Blog

Übernehmen Sie ein Unternehmen erst, wenn Sie seine Datenqualität bewertet haben

Zu Fusionen und Übernahmen kommt es, wenn Unternehmen der Meinung sind, dass sie zusammen wertvoller sind als wenn sie getrennt operieren. Die Unternehmen verbinden Arbeitskräfte, Systeme, Infrastruktur und Daten zu einer neuen, leistungsfähigeren, wertvolleren und effektiveren Einheit. Allerdings nur so lange, bis sie merkten, dass sie die wichtigsten Probleme mit Daten, IT-Infrastruktur und Integrationsplänen übersehen oder unterschätzt hatten. Tatsächlich scheitern die meisten Fusions- und Übernahmepläne kläglich an den Problemen der Datenintegration.

Ersparen Sie sich die verheerenden Kosten einer gescheiterten Fusion. Übernehmen Sie ein Unternehmen erst, wenn Sie seine Dateninfrastruktur und die Einhaltung von Qualitätsstandards bewertet haben.

Warum die Betonung auf Datenqualität?

Im Jahr 2019 beläuft sich der Wert der weltweiten M&A-Deals auf 3,9 Billionen USD. Ironischerweise kommt ein anderer Bericht zu dem Schluss, dass bis zu 90 % der Fusionen ihre Ziele nicht erreichen.

Obwohl es viele Faktoren für dieses Scheitern gibt (die meisten davon sind subjektiv und hängen mit der Unternehmenskultur, dem Budget, der Infrastruktur usw. zusammen), haben wir festgestellt, dass der häufigste Grund für das Scheitern von Migrationen der Mangel an Due-Diligence-Prüfung der Daten ist.

Das Problem der Datenqualität ist nicht neu. In dem Maße, in dem sich die Welt auf die Nutzung von Big Data für wichtige Entscheidungen zubewegt, ist es für Unternehmen jedoch unerlässlich, die Risiken einer Vernachlässigung der Datenqualität zu verstehen. Die meisten Unternehmen konzentrieren sich auf die Datenqualität nach der Migration, aber dieser Ansatz kann den M&A-Prozess erheblich verlangsamen, wenn nicht sogar ganz zum Scheitern bringen.

Abgesehen von einer gescheiterten Fusion gibt es weitere typische Probleme, die auftreten, wenn die Datenqualität vernachlässigt wird. Diese sind:

  1. Ausufernde Kosten aufgrund mangelhafter Daten: Nach der Migration müssen Unternehmen oft Millionen von Dollar für die Einstellung von Datenwissenschaftlern oder Analysten und Spezialisten ausgeben, um Probleme mit der Datenqualität zu beheben. Allein für die Einstellung und Bindung von Fachkräften für das Datenqualitätsmanagement werden jedes Jahr mehr als 250 US-Dollar ausgegeben. Rechnet man weitere Kosten hinzu, die durch verfehlte Ziele, fragmentierte Daten und drohende Strafen, Verstöße usw. verursacht werden, kommt man auf Millionen von Dollar an entgangenen Einnahmen. Die schiere Vielfalt und Komplexität der Dateninfrastruktur reicht aus, um den Untergang eines Unternehmens in Bezug auf Kosten, Ruf und entgangene Chancen herbeizuführen.
  2. Doppelte Daten als kritische Herausforderung: Auch wenn schmutzige oder unordentliche Daten eine Herausforderung darstellen, sind sie nicht so gefährlich wie doppelte Daten. In der Tat sind doppelte Daten die größte Herausforderung für die Datenqualität. Duplikate können zu einer falschen Wahrnehmung der Unternehmensleistung bei Stakeholdern, Handelspartnern, Kunden und Lieferanten führen. Abgesehen von fehlerhafter Wahrnehmung und Analyse können doppelte Zahlungen Unternehmen zwischen 0,5 % und 0,1 % der jährlichen Rechnungszahlungen kosten. Bei einem Unternehmen mit Verbindlichkeiten in Höhe von 1 Milliarde USD bedeutet dies 1 Million USD an doppelten Zahlungen.
  3. Das Problem mit den unterschiedlichen Datenquellen: Unternehmen verfügen kaum über eine einzige oder einheitliche Quelle der Wahrheit, wenn es um Daten geht – insbesondere Kundendaten, die im Falle von Fusionen und Übernahmen Gold wert sind. Unterschiedliche Datenquellen unterscheiden sich nicht nur in Bezug auf Formatierung oder Struktur, sondern auch in Bezug auf die Informationen. So kann es beispielsweise sein, dass Vertrieb und Marketing zwei verschiedene Sätze von Kundeninformationen speichern, was zu einem fragmentierten Verständnis der Zielgruppe führt. Unterschiedliche Datenquellen sind die Hauptursache für doppelte Daten und es ist ein enormer Aufwand, diese zu beseitigen. Sie müssen Daten aus allen Quellen konsolidieren, tief verborgene Duplikate ausmerzen, Daten bereinigen, umstrukturieren und an das neue System anpassen. Dies allein erfordert Monate, wenn nicht Jahre der Anstrengung. Unternehmen gehen oft fälschlicherweise davon aus, dass es nur 6 Monate dauert, Daten zu bereinigen, aber im Grunde genommen sind es Jahre vergeudeter Mühe. Probleme mit der Datenqualität werden zu einem dauerhaften Problem, für dessen Behebung Unternehmen Millionen von Dollar ausgeben.
  4. Datensicherheit und Compliance: Es ist wichtig zu prüfen, ob das Unternehmen, das Sie erwerben möchten, eine sichere Datenethik praktiziert oder ob es die lokalen und globalen Datengesetze einhält. Wenn Sie nicht die erforderliche Prüfung der Geschäftsprozesse und der Einhaltung der Datengesetze durchgeführt haben, riskieren Sie Strafen und Klagen.
  5. Überprüfung der Datenmanagement-Prozesse des Unternehmens: Wie erfasst und verwaltet das Unternehmen die Daten? Welche Datenstandards werden verwendet und wie wird die Datenqualität wahrgenommen? Es gibt viel zu lernen, wenn man mit Unternehmensleitern über ihr Verständnis von Datenqualität spricht. Es ist ziemlich wahrscheinlich, dass ein Unternehmen, das sich der Datenqualität nicht bewusst ist oder sie nicht im Blick hat, das Problem an die IT-Abteilung weitergibt, und die IT-Abteilung wird wahrscheinlich über all die großartigen Ambitionen sprechen, die sie mit Cloud-Infrastrukturen, Data Lakes, neuen ERP-Systemen und anderen ausgefallenen Fachausdrücken hat – sie wird nur keinen Plan für die Lösung von Datenqualitätsproblemen haben. Nach unserer Erfahrung mit Fortune-500-Unternehmen machen fast alle von ihnen die IT-Abteilung für Datenprobleme verantwortlich. Egal, ob es sich um Kundendaten oder um Daten von Geschäftsanwendern handelt, die Extraktion und Umwandlung von Daten für die Nutzung wurde schon immer der IT-Abteilung übertragen. Leider ist die IT-Abteilung nicht der wahre Eigentümer der Kundendaten und weiß auch nicht, wofür die Daten verwendet werden. Wenn ein Unternehmen nicht in der Lage ist, Ihnen die richtige Antwort auf seine Datenqualitätsmanagement-Praktiken zu geben, sollten Sie sicherstellen, dass die Datenprobleme „vor“ der Fusion gelöst werden.

Wie beurteilen Sie die Datenqualität vor einem Zusammenschluss?

Allzu oft wenden Unternehmen erhebliche Personalressourcen für die Behebung von Datenqualitätsproblemen nach einer Fusion auf. Dann werden weitere Änderungen vorgenommen, ohne dass die Probleme mit der Datenqualität gelöst werden. Organisationen, insbesondere aktive Käufer, müssen vor der Übernahme von Unternehmen ein Verfahren zur Bewertung der Datenqualität einführen.

Im Folgenden finden Sie eine vereinfachte, aber effektive Liste von Fragen, die Sie stellen können, um festzustellen, wie ernst die Organisation Probleme mit der Datenqualität nimmt.

  • Wie ist das Verhältnis von Daten zu Fehlern? Dieser Wert kann ermittelt werden, indem die Gesamtzahl der Fehler durch die Gesamtzahl der Items geteilt wird.
  • Wie viele Fehler entstehen, wenn Sie Informationen in ein anderes Format konvertieren?
  • Wie hoch ist der Schweregrad von Duplikaten? Werden die eindeutigen IDs gut gepflegt?
  • Verfügt das Unternehmen über große Datensätze, die in unterschiedlichen Quellen gespeichert sind?
  • Welcher Prozess der Datenerfassung, -speicherung und -umwandlung wird von dem Unternehmen praktiziert?
  • Welche Datenstrategien und -technologien setzt das Unternehmen ein?
  • Wie ermitteln Sie das Potenzial und den künftigen Wert, der mit der Zusammenführung von Datensätzen verbunden ist?
  • Welches sind die wesentlichen Herausforderungen, die bei der Zusammenführung von Daten auftreten werden?
  • Ist es möglich, eine goldene, konsolidierte oder einzige Ansicht der Kunden zu erstellen?
  • Welche Instrumente und Lösungen sind erforderlich, um die Übertragung oder Konsolidierung von Daten zum Erfolg zu führen?

Wie man Bereinigungsdaten zusammenführt, um Goldene Datensätze zu erstellen

Erfahren Sie mehr darüber, wie wir Unternehmen dabei geholfen haben, Daten aus verschiedenen Quellen zu kombinieren, um den perfekten Datensatz zu erstellen.
Herunterladen

Auch wenn sich diese Fragen allzu vereinfacht anfühlen mögen, so helfen sie doch bei der vorläufigen Bewertung des Umgangs des Unternehmens mit Daten.

Es ist von entscheidender Bedeutung, dass die Daten „für den Zweck geeignet“ sind. Wird dieser entscheidende Aspekt vernachlässigt, kann dies zu teuren Rechtsstreitigkeiten führen.

Wie hilft Data Ladder Unternehmen bei einem M&A-Prozess?

Data Ladder ist ein von Gartner anerkannter Anbieter von Datenqualitätslösungen. Unser Flaggschiff, DataMatch Enterprise, wird von US-Regierungseinrichtungen und Fortune-500-Unternehmen wie Deloitte, HP und Coca Cola zur Lösung von Datenqualitätsproblemen eingesetzt.

Bei Fusionen und Übernahmen haben wir Dutzende von Unternehmen dabei unterstützt, ihre Geschäftsziele durch Datenprofilierung, Datenabgleich und Datendeduplizierung zu erreichen. Data Ladder ist sogar die einzige Lösung mit der höchsten Datenabgleichsgenauigkeit von 95 %. IBM und SAS liegen bei 80 bzw. 85 %.

Mit unserer Lösung kann Ihr Unternehmen:

  • Bestimmen Sie den allgemeinen Zustand der Daten: Manchmal stellen beide Unternehmen während einer Fusion fest, dass sie fehlerhafte Daten haben. Unabhängig davon, ob Sie die Datenqualität vor oder nach der Bewertung beurteilen, benötigen Sie ein Tool, das ein Profil Ihrer Daten erstellt und Sie über den allgemeinen Zustand Ihrer Datenspalten informiert. Mit der Datenprofilierungsfunktion können Sie die Art der Fehler, die Ihre Daten befallen, bewerten. Mit Hilfe der Datenprofilerstellung können Sie beispielsweise feststellen, in wie vielen Feldern Telefonnummern fehlen oder wie viele Namensfelder Abkürzungen anstelle von Eigennamen enthalten. Mit diesen Informationen ist es einfacher, eine Datenbereinigungsstrategie zu verwalten und zu planen.
  • Deduplizieren Sie Daten mit Datenabgleich zwischen, über und innerhalb von Datenquellen: Duplikate treten nicht nur innerhalb von Datenquellen auf, sondern auch zwischen zwei Datenquellen oder über mehrere Datenquellen hinweg. Wenn also Marketing, Vertrieb, Fakturierung oder Kundensupport dieselben Kundendaten auf verschiedene Weise speichern, müssen Sie diese konsolidieren, um Duplikate auszusortieren und einen genauen Überblick über die Kundendaten zu erhalten.
  • Datenintegration mit Unterstützung für mehr als 150 Plattformen: In Oracle, Excel oder Hadoop gespeicherte Daten? Müssen Sie Daten Dritter wie Facebook oder Twitter auswerten? Was auch immer Ihre Anforderungen sind, Data Ladder unterstützt mehr als 150 Plattformen. Diese einfache Datenintegration ermöglicht es Unternehmen, direkt mit ihren Kundendatenplattformen zu arbeiten, ohne sich um die Extraktion, Umwandlung und das Laden von Daten in akzeptable Formate kümmern zu müssen.
  • Vor-Ort-Lösung für mehr Sicherheit und Kontrolle: Die meisten Datenqualitätslösungen arbeiten in der Cloud, während andere verlangen, dass Sie Daten auf ihre Plattform hochladen. Data Ladder bietet eine Vor-Ort-Lösung, mit der Sie Datenprobleme auf Ihren eigenen Servern oder Ihrer Cloud-Plattform lösen können. Sobald Sie die Lizenz erworben haben, haben Sie die vollständige Kontrolle darüber, wie Sie die Lösung zu Ihrem Vorteil nutzen wollen.
  • Einem vollständigen Datenqualitätsrahmen folgend: DataMatch Enterprise ist so konzipiert, dass Benutzer ihre Daten durch einen Datenqualitätsrahmen laufen lassen können, der aus 8 kritischen Phasen besteht:

Dieser gesamte Rahmen ermöglicht es Unternehmen, ihre Daten durch einen vollständigen Bereinigungs-, Sortier- und Deduplizierungsprozess zu führen und schließlich einen Stammdatensatz zu erstellen, den sie für ihre beabsichtigten Ziele verwenden können.

Zum Schluss:

Wir werden es kurz machen. Wann immer Sie eine Übernahme oder einen Zusammenschluss mit einem Unternehmen planen, sollten Sie eine Bewertung der Datenqualität durchführen. Sie wollen nicht, dass schlechte Daten zu einem Hindernis auf dem Weg zur Größe werden.

Wie die besten Fuzzy-Matching-Lösungen funktionieren: Kombination von bewährten und eigenen Algorithmen


Herunterladen

Starten Sie noch heute Ihren kostenlosen Test

Oops! Wir konnten dein Formular nicht lokalisieren.

In this blog, you will find:

Try data matching today

No credit card required

*“ zeigt erforderliche Felder an

Hidden
Hidden
Hidden
Hidden
Hidden
Hidden
Hidden
Dieses Feld dient zur Validierung und sollte nicht verändert werden.

Want to know more?

Check out DME resources

Merging Data from Multiple Sources – Challenges and Solutions

Oops! Wir konnten dein Formular nicht lokalisieren.