Blog

Die Auswirkungen einer schlechten Datenqualität: Risiken, Herausforderungen und Lösungen

Es ist schwierig, ein Datenproblem mit einem Geschäftsrisiko oder einer Auswirkung in Verbindung zu bringen.

Schlechte Datenqualität kann verheerende Folgen für Ihr Unternehmen haben. Die meisten Mitarbeiter in Unternehmen sind sich der Auswirkungen einer schlechten Datenqualität bewusst, aber es fällt ihnen schwer, dies auf dem Papier zu begründen – sei es, um die Investition in Pläne zur Verbesserung der Datenqualität zu rechtfertigen oder um ihre Vorgesetzten zu überzeugen, Maßnahmen zu ergreifen. Aus diesem Grund ist es unerlässlich, Datenqualitätsprobleme mit potenziellen Geschäftsrisiken und den damit verbundenen Kosten in Verbindung zu bringen, damit Sie rechtzeitig die Aufmerksamkeit der erforderlichen Interessengruppen gewinnen und mögliche Abhilfemaßnahmen umsetzen können.

In diesem Blog gehen wir darauf ein, wie verschiedene Datenqualitätsprobleme Ihr Unternehmen ernsthaft gefährden können und welche Maßnahmen Sie ergreifen können, um sie zu überwinden.

Gestaltung des Datenfehlers – Geschäftsrisikomatrix

David Loshin (in seinem Buch Der Leitfaden für Praktiker zur Verbesserung der Datenqualität ) eine sehr nützliche Vorlage, um Datenmängel mit den Auswirkungen auf das Geschäft und den daraus resultierenden Kosten in Verbindung zu bringen. Ich habe die Vorlage in der nachstehenden Tabelle zusammengefasst:

ProblemAusgabeGeschäftliches RisikoQuantifiziererKosten (jährlich)
Dies ist das Problem der Datenqualität, das in Ihrem Datensatz steckt. Dies sind die verschiedenen Probleme, die durch das Datenproblem entstehen können. Dies sind die Auswirkungen, die das Problem auf das Unternehmen haben kann. Damit werden die Auswirkungen in Form einer betriebswirtschaftlichen Maßnahme quantifiziert. Dies liefert eine regelmäßige Schätzung der Kosten, die durch die Auswirkungen auf das Geschäft entstehen.
Beispiel
Falsch geschriebene Kundennamen und Kontaktinformationen Doppelte Datensätze für denselben Kunden erstellt Kundenbetreuung: Erhöhte Anzahl eingehender Anrufe Mehr Zeit für das Personal Mehr Personalaufwand im Wert von $30.000,00
Kundenbetreuung: Geringere Kundenzufriedenheit Auftragsrückgang, verlorene Kunden ~500 weniger Aufträge in diesem Jahr (im Vergleich zu den Schätzungen)
Konten: Auswirkungen auf den Cashflow Zunahme der Volatilität des Cashflows In etwa 20 % der Fälle kann man sich nicht auf den geschätzten Cashflow verlassen.
Buchhaltung: Erhöhter Prüfungsbedarf Mehr Zeit für das Personal Mehr Personalaufwand im Wert von $20.000,00

Diese Vorlage fasst genau zusammen, welche Auswirkungen ein Datenqualitätsproblem (etwas so Kleines wie ein falsch geschriebener Kundenname) auf Ihr Unternehmen haben kann. Bei dieser Vorlage gibt es einige Dinge zu beachten:

  • Ein Datenqualitätsproblem kann zu mehreren Problemen führen. So kann beispielsweise ein falsch geschriebener Kundenname oder eine falsch angegebene Kontaktinformation dazu führen, dass Sie einen falschen Kunden in Ihrer Datenbank haben und den Kontakt zu einem echten Kunden verlieren.
  • Ein einziges Problem kann mehrere Auswirkungen auf verschiedene vertikale Geschäftsbereiche haben. In der obigen Tabelle haben wir gesehen, dass ein Problem zwei Auswirkungen auf den Kundendienst und zwei Auswirkungen auf die Buchhaltung hatte. Ein und dasselbe Problem kann sich stärker auf diese Abteilungen auswirken oder auch auf andere vertikale Bereiche wie Vertrieb, Marketing, Produkt usw.
  • Der Quantifizierer muss aufgespürt werden, und es kann mehrere Quantifizierer für einen einzigen Impact geben.
  • Die Kosten werden geschätzt und können zu jedem beliebigen Zeitpunkt gemessen werden, z. B. monatlich, vierteljährlich, jährlich usw.

Die oben erwähnte Vorlage bildet die Grundlage für die Zuordnung aller Arten von Datenqualitätsproblemen zu den geschätzten Geschäftsrisiken. Aber nur um Ihnen zu helfen, die Vorlage für Ihren spezifischen Geschäftsfall auszufüllen, führe ich in diesem Blog die folgenden Aspekte auf:

  • die verschiedenen Arten von Datenqualitätsproblemen, die in den wichtigsten Datenbeständen eines Unternehmens auftreten, und
  • Die häufigsten Geschäftsrisiken, die auf diese Datenqualitätsprobleme zurückzuführen sind.

Fangen wir an.

Probleme mit der Datenqualität

Werfen wir einen Blick auf die häufigsten Qualitätsprobleme, die in den Datensätzen eines Unternehmens zu finden sind.

  1. Falsche Daten: Dies sind die Daten, die nicht der Realität entsprechen. Dies geschieht in der Regel aus folgenden Gründen:
    1. Überholte Informationen: Die Daten ändern sich im Laufe der Zeit und müssen regelmäßig überprüft und überarbeitet werden.
    2. Menschliches Versagen: Tippfehler, Rechtschreibfehler und falsches Datenverständnis sind einige der häufigsten Gründe für Datenqualitätsprobleme.
    3. Zweideutige Metadaten: Wenn Sie nicht genau wissen, was bestimmte Datenfelder bedeuten, kann dies dazu führen, dass Sie falsche Informationen speichern.
  2. Doppelte Daten: Dies bezieht sich auf die Speicherung mehrerer Datensätze, die zur selben Entität gehören.
  3. Unvollständige Daten: Dies bezieht sich darauf, dass notwendige Felder in Ihren Datensätzen leer bleiben.
  4. Inkonsistente Formate und Muster: Hier geht es darum, dass dieselben Daten in verschiedenen Formaten und Mustern gespeichert werden, anstatt einem standardisierten Format und Muster zu folgen.
  5. Fehlende Abhängigkeiten: Bestimmte Datenfelder sind leer, da ihre abhängigen Felder leer sind. So kann beispielsweise eine leere Postleitzahl dazu führen, dass das Feld für die unterstützenden Geocodes leer bleibt.
  6. Unterschiedliche Maßeinheiten: Dies bezieht sich auf die Speicherung desselben Datenfeldes in mehreren Maßeinheiten, was dazu führt, dass Sie keine standardisierte Maßeinheitsskala haben.

Geschäftsrisiken im Zusammenhang mit schlechter Datenqualität

Um die Auswirkungen einer schlechten Datenqualität auf ein Unternehmen abschätzen zu können, müssen Sie ermitteln, welche Rolle Daten in den verschiedenen Geschäftsprozessen spielen. Auf diese Weise können Sie feststellen, bei welchen Prozessen es zu Problemen und Verzögerungen kommen kann, wenn die Daten eines der oben genannten Probleme aufweisen. Im Folgenden habe ich die häufigsten Geschäftsrisiken aufgeführt, die mit einer schlechten Datenqualität verbunden sind.

1. Verpasste Gelegenheiten

Von den 3,64 Millionen Leads, die jedes Jahr generiert werden, werden 45 % der Leads aufgrund von doppelten Daten, ungültiger Formatierung, fehlgeschlagener E-Mail-Validierung und fehlenden Feldern als schlechte Leads gefiltert. Quelle

Ein Unternehmen ist anfällig für verpasste Chancen an mehreren Fronten, wenn die Datenqualität in den verschiedenen Datensätzen schlecht ist. Mit unzureichenden Lead-Daten verpassen Sie zum Beispiel die Chance, potenzielle Kunden zu identifizieren. Ebenso können unzureichende Produktinformationen Ihre Fähigkeit beeinträchtigen, Ihre Produktentwicklung entsprechend den Marktbedürfnissen effektiv zu planen. Die Konkurrenten in Ihrer Landschaft werden mit Sicherheit die Führung auf dem Markt übernehmen, wenn sie über zuverlässigere und genauere Datensätze verfügen.

2. Verlorene Einnahmen

Unternehmen sind der Meinung, dass schlechte Datenqualität für Verluste in Höhe von durchschnittlich 15 Millionen Dollar pro Jahr verantwortlich ist. Quelle

Dies ist mit Sicherheit eines der größten Risiken, das Ihr Unternehmen aufgrund einer schlechten Datenqualität eingehen kann. Unvollständige oder fehlerhafte Daten (sei es in Form von Kundenkontaktinformationen, Produktinformationen oder Unklarheiten im Finanzdatensatz) können dazu führen, dass Sie potenzielle Kunden verlieren und dadurch Umsatzeinbußen erleiden. Wenn diese Fehler nicht mit einem mangelhaften Datenqualitätsmanagement zusammenhängen, werden Sie nur schwer verstehen können, warum Ihr Team nicht in der Lage ist, seine jährlichen Umsatz- oder Ertragsziele zu erreichen.

3. Geringere betriebliche Effizienz und Produktivität

Die meisten Datenteams im Jahr 2021 gaben an, dass sie keine Datenqualitätssoftware verwenden und sich auf manuelle Datenqualitätsprüfungen verlassen. Quelle

Wenn die Mitarbeiter eines Unternehmens Datenqualitätsprobleme manuell korrigieren, bevor sie die Daten verwenden, kann dies ihre Effizienz und Produktivität beeinträchtigen. Viele Datenanalysten und Datenwissenschaftler haben das Gefühl, dass sie mehr Zeit mit der Aufbereitung und Bereinigung von Daten verbringen als mit der Durchführung von Analysen und der Erstellung zuverlässiger Vorhersagen über die Zukunft des Unternehmens. Aus diesem Grund benötigt Ihr Unternehmen ein End-to-End-System, das Technologien zur Automatisierung der Datenqualitätsvalidierung und zur rechtzeitigen Implementierung von Datenqualitätsprozessen einsetzt. Auf diese Weise können Ihre Daten in jeder Phase ihres Lebenszyklus nutzbar gemacht werden – ohne zusätzlichen Aufwand zur Laufzeit.

4. Unzufriedenheit der Kunden

Von den 37 % der Befragten, die sich mit der Kundenerfahrung bei externen Prozessen befassen, überwachen nur 30 % proaktiv die Auswirkungen der Datenqualität. Quelle

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.

5. Fehlinterpretation

84 % der CEOs sind besorgt über die Qualität der Daten, auf die sie ihre Entscheidungen stützen. – Quelle

Es gibt zwei Möglichkeiten, den zukünftigen Markt, die Nachfrage und den Bedarf vorherzusagen. Eine davon ist, dass Sie Ihrem Instinkt folgen. Die zweite besteht darin, vergangene Daten zu betrachten, um Muster zu erkennen und die wahrscheinliche Zukunft vorherzusagen. Es ist offensichtlich, dass der zweite Weg zuverlässiger ist. Aber wenn es um Business Intelligence oder Marktanalysen geht, werden Ihre Erkenntnisse nur so gut sein wie die Eingangsdaten. Wenn die Daten, mit denen Ihr Analysealgorithmus gefüttert wird, mehrere Probleme mit der Datenqualität aufweisen, werden die erkannten Muster ungenau sein – was dazu führt, dass Sie eine falsche Vorstellung von der Zukunft des Marktes bekommen.

6. Reputationsschaden

Der durchschnittliche Verbraucher verbringt 13 Minuten und 45 Sekunden mit dem Lesen von Bewertungen, bevor er eine Kaufentscheidung trifft. – Quelle

Unzureichende Produktinformationen sind einer der Hauptgründe, warum Kunden gekaufte Produkte zurückgeben. Das Produkt war nicht so, wie es auf der Website beworben wurde. In einigen Fällen kann eine schlechte Datenqualität jedoch mehr kosten als nur zurückgegebene Produkte. Im März 2017 stürzte die Rescue 116 auf ein 282 Fuß hohes Hindernis – Blackrock Island vor der Küste der Grafschaft Mayo. Weitere Untersuchungen ergaben, dass der Hubschrauberbetreiber CHC Ireland nicht über ein „formalisiertes, standardisiertes, kontrolliertes oder regelmäßiges“ System verfügte. Aus diesem Grund fehlten in der Datenbank, die der Betreiber zur Überprüfung der Flugrouten verwendet, Angaben über Blackrock Island.

Berichten zufolge wurde die Besatzung erst 13 Sekunden vor dem Hindernis auf ihrer Flugroute gewarnt. Das Schlimmste daran ist, dass vier Jahre vor dem Vorfall eine Beschwerde über diese Ungenauigkeit in der Datenbank der irischen Küstenwache eingereicht wurde, aber keine Abhilfemaßnahmen getroffen wurden. In einer Welt, in der jede Handlung datengesteuert ist, zeigen solche Vorfälle, dass die Kosten einer schlechten Datenqualität stark unterschätzt werden.

7. Mangelnde Einhaltung der Vorschriften

Artikel 5 der Datenschutz-Grundverordnung besagt, dass personenbezogene Daten sachlich richtig und, soweit erforderlich, auf dem neuesten Stand sein müssen. – Quelle

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. Es ist sehr schwierig, diese Standards einzuhalten, wenn die zugrunde liegenden Daten nicht korrekt, vollständig, gültig und sicher sind. Und ein Mangel an Konformität kann Ihre Geschäftstätigkeit einschränken – insbesondere in geografischer Hinsicht.

8. Erhöhte finanzielle Kosten

IBM schätzt die jährlichen Kosten für schlechte Datenqualität allein in den USA für das Jahr 2016 auf 3,1 Billionen Dollar. – Quelle

All diese oben genannten Geschäftsrisiken führen zu einem Ergebnis: Es kostet Sie mehr Geld, als wenn Sie ein durchgängiges Datenqualitätsmanagementsystem einsetzen würden. Ob Sie nun mehr Personal einstellen oder die Systemprozesse ständig aktualisieren, um die Datenqualität zu gewährleisten, Sie werden nicht die gewünschten Ergebnisse erzielen. Am besten ist es, in die Implementierung eines einzigen, vollständigen Datenqualitätsmanagementsystems zu investieren, das alle verschiedenen Arten von Daten, die in Ihrem Unternehmen verarbeitet werden, bereinigt und aufbereitet, so dass die steigenden finanziellen Kosten kontrolliert werden können.

Schlussfolgerung

Die Implementierung konsistenter, automatisierter und wiederholbarer Datenqualitätsmaßnahmen kann Ihrem Unternehmen dabei helfen, Datenqualität über alle Datensätze hinweg zu erreichen und zu erhalten.

Data Ladder hat gedient Datenqualitätslösungen für seine Kunden seit über einem Jahrzehnt. DataMatch Enterprise ist eines der führenden Datenqualitätsprodukte des Unternehmens – sowohl als eigenständige Anwendung als auch als integrierbares API – die ein durchgängiges Datenqualitätsmanagement ermöglicht, einschließlich Datenprofilierung, Säuberung, passend, Deduplizierung, und merge purge.

Sie können die kostenlose Testversion noch heute herunterladen oder eine persönliche Sitzung mit unseren Experten vereinbaren , um zu erfahren, wie unser Produkt bei der Implementierung der besten Verfahren zur Erreichung und Aufrechterhaltung der Datenqualität auf Unternehmensebene helfen kann.

In this blog, you will find:

Try data matching today

No credit card required

Hidden

Want to know more?

Check out DME resources

Merging Data from Multiple Sources – Challenges and Solutions

Oops! Wir konnten dein Formular nicht lokalisieren.