zwischen ihren Datenerwartungen und der Realität. Ein genauerer Blick auf diese Statistik zeigt dies:

• 45 % der Unternehmen sehen eine Lücke in der Datenabfolge und im Inhalt,
• 43 % der Unternehmen sehen eine Lücke bei der Vollständigkeit und Konsistenz der Daten,
• 41 % der Unternehmen sehen eine Lücke bei der Aktualität der Daten,
• 31 % der Unternehmen sehen eine Lücke bei der Datenerfassung, und
• 30 % der Unternehmen sehen eine Lücke in der Datenverantwortung und im Vertrauen.

Diese Datendimensionen werden gemeinhin als Datenqualitätsmetriken bezeichnet – etwas, das uns hilft, die Eignung von Daten für den beabsichtigten Zweck zu messen – auch bekannt als Datenqualität.

Was ist Datenqualität?

Der Grad, in dem die Daten die Anforderungen des beabsichtigten Zwecks erfüllen.

Wenn eine Organisation nicht in der Lage ist, die Daten für den Zweck zu nutzen, für den sie gespeichert und verwaltet werden, dann sind sie von schlechter Qualität. Diese Definition impliziert, dass Datenqualität subjektiv ist und für jede Organisation etwas anderes bedeutet, je nachdem, wie sie die Daten zu nutzen gedenkt. So ist beispielsweise in einigen Fällen die Genauigkeit der Daten wichtiger als ihre Vollständigkeit, während in anderen Fällen das Gegenteil der Fall sein kann.

Eine andere interessante Art, die Datenqualität zu beschreiben, ist:

Das Fehlen von untragbaren Mängeln in einem Datensatz.

Das bedeutet, dass die Daten nicht völlig fehlerfrei sein können, und das ist auch gut so. Es muss nur frei von Mängeln sein, die für den Zweck, für den es im Unternehmen eingesetzt wird, untragbar sind. Normalerweise wird die Datenqualität überwacht, um sicherzustellen, dass die Datensätze die erforderlichen Informationen (in Bezug auf Attribute und Entitäten) enthalten und dass die Informationen so genau (oder fehlerfrei) wie möglich sind.

Wie kann man ein Argument für Datenqualität entwickeln?

Da wir seit über einem Jahrzehnt Datenlösungen für Fortune-500-Kunden liefern, verbringen Datenexperten in der Regel mehr als 50 Stunden pro Woche mit ihren Aufgaben. Die zusätzlichen Stunden sind das Ergebnis von Doppelarbeit, erfolglosen Ergebnissen und mangelnder Datenkenntnis. Bei näherer Analyse stellen wir oft fest, dass die Datenqualität der Hauptgrund für die meisten dieser Datenprobleme ist. Das Fehlen einer zentralen Datenqualitätsmaschine, die Datenqualitätsprobleme konsequent validiert und behebt, kostet erfahrene Datenexperten mehr Zeit und Mühe als nötig.

Wenn etwas die Produktivität Ihres Teams beeinträchtigt und zu unzuverlässigen Ergebnissen führt, ist es von entscheidender Bedeutung, die Beteiligten darauf aufmerksam zu machen, damit rechtzeitig Korrekturmaßnahmen ergriffen werden können. Diese Maßnahmen sollten auch in den Geschäftsprozess integriert werden, damit sie zur Gewohnheit werden und nicht nur ein einmaliger Akt sind.

In diesem Blog werden wir drei wichtige Punkte behandeln:

1. Der schnellste und einfachste Weg, die Bedeutung der Datenqualität zu beweisen.
2. Eine Reihe von hilfreichen Ressourcen, die verschiedene Aspekte der Datenqualität behandeln.
3. Wie Datenqualität den sechs Hauptsäulen eines Unternehmens zugute kommt.

Fangen wir an.

1. Designdatenfehler – Geschäftsrisikomatrix

Um die Bedeutung der Datenqualität zu beweisen, müssen Sie aufzeigen, wie Datenqualitätsprobleme die Geschäftsrisiken erhöhen und die Geschäftseffizienz beeinträchtigen. Dies erfordert einige Nachforschungen und Diskussionen unter Datenverantwortlichen und Fachleuten, und dann können sie die Ergebnisse und Resultate mit den notwendigen Interessengruppen teilen.

Wir stoßen oft auf kleinere und größere Probleme in unseren Datensätzen, aber wir bewerten sie selten gründlich genug, um zu erkennen, welche Auswirkungen sie auf das Geschäft haben können. In einem kürzlich erschienenen Blog habe ich über die Erstellung einer Matrix für Datenfehler und Geschäftsrisiken gesprochen: eine Vorlage, die Ihnen hilft, Datenfehler mit den Auswirkungen auf das Geschäft und den daraus resultierenden Kosten in Beziehung zu setzen. Kurz gesagt, diese Vorlage hilft Ihnen, verschiedene Arten von Fehlinformationen in Ihrem Datensatz mit Geschäftsrisiken in Verbindung zu bringen.

Beispiel

So können beispielsweise ein falsch geschriebener Kundenname oder falsche Kontaktinformationen zu doppelten Datensätzen in einem Datensatz für denselben Kunden führen. Dies wiederum erhöht die Zahl der eingehenden Anrufe, verringert die Kundenzufriedenheit und wirkt sich auf die Prüfungsnachfrage aus. Diese Missgeschicke fordern ihren Tribut in Form von erhöhtem Personalaufwand, Auftragsrückgang aufgrund von Kundenunzufriedenheit und erhöhter Cashflow-Schwankungen usw.

Aber wenn Sie diese Informationen auf Papier bringen können, wo etwas so Kleines wie ein falsch geschriebener Kundenname mit etwas so Großem wie dem Verlust von Kunden in Verbindung gebracht wird, kann dies der erste Schritt sein, um die Bedeutung der Datenqualität zu verdeutlichen.

2. Nützliche Ressourcen zur Datenqualität nutzen

In unserem Datenqualitäts-Hub haben wir eine Reihe von Inhalten, die die Datenqualität aus verschiedenen Blickwinkeln und Perspektiven beleuchten. Wahrscheinlich werden Sie dort etwas finden, das Ihren Anforderungen entspricht – etwas, das Ihnen hilft, Ihr Team oder Ihre Manager von der Bedeutung und der Rolle der Datenqualität für jede datengesteuerte Initiative zu überzeugen.

Nachstehend finden Sie eine Liste solcher Ressourcen:

• Die Auswirkungen einer schlechten Datenqualität: Risiken, Herausforderungen und Lösungen
• Messung der Datenqualität: Wann sollten Sie sich Sorgen machen?
• Aufbau eines Datenqualitätsteams: Zu berücksichtigende Rollen und Verantwortlichkeiten
• 8 bewährte Verfahren zur Gewährleistung der Datenqualität auf Unternehmensebene
• Dimensionen der Datenqualität – 10 Metriken, die Sie messen sollten
• 5 Datenqualitätsprozesse, die man kennen sollte, bevor man einen DQM-Rahmen entwirft
• Entwurf eines Rahmens für das Datenqualitätsmanagement
• Der endgültige Leitfaden für den Kauf von Datenqualitätstools

3. Darstellung des Nutzens der Datenqualität in den wichtigsten Säulen

In diesem Abschnitt erfahren Sie, wie Sie durchgängige Datenqualitätstests und -korrekturen für die sechs Hauptsäulen eines Unternehmens (Geschäft, Finanzen, Kunden, Wettbewerb, Team und Technologie) nutzen können.

a. Business

Ein Unternehmen nutzt seine Daten als Treibstoff für alle Abteilungen und Funktionen. Sich nicht auf die Authentizität und Genauigkeit Ihrer Daten verlassen zu können, kann eine der größten Katastrophen bei jeder Dateninitiative sein. Obwohl alle Geschäftsbereiche von einer guten Datenqualität profitieren, gehören zu den wichtigsten Bereichen:

i. Entscheidungsfindung

Anstatt sich auf Intuitionen und Vermutungen zu verlassen, nutzen Unternehmen Business Intelligence und Analyseergebnisse, um konkrete Entscheidungen zu treffen. Unabhängig davon, ob diese Entscheidungen auf individueller oder auf Unternehmensebene getroffen werden, werden die Daten im gesamten Unternehmen genutzt, um Muster in den Informationen der Vergangenheit zu finden, so dass genaue Rückschlüsse für die Zukunft gezogen werden können. Ein Mangel an qualitativ hochwertigen Daten kann die Ergebnisse Ihrer Analyse definitiv verfälschen, so dass dieser Ansatz mehr schadet als nützt.

Lesen Sie mehr unter Verbesserung von Analysen und Business Intelligence mit sauberen Daten.

ii. Betrieb

Verschiedene Abteilungen wie Vertrieb, Marketing und Produkt sind auf Daten angewiesen, um ihre Geschäftsprozesse effektiv zu gestalten. Ganz gleich, ob Sie Produktinformationen auf Ihre Website stellen, Interessentenlisten für Marketingkampagnen verwenden oder Verkaufsdaten zur Berechnung des Jahresumsatzes heranziehen – Daten sind Teil jedes kleinen oder großen Unternehmens. Qualitativ hochwertige Daten können daher die betriebliche Effizienz Ihres Unternehmens steigern, während sie gleichzeitig die Genauigkeit der Ergebnisse gewährleisten und Lücken für potenzielle Fehler verringern.

Lesen Sie mehr unter Schlüsselkomponenten, die Teil der betrieblichen Effizienzziele sein sollten.

iii. Einhaltung der Vorschriften

Normen zur Einhaltung von Datenschutzbestimmungen (wie GDPR, HIPAA und CCPA usw.) zwingen Unternehmen dazu, ihre Datenverwaltungsstrategien zu überdenken und zu überarbeiten. Im Rahmen dieser Daten-Compliance-Standards sind die Unternehmen verpflichtet, die personenbezogenen Daten ihrer Kunden zu schützen und sicherzustellen, dass die Dateneigentümer (die Kunden selbst) das Recht haben, auf ihre Daten zuzugreifen, sie zu ändern oder zu löschen.

Neben diesen Rechten, die den Dateneigentümern zugestanden werden, machen die Standards die Unternehmen auch für die Einhaltung der Grundsätze Transparenz, Zweckbindung, Datenminimierung, Richtigkeit, Speicherbegrenzung, Sicherheit und Rechenschaftspflicht verantwortlich. Die rechtzeitige Umsetzung solcher Grundsätze wird durch eine saubere und zuverlässige Datenqualität wesentlich erleichtert. Qualitativ hochwertige Daten können Ihnen also dabei helfen, integrale Compliance-Standards einzuhalten.

Weitere Informationen finden Sie unter Die Bedeutung der Datenbereinigung und des Datenabgleichs für die Einhaltung der Datenvorschriften.

b. Finanzen

Die Finanzen eines Unternehmens enthalten eine Fülle von Kunden-, Mitarbeiter- und Lieferanteninformationen sowie die Historie aller Transaktionen, die mit diesen Einheiten stattgefunden haben. Bankunterlagen, Rechnungen, Kreditkarten, Bankauszüge, Kundeninformationen sind vertrauliche Daten, die keinen Platz für Fehler haben. Aus diesem Grund tragen kohärente, genaue und verfügbare Daten dazu bei, dies zu gewährleisten:

• Pünktliche Zahlungen werden bei Fälligkeit geleistet,
• Fälle von Unter- und Überbezahlung werden vermieden,
• Überweisungen an falsche Empfänger werden vermieden,
• Die Wahrscheinlichkeit von Betrug wird durch doppelte Datensätze usw. verringert.

Lesen Sie mehr unter Die Auswirkungen des Datenabgleichs auf die Finanzwelt.

c. Kunde

In dieser Zeit suchen die Kunden nach Personalisierung. Die einzige Möglichkeit, sie davon zu überzeugen, bei Ihnen und nicht bei einem Konkurrenten zu kaufen, besteht darin, ihnen ein Erlebnis zu bieten, das für sie besonders ist. Geben Sie ihnen das Gefühl, dass sie gesehen, gehört und verstanden werden. Um dies zu erreichen, nutzen Unternehmen eine Vielzahl von Kundendaten, um deren Verhalten und Vorlieben zu verstehen. Wenn diese Daten schwerwiegende Mängel aufweisen, werden Sie natürlich falsche Schlüsse über Ihre Kunden oder potenziellen Käufer ziehen. Dies kann zu einer geringeren Kundenzufriedenheit und Markentreue führen.

Andererseits erhöht die Qualität der Daten die Wahrscheinlichkeit, relevante Käufer oder Leads zu finden – also Personen, die an einer Geschäftsbeziehung mit Ihnen interessiert sind. Wenn Sie Daten von schlechter Qualität in Ihren Datensätzen zulassen, kann dies zu einem zusätzlichen Rauschen führen und dazu, dass Sie potenzielle Leads auf dem Markt aus den Augen verlieren.

Lesen Sie mehr unter Ihr kompletter Leitfaden zur Erlangung einer 360-Kunden-Sicht.

d. Wettbewerb

Eine gute Datenqualität kann Ihnen helfen, potenzielle Chancen für Cross- und Upselling auf dem Markt zu erkennen. Ebenso können genaue Marktdaten und -kenntnisse Ihnen dabei helfen, Ihre Marke und Ihr Produkt entsprechend den Marktbedürfnissen effektiv zu gestalten.

Wenn Ihre Konkurrenten hochwertige Daten nutzen, um Trends in Bezug auf Marktwachstum und Verbraucherverhalten abzuleiten, werden sie Sie auf jeden Fall hinter sich lassen und potenzielle Kunden schneller und zeitnah konvertieren. Werden jedoch falsche oder fehlerhafte Daten für eine solche Analyse verwendet, kann Ihr Unternehmen zu falschen Entscheidungen verleitet werden, was Sie viel Zeit, Geld und Ressourcen kostet.

Lesen Sie mehr unter Wie können Sie Ihre Daten als Wettbewerbsvorteil nutzen?

e. Team

Die Verwaltung von Daten und deren Qualität ist die Hauptaufgabe des Datenteams, aber fast jeder profitiert von sauberen und genauen Daten. Mit qualitativ hochwertigen Daten muss Ihr Team nicht jedes Mal Zeit mit der Korrektur von Datenqualitätsproblemen verbringen, bevor es sie für seine Routineaufgaben verwenden kann. Da die Mitarbeiter keine Zeit für Nacharbeiten aufgrund von Fehlern und Lücken in den Datensätzen verschwenden, wirkt sich dies positiv auf die Produktivität und Effizienz des Teams aus, und es kann sich auf die eigentliche Aufgabe konzentrieren.

Lesen Sie mehr unter Aufbau eines Datenqualitätsteams: Zu berücksichtigende Rollen und Verantwortlichkeiten.

f. Technologie

Die Datenqualität kann bei der Digitalisierung eines beliebigen Aspekts Ihres Unternehmens durch Technologie ein entscheidender Faktor sein. Es ist recht einfach, einen Prozess zu digitalisieren, wenn die Daten strukturiert, organisiert und aussagekräftig sind. Andererseits kann eine schlechte oder mangelhafte Datenqualität in den meisten Unternehmen das größte Hindernis für die Prozessautomatisierung und die Einführung von Technologien sein.

Ganz gleich, ob Sie ein neues CRM, Business Intelligence oder die Automatisierung von Marketingkampagnen einsetzen, Sie werden nicht die erwarteten Ergebnisse erzielen, wenn die Daten Fehler enthalten und nicht standardisiert sind. Damit Sie Ihre Webanwendungen oder Datenbanken optimal nutzen können, muss der Inhalt der Daten akzeptablen Datenqualitätsstandards entsprechen.

Lesen Sie mehr unter Der endgültige Leitfaden für den Kauf von Datenqualitätstools.

Schlussfolgerung

Und da haben Sie es – wir sind eine ganze Reihe von Informationen durchgegangen, die Ihnen helfen können, vor Interessenvertretern oder Vorgesetzten ein Argument für Datenqualität zu finden. Dieser Beitrag ist definitiv etwas anders, was die Darstellung der Vorteile von Datenqualität angeht. Der Grund dafür ist, dass ich, anstatt sechs oder zehn Bereiche hervorzuheben, die mit Qualitätsdaten verbessert werden können, unsere Aufmerksamkeit auf einen wichtigeren Punkt lenken wollte: Die Datenqualität wirkt sich in zu vielen verschiedenen Dimensionen auf die Hauptpfeiler Ihres Unternehmens aus.

Unternehmensleiter müssen erkennen, dass das Vorhandensein und die Nutzung von Daten nicht einmal die Hälfte des Spiels ausmachen. Die Fähigkeit, diesen Daten zu vertrauen und sich auf sie zu verlassen, um konsistente und genaue Ergebnisse zu erzielen, ist jetzt das wichtigste Anliegen. Aus diesem Grund setzen Unternehmen häufig eigenständige Datenqualitäts-Tools ein, um ihre Datensätze zu bereinigen und zu standardisieren, damit sie jederzeit und überall vertrauenswürdig sind und verwendet werden können.