Schauen wir genauer hin.<\/p>\n
Was ist Datengenauigkeit?<\/b><\/h3>\n
Die Datengenauigkeit bezieht sich auf fehlerfreie Aufzeichnungen, die als zuverl\u00e4ssige Informationsquelle verwendet werden k\u00f6nnen<\/strong>.<\/p>\n Im Datenmanagement ist die Datengenauigkeit die erste und entscheidende Komponente\/Standard des Datenqualit\u00e4tsrahmens. Ein vielzitiertes Werk, Data Quality: The Accuracy Dimension <\/em>“ von Jack Olson erkl\u00e4rt Form und Inhalt als zwei der wichtigsten Merkmale der Datengenauigkeit.<\/p>\n Hier ist ein Beispiel:<\/strong><\/p>\n In der US-Datenbank werden die Daten im Format MM\/TT\/JJJJ angegeben, w\u00e4hrend in der EU-Datenbank und anderen L\u00e4ndern der Welt das Format TT\/MM\/JJJJ verwendet wird. Wenn der 10.09.2020 in einen Inhalt umgewandelt w\u00fcrde, welche der beiden Angaben w\u00e4re dann Ihrer Meinung nach richtig?<\/p>\n Ist heute der10.<\/sup> September oder ist es der9.<\/sup> Oktober? Dies ist das klassische Problem zwischen Bedeutung und Form, das die Datengenauigkeit bedroht. Und dies geschieht in der Regel aufgrund fehlender Datenstandardisierung<\/a> und fehlender Regeln.<\/p>\n Es ist unerl\u00e4sslich, dass alle in einem Data Warehouse gespeicherten Daten korrekt und f\u00fcr die Verwendung geeignet sind. Sie wirkt sich auf die Business Intelligence, die Prognosen, die Budgetierung und andere wichtige Aktivit\u00e4ten eines Unternehmens aus. Wenn die Daten irrelevant, falsch, unvollst\u00e4ndig und ungenau sind, k\u00f6nnen sie Prozesse st\u00f6ren und die betriebliche Effizienz beeintr\u00e4chtigen.<\/p>\n Die Ursachen f\u00fcr ungenaue Daten sind vielf\u00e4ltig. Einige der h\u00e4ufigsten Ursachen sind:<\/p>\n Schlechte Praktiken bei der Dateneingabe: <\/strong>Die Ungenauigkeit der Daten ist das Ergebnis schlechter Dateneingabepraktiken. In einem Unternehmen ohne Data Governance werden die Daten in verschiedenen Formaten, Stilen und Varianten eingegeben. So kann beispielsweise der Name eines Kunden von drei verschiedenen Vertretern auf drei verschiedene Arten geschrieben werden. Schlimmer noch, Daten aus sozialen Medien sind sehr anf\u00e4llig f\u00fcr Fehler, Tippfehler und Copy\/Paste-Fehler.<\/p>\n Keine Regelung der Datenzug\u00e4nglichkeit: <\/strong>Das CRM ist ein gutes Beispiel f\u00fcr diesen Punkt. Wenn Vertrieb, Marketing, Kundendienst und Kundenbetreuer gleichzeitig darauf zugreifen, k\u00f6nnen CRMs zu einer Brutst\u00e4tte f\u00fcr doppelte, inkonsistente und ungenaue Daten werden. So kann es beispielsweise vorkommen, dass ein Marketingmitarbeiter vor der Ver\u00f6ffentlichung einer Fallstudie den Firmennamen des Kunden \u00fcberpr\u00fcfen m\u00f6chte und dann im Feld Firmenname eine falsche Schreibweise oder eine Kurzform des Namens sieht, die vielleicht von einem Vertriebsmitarbeiter eingegeben oder ge\u00e4ndert wurde. Der Marketingmitarbeiter muss mehrere \u00dcberpr\u00fcfungsrunden durchlaufen, um diesen Fehler zu beheben. Schlimmer noch, der Kunde kann am Ende auf den Fehler hinweisen, wenn die Fallstudie ohne \u00dcberpr\u00fcfung ver\u00f6ffentlicht wurde.<\/p>\n Die Datenqualit\u00e4t wird in der Regel nicht ber\u00fccksichtigt: <\/strong>Die Teams sind zu sehr mit Verkauf, Marketing und Werbung besch\u00e4ftigt, um \u00fcber fehlerhafte Informationen im Datensatz nachzudenken. Die F\u00fchrungskr\u00e4fte sind zu sehr damit besch\u00e4ftigt, \u00fcber Investitionen in Cloud- und Big-Data-Systeme, ausgefallene Software und Technologien nachzudenken, als dass sie sich um Daten k\u00fcmmern. Die IT-Teams sind zu sehr damit besch\u00e4ftigt, die Unternehmensf\u00fchrung bei der „Transformation“ zu unterst\u00fctzen, als dass sie sich \u00fcber uneinheitliche, doppelte und ungenaue Daten aufregen k\u00f6nnten. Datenqualit\u00e4t oder -genauigkeit ist kein Thema f\u00fcr die Vorstandsetage. Sie r\u00fcckt nur dann ins Rampenlicht, wenn etwas drastisch schief l\u00e4uft, wie ein fehlerhafter Bericht oder eine unwirksame Marketingkampagne.<\/p>\n All diese Ursachen f\u00fchren zu Verlusten in Millionenh\u00f6he.<\/p>\n Ein paar statistische Angaben, um die Sache zu verdeutlichen.<\/p>\n Diese Statistiken belegen, dass ungenaue, mangelhafte Daten in den meisten Unternehmen ein hartn\u00e4ckiges Problem darstellen, das enorme Auswirkungen auf den ROI, den Ruf des Unternehmens und das Vertrauen der Kunden hat.<\/p>\n Einblicke. Analytik. Intelligenz.<\/b><\/p>\n Die drei wichtigsten Ziele, die Unternehmen mit Daten erreichen wollen. Dies wird nicht durch mehr Daten erreicht. Dies wird durch genaue, vollst\u00e4ndige, zeitnahe und zuverl\u00e4ssige Daten erreicht.<\/p>\n Anhand dieser Ziele trifft ein Unternehmen wichtige Entscheidungen, wie zum Beispiel:<\/p>\n … und so vieles mehr. Je nach Branche kann die Datengenauigkeit \u00fcber Erfolg oder Misserfolg eines Unternehmens entscheiden. Die Auswirkungen ungenauer Daten auf die reale Welt k\u00f6nnen nicht ignoriert werden.<\/p>\n Millionenbetr\u00e4ge werden in Datenverwaltungsl\u00f6sungen investiert. Eine HBR-Studie<\/a>, an der 75 F\u00fchrungskr\u00e4fte teilnahmen, ergab jedoch, dass nur 3 % der Befragten der Meinung waren, dass ihre Daten innerhalb des akzeptablen Bereichs von 97 oder mehr korrekten Datens\u00e4tzen von 100 lagen.<\/p>\n Unternehmen haben Schwierigkeiten, die Datengenauigkeit aufrechtzuerhalten, weil sie sich nur darauf konzentrieren, mehr Daten zu sammeln, anstatt die vorhandenen Daten nutzbar zu machen.<\/p>\n Nach unserer Erfahrung mit mehr als 4.500 Kunden gibt es drei wesentliche Hindernisse, die Unternehmen daran hindern, genaue Aufzeichnungen zu f\u00fchren.<\/p>\n Schlechte Datenkultur: <\/strong>Die Unternehmen haben sich noch nicht wirklich eine datenorientierte Kultur zu eigen gemacht. Es wird viel in Technologien, aber wenig bis gar nicht in die Schulung des Datenbewusstseins investiert. Begriffe wie Datenqualit\u00e4t oder Datengenauigkeit sind den Mitarbeitern meist nicht bewusst. Lange Zeit waren diese Praktiken auf die IT-Abteilung beschr\u00e4nkt. Wenn es um Kundendaten geht, nehmen die Mitarbeiter des Unternehmens nach Belieben \u00c4nderungen vor, ohne sich an definierte Standards oder Datenqualit\u00e4tsprotokolle zu halten. Diese L\u00fccken machen es den Unternehmen unm\u00f6glich, Datengenauigkeit zu erreichen, wodurch die Datenintegrit\u00e4t beeintr\u00e4chtigt wird.<\/p>\n Daten horten statt datengesteuert sein: <\/strong>Das Horten von Daten hat wirklich kein Ende. Unternehmen geben Millionen in Big-Data-Technologien aus und sammeln jeden Tag mehr Daten. Aber es gibt kein System, um diese Daten sinnvoll zu nutzen. Es sind keine Ressourcen vorhanden, um die Daten rechtzeitig zu bereinigen, zu sortieren und zu verwalten. Es gibt keine Automatisierung und definitiv keine Verfahren zur L\u00f6sung von Datenqualit\u00e4tsproblemen, was zum dritten Hindernis f\u00fchrt.<\/p>\n Hartn\u00e4ckiges Vertrauen in veraltete Methoden und Technologien: <\/strong>In den meisten Unternehmen werden die Daten heute noch manuell mit Excel, SQL oder ETL-Tools aufbereitet. Sie alle sind nicht in der Lage, die Komplexit\u00e4t moderner Daten zu bew\u00e4ltigen – insbesondere Kundendaten, die \u00fcber soziale Medien, Drittanbieter oder Webformulare gewonnen werden. Diese Daten sind voller Fehler, Ungenauigkeiten und Ungereimtheiten und k\u00f6nnen nicht manuell bearbeitet oder aufbereitet werden, da es Monate dauern w\u00fcrde, bis ein Unternehmen Tausende von Datenzeilen bereinigt und abgeglichen hat.<\/p>\n Die Nichtbeachtung der dringenden Notwendigkeit, die Datenqualit\u00e4t zu gew\u00e4hrleisten, behindert Ihren Fortschritt und beeintr\u00e4chtigt Ihren ROI – was uns zum n\u00e4chsten wichtigen Punkt f\u00fchrt.<\/p>\n Der ROI bestimmt alle, wenn nicht sogar die meisten Unternehmensentscheidungen. Wie bei jedem anderen Prozess werden wir unser Bestes tun, um die Ausgaben f\u00fcr die Datenqualit\u00e4t zu rechtfertigen, indem wir ihren ROI messen, und die meisten F\u00fchrungskr\u00e4fte werden dabei einen traditionellen Ansatz verwenden:<\/p>\n Wie viel werden wir in $ verdienen, wenn wir $ f\u00fcr die Korrektur unserer Daten ausgeben?<\/p>\n Nun, hier ist eine nicht-traditionelle Antwort.<\/p>\n Sie erh\u00f6hen Ihren ROI, wenn:<\/p>\n Tatsache ist, dass der ROI einer jeden Datenqualit\u00e4tsinitiative schwer zu ermitteln ist. Aber die Kosten f\u00fcr schlechte Daten sind ziemlich offensichtlich. Unternehmen verlieren j\u00e4hrlich Millionen von Dollar aufgrund von Duplikaten, veralteten Daten, unvollst\u00e4ndigen Daten, nicht \u00fcbereinstimmenden Daten, unzug\u00e4nglichen und uneinheitlichen Daten. <\/strong><\/p>\n Hier ist ein Beispiel:<\/u><\/strong><\/p>\n Ein auf Abonnements basierendes Online-Lernunternehmen muss eine Million Datens\u00e4tze abgleichen, die aus drei Quellen stammen: Lead-Formulare, CRM, Kundendienst.<\/p>\n Bei der Verwendung herk\u00f6mmlicher ETL-Tools f\u00fchrt das Unternehmen den Abgleich durch, erh\u00e4lt aber 3,5 % falsch-negative und 6,8 % falsch-positive Ergebnisse. Allein diese Zahl hat das Unternehmen Hunderte von Dollar an Umsatz und Arbeitsstunden gekostet (f\u00fcr die manuelle \u00dcberpr\u00fcfung aller falsch negativen und positiven Ergebnisse). H\u00e4tte das Unternehmen eine ernsthafte Datenqualit\u00e4tsinitiative ergriffen, h\u00e4tte es verhindern k\u00f6nnen, dass 11 % seiner gesamten Datens\u00e4tze verschwendet werden.<\/p>\n 11% von einer Million = 11.0000<\/strong><\/p>\n Angenommen, jeder Kunde zahlt $100<\/strong><\/p>\n Das sind 11.0000 x 100 = 11000000 <\/strong><\/p>\n Elf Millionen an verschwendeten Einnahmen. Das ist ein schwerer Schlag f\u00fcr die Rentabilit\u00e4t eines jeden Unternehmens. <\/strong><\/p>\n Sind Sie bereit, das Notwendige zu tun, um die Datengenauigkeit zu verbessern?<\/p>\n Damit k\u00f6nnen Sie beginnen.<\/p>\n Halt!<\/p>\n Das alles wird nicht funktionieren.<\/p>\n Was dann?<\/p>\n Einige unmittelbare Schritte, die ich empfehle, w\u00e4ren:<\/p>\n Mit diesen Sofortma\u00dfnahmen k\u00f6nnen Sie Ihre Teams darauf vorbereiten, wichtige Gesch\u00e4ftsvorg\u00e4nge wie eine anstehende Migrationsinitiative, eine gro\u00dfe Werbekampagne oder einen Business Intelligence-Bericht zu bearbeiten. Das grundlegende Ziel, \u00fcber genaue Daten zu verf\u00fcgen, ist die Gew\u00e4hrleistung der Datenintegrit\u00e4t. Ihre Daten k\u00f6nnen \u00fcber Ihr Unternehmen entscheiden oder es zerst\u00f6ren. Ist es Ihnen wichtig genug, das Problem zu l\u00f6sen?<\/p>\n Cleveland Brothers Equipment Company Inc. ist als Maschinenh\u00e4ndler t\u00e4tig und unterst\u00fctzt eine Reihe von Branchen wie Bauwesen, Landwirtschaft, Energieerzeugung, Landschaftsbau und mehr. Das bedeutet, dass das Unternehmen mit mehreren Kundendatens\u00e4tzen zu tun hat, die aus verschiedenen Quellen stammen und unterschiedliche Interessen und Bed\u00fcrfnisse haben.<\/p>\n Das Unternehmen ben\u00f6tigte eine L\u00f6sung f\u00fcr das Datenqualit\u00e4tsmanagement, die es ihm erm\u00f6glichte, Daten abzuleiten<\/a> und Kontaktinformationen wie Namen, Telefonnummern, Rechnungsadressen und Firmennamen abzugleichen. Au\u00dferdem sollte die L\u00f6sung bei der Datenbereinigung und Datenstandardisierung helfen.<\/p>\n DataMatch Enterprise<\/a> war das Tool der Wahl, mit dem das Unternehmen mehrere wichtige Operationen auf einmal durchf\u00fchren konnte. Da das Tool einfach zu bedienen ist und keine zus\u00e4tzlichen Programmierkenntnisse erfordert, konnten selbst die Gesch\u00e4ftsressourcen des Unternehmens die Daten problemlos aufbereiten.<\/p>\n Fallstudie Cleveland Brothers<\/strong><\/p>\n Laden Sie die Fallstudie herunter und sehen Sie, wie der f\u00fchrende Wiederverk\u00e4ufer von Ger\u00e4ten Zeit bei der Verwaltung mehrerer Kundenlisten spart.<\/p>\n Die Datenqualit\u00e4t ist das Ziel. Die Genauigkeit der Daten ist das Ergebnis. Mit den richtigen personellen und technologischen Ressourcen wird Ihr Unternehmen besser in der Lage sein, selbstbewusst in die Zukunft zu gehen.<\/p>\n Wie die besten Fuzzy-Matching-L\u00f6sungen funktionieren: Kombination von bew\u00e4hrten und eigenen Algorithmen<\/b><\/p>\n Starten Sie noch heute Ihren kostenlosen Test<\/p>\n![\"\"](\"https:\/\/dataladder.com\/wp-content\/uploads\/2020\/09\/What-is-data-accuracy-1024x576.png\")
<\/p>\nWas sind die Ursachen f\u00fcr ungenaue Daten?<\/b><\/h3>\n
Die hohen Kosten ungenauer Daten<\/b><\/h3>\n
![\"High](\"https:\/\/dataladder.com\/wp-content\/uploads\/2020\/09\/high-cost-of-inaccurate-data.png\")
<\/p>\n\n
\n
\n
Warum es wichtig ist, die Datengenauigkeit aufrechtzuerhalten<\/b><\/h3>\n
\n
Warum haben Unternehmen Probleme mit der Datenqualit\u00e4t und Datengenauigkeit?<\/b><\/h3>\n
Wie berechnet man den ROI f\u00fcr die Datengenauigkeit?<\/b><\/h3>\n
\n
Welche unmittelbaren Schritte k\u00f6nnen Sie unternehmen, um die Datengenauigkeit zu verbessern?<\/b><\/h3>\n
\n<\/strong>Sie k\u00f6nnten versucht sein, einen Datenanalysten einzustellen. Oder \u00e4ndern Sie vielleicht Ihr CRM. Oder Sie beauftragen Ihre IT-Teams (erneut) mit der Entwicklung einer L\u00f6sung.<\/p>\n\n
\n
\n
\n
\n
\n
Fallstudie Cleveland Brothers<\/b><\/h3>\n
\nHerunterladen
\n<\/a><\/p>\nZum Schluss: Gehen Sie keine Kompromisse bei der Datengenauigkeit ein. Ihr Unternehmen braucht Daten, denen es vertrauen kann<\/b><\/h3>\n
![\"\"](\"https:\/\/dataladder.com\/wp-content\/uploads\/2019\/05\/fuzzy-whitepaper2.png\")
<\/p>\n
\nHerunterladen
\n<\/a><\/p>\n