{"id":67406,"date":"2022-04-11T10:03:57","date_gmt":"2022-04-11T14:03:57","guid":{"rendered":"https:\/\/dataladder.com\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/"},"modified":"2022-05-19T10:38:28","modified_gmt":"2022-05-19T10:38:28","slug":"die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen","status":"publish","type":"post","link":"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/","title":{"rendered":"Die Auswirkungen einer schlechten Datenqualit\u00e4t: Risiken, Herausforderungen und L\u00f6sungen"},"content":{"rendered":"\n<p class=\"has-text-align-center\"><strong><mark style=\"background-color:rgba(0, 0, 0, 0);color:#0071a1\" class=\"has-inline-color\">Es ist schwierig, ein Datenproblem mit einem Gesch\u00e4ftsrisiko oder einer Auswirkung in Verbindung zu bringen.<\/mark><\/strong><\/p>\n\n<p>Schlechte Datenqualit\u00e4t kann verheerende Folgen f\u00fcr Ihr Unternehmen haben. Die meisten Mitarbeiter in Unternehmen sind sich der Auswirkungen einer schlechten Datenqualit\u00e4t bewusst, aber es f\u00e4llt ihnen schwer, dies auf dem Papier zu begr\u00fcnden &#8211; sei es, um die Investition in <a href=\"https:\/\/dataladder.com\/de\/entwurf-eines-rahmens-fuer-das-datenqualitaetsmanagement\/\" target=\"_blank\" rel=\"noreferrer noopener\">Pl\u00e4ne zur Verbesserung der Datenqualit\u00e4t<\/a> zu rechtfertigen oder um ihre Vorgesetzten zu \u00fcberzeugen, Ma\u00dfnahmen zu ergreifen. Aus diesem Grund ist es unerl\u00e4sslich, Datenqualit\u00e4tsprobleme mit potenziellen Gesch\u00e4ftsrisiken und den damit verbundenen Kosten in Verbindung zu bringen, damit Sie rechtzeitig die Aufmerksamkeit der erforderlichen Interessengruppen gewinnen und m\u00f6gliche Abhilfema\u00dfnahmen umsetzen k\u00f6nnen.<\/p>\n\n<p>In diesem Blog gehen wir darauf ein, wie verschiedene Datenqualit\u00e4tsprobleme Ihr Unternehmen ernsthaft gef\u00e4hrden k\u00f6nnen und welche Ma\u00dfnahmen Sie ergreifen k\u00f6nnen, um sie zu \u00fcberwinden.<\/p>\n\n<div style=\"height:20px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n<figure class=\"wp-block-image size-full\"><img width=\"1000\" height=\"539\" src=\"https:\/\/dataladder.com\/wp-content\/uploads\/2022\/04\/The-impact-of-poor-data-quality-1.png\" alt=\"\" class=\"wp-image-66817\" srcset=\"https:\/\/dataladder.com\/wp-content\/uploads\/2022\/04\/The-impact-of-poor-data-quality-1.png 1000w, https:\/\/dataladder.com\/wp-content\/uploads\/2022\/04\/The-impact-of-poor-data-quality-1-300x162.png 300w, https:\/\/dataladder.com\/wp-content\/uploads\/2022\/04\/The-impact-of-poor-data-quality-1-768x414.png 768w\" sizes=\"(max-width: 1000px) 100vw, 1000px\" \/><\/figure>\n\n<div style=\"height:20px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n<h2>Gestaltung des Datenfehlers &#8211; Gesch\u00e4ftsrisikomatrix<\/h2>\n\n<p>David Loshin (in seinem Buch <a href=\"https:\/\/www.amazon.com\/Practitioners-Improvement-Kaufmann-Business-Intelligence\/dp\/0123737176#:~:text=The%20Practitioner's%20Guide%20to%20Data%20Quality%20Improvement%20shares%20the%20fundamentals,establishing%20a%20data%20quality%20program.\" target=\"_blank\" rel=\"noreferrer noopener\">\n  <em>Der Leitfaden f\u00fcr Praktiker zur Verbesserung der Datenqualit\u00e4t<\/em>\n<\/a>) eine sehr n\u00fctzliche Vorlage, um Datenm\u00e4ngel mit den Auswirkungen auf das Gesch\u00e4ft und den daraus resultierenden Kosten in Verbindung zu bringen. Ich habe die Vorlage in der nachstehenden Tabelle zusammengefasst:<\/p>\n\n<figure class=\"wp-block-table\"><table><tbody><tr><td><strong>Problem<\/strong><\/td><td><strong>Ausgabe<\/strong><\/td><td><strong>Gesch\u00e4ftliches Risiko<\/strong><\/td><td><strong>Quantifizierer<\/strong><\/td><td><strong>Kosten (j\u00e4hrlich)<\/strong><\/td><\/tr><tr><td>Dies ist das Problem der Datenqualit\u00e4t, das in Ihrem Datensatz steckt.  <\/td><td>Dies sind die verschiedenen Probleme, die durch das Datenproblem entstehen k\u00f6nnen.  <\/td><td>Dies sind die Auswirkungen, die das Problem auf das Unternehmen haben kann.  <\/td><td>Damit werden die Auswirkungen in Form einer betriebswirtschaftlichen Ma\u00dfnahme quantifiziert.  <\/td><td>Dies liefert eine regelm\u00e4\u00dfige Sch\u00e4tzung der Kosten, die durch die Auswirkungen auf das Gesch\u00e4ft entstehen.  <\/td><\/tr><tr><td><strong>Beispiel<\/strong><\/td><td><\/td><td><\/td><td><\/td><td><\/td><\/tr><tr><td>Falsch geschriebene Kundennamen und Kontaktinformationen  <\/td><td>Doppelte Datens\u00e4tze f\u00fcr denselben Kunden erstellt  <\/td><td>Kundenbetreuung: Erh\u00f6hte Anzahl eingehender Anrufe  <\/td><td>Mehr Zeit f\u00fcr das Personal  <\/td><td>Mehr Personalaufwand im Wert von $30.000,00  <\/td><\/tr><tr><td><\/td><td><\/td><td>Kundenbetreuung: Geringere Kundenzufriedenheit  <\/td><td>Auftragsr\u00fcckgang, verlorene Kunden  <\/td><td>~500 weniger Auftr\u00e4ge in diesem Jahr (im Vergleich zu den Sch\u00e4tzungen)  <\/td><\/tr><tr><td><\/td><td><\/td><td>Konten: Auswirkungen auf den Cashflow  <\/td><td>Zunahme der Volatilit\u00e4t des Cashflows  <\/td><td>In etwa 20 % der F\u00e4lle kann man sich nicht auf den gesch\u00e4tzten Cashflow verlassen.  <\/td><\/tr><tr><td><\/td><td><\/td><td>Buchhaltung: Erh\u00f6hter Pr\u00fcfungsbedarf  <\/td><td>Mehr Zeit f\u00fcr das Personal  <\/td><td>Mehr Personalaufwand im Wert von $20.000,00  <\/td><\/tr><\/tbody><\/table><\/figure>\n\n<p>Diese Vorlage fasst genau zusammen, welche Auswirkungen ein Datenqualit\u00e4tsproblem (etwas so Kleines wie ein falsch geschriebener Kundenname) auf Ihr Unternehmen haben kann. Bei dieser Vorlage gibt es einige Dinge zu beachten:<\/p>\n\n<ul><li>Ein <em>Datenqualit\u00e4tsproblem <\/em>kann zu mehreren <em>Problemen<\/em> f\u00fchren. So kann beispielsweise ein falsch geschriebener Kundenname oder eine falsch angegebene Kontaktinformation dazu f\u00fchren, dass Sie einen falschen Kunden in Ihrer Datenbank haben und den Kontakt zu einem echten Kunden verlieren.<\/li><li>Ein einziges <em>Problem <\/em>kann mehrere <em>Auswirkungen <\/em>auf verschiedene vertikale Gesch\u00e4ftsbereiche 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 st\u00e4rker auf diese Abteilungen auswirken oder auch auf andere vertikale Bereiche wie Vertrieb, Marketing, Produkt usw.<\/li><li>Der <em>Quantifizierer <\/em>muss aufgesp\u00fcrt werden, und es kann mehrere Quantifizierer f\u00fcr einen einzigen <em>Impact<\/em> geben.<\/li><li>Die <em>Kosten <\/em>werden gesch\u00e4tzt und k\u00f6nnen zu jedem beliebigen Zeitpunkt gemessen werden, z. B. monatlich, viertelj\u00e4hrlich, j\u00e4hrlich usw.<\/li><\/ul>\n\n<p>Die oben erw\u00e4hnte Vorlage bildet die Grundlage f\u00fcr die Zuordnung aller Arten von Datenqualit\u00e4tsproblemen zu den gesch\u00e4tzten Gesch\u00e4ftsrisiken. Aber nur um Ihnen zu helfen, die Vorlage f\u00fcr Ihren spezifischen Gesch\u00e4ftsfall auszuf\u00fcllen, f\u00fchre ich in diesem Blog die folgenden Aspekte auf:<\/p>\n\n<ul><li>die verschiedenen Arten von Datenqualit\u00e4tsproblemen, die in den wichtigsten Datenbest\u00e4nden eines Unternehmens auftreten, und<\/li><li>Die h\u00e4ufigsten Gesch\u00e4ftsrisiken, die auf diese Datenqualit\u00e4tsprobleme zur\u00fcckzuf\u00fchren sind.<\/li><\/ul>\n\n<p>Fangen wir an.<\/p>\n\n<h2>Probleme mit der Datenqualit\u00e4t<\/h2>\n\n<p>Werfen wir einen Blick auf die h\u00e4ufigsten Qualit\u00e4tsprobleme, die in den Datens\u00e4tzen eines Unternehmens zu finden sind.<\/p>\n\n<ol><li><strong>Falsche Daten:<\/strong> Dies sind die Daten, die nicht der Realit\u00e4t entsprechen. Dies geschieht in der Regel aus folgenden Gr\u00fcnden:<ol><li><strong>\u00dcberholte Informationen: <\/strong>Die Daten \u00e4ndern sich im Laufe der Zeit und m\u00fcssen regelm\u00e4\u00dfig \u00fcberpr\u00fcft und \u00fcberarbeitet werden.<\/li><li><strong>Menschliches Versagen: <\/strong>Tippfehler, Rechtschreibfehler und falsches Datenverst\u00e4ndnis sind einige der h\u00e4ufigsten Gr\u00fcnde f\u00fcr Datenqualit\u00e4tsprobleme.<\/li><li><strong>Zweideutige Metadaten: <\/strong>Wenn Sie nicht genau wissen, was bestimmte Datenfelder bedeuten, kann dies dazu f\u00fchren, dass Sie falsche Informationen speichern.<\/li><\/ol><\/li><li><strong>Doppelte Daten:<\/strong> Dies bezieht sich auf die Speicherung mehrerer Datens\u00e4tze, die zur selben Entit\u00e4t geh\u00f6ren.<\/li><li><strong>Unvollst\u00e4ndige Daten:<\/strong> Dies bezieht sich darauf, dass notwendige Felder in Ihren Datens\u00e4tzen leer bleiben.<\/li><li><strong>Inkonsistente Formate und Muster: <\/strong>Hier geht es darum, dass dieselben Daten in verschiedenen Formaten und Mustern gespeichert werden, anstatt einem standardisierten Format und Muster zu folgen.<\/li><li><strong>Fehlende Abh\u00e4ngigkeiten:<\/strong> Bestimmte Datenfelder sind leer, da ihre abh\u00e4ngigen Felder leer sind. So kann beispielsweise eine leere Postleitzahl dazu f\u00fchren, dass das Feld f\u00fcr die unterst\u00fctzenden Geocodes leer bleibt.<\/li><li><strong>Unterschiedliche Ma\u00dfeinheiten:<\/strong> Dies bezieht sich auf die Speicherung desselben Datenfeldes in mehreren Ma\u00dfeinheiten, was dazu f\u00fchrt, dass Sie keine standardisierte Ma\u00dfeinheitsskala haben.<\/li><\/ol>\n\n<h2>Gesch\u00e4ftsrisiken im Zusammenhang mit schlechter Datenqualit\u00e4t<\/h2>\n\n<p>Um die Auswirkungen einer schlechten Datenqualit\u00e4t auf ein Unternehmen absch\u00e4tzen zu k\u00f6nnen, m\u00fcssen Sie ermitteln, welche Rolle Daten in den verschiedenen Gesch\u00e4ftsprozessen spielen. Auf diese Weise k\u00f6nnen Sie feststellen, bei welchen Prozessen es zu Problemen und Verz\u00f6gerungen kommen kann, wenn die Daten eines der oben genannten Probleme aufweisen. Im Folgenden habe ich die h\u00e4ufigsten Gesch\u00e4ftsrisiken aufgef\u00fchrt, die mit einer schlechten Datenqualit\u00e4t verbunden sind.<\/p>\n\n<h3>1. Verpasste Gelegenheiten<\/h3>\n\n<p class=\"has-text-align-left\"><strong><mark style=\"background-color:rgba(0, 0, 0, 0);color:#0071a1\" class=\"has-inline-color\">Von den 3,64 Millionen Leads, die jedes Jahr generiert werden, werden 45 % der Leads aufgrund von doppelten Daten, ung\u00fcltiger Formatierung, fehlgeschlagener E-Mail-Validierung und fehlenden Feldern als schlechte Leads gefiltert.<\/mark> <mark style=\"background-color:rgba(0, 0, 0, 0)\" class=\"has-inline-color has-black-color\">&#8211; <a href=\"https:\/\/resources.integrate.com\/all-resources\/cost-of-bad-lead\" target=\"_blank\" rel=\"noreferrer noopener\">Quelle<\/a><\/mark><\/strong><\/p>\n\n<p>Ein Unternehmen ist anf\u00e4llig f\u00fcr verpasste Chancen an mehreren Fronten, wenn die Datenqualit\u00e4t in den verschiedenen Datens\u00e4tzen schlecht ist. Mit unzureichenden Lead-Daten verpassen Sie zum Beispiel die Chance, potenzielle Kunden zu identifizieren. Ebenso k\u00f6nnen unzureichende Produktinformationen Ihre F\u00e4higkeit beeintr\u00e4chtigen, Ihre Produktentwicklung entsprechend den Marktbed\u00fcrfnissen effektiv zu planen. Die Konkurrenten in Ihrer Landschaft werden mit Sicherheit die F\u00fchrung auf dem Markt \u00fcbernehmen, wenn sie \u00fcber zuverl\u00e4ssigere und genauere Datens\u00e4tze verf\u00fcgen.<\/p>\n\n<h3>2. Verlorene Einnahmen<\/h3>\n\n<p class=\"has-text-align-left\"><mark style=\"background-color:rgba(0, 0, 0, 0);color:#0071a1\" class=\"has-inline-color\">\n  <strong>Unternehmen sind der Meinung, dass schlechte Datenqualit\u00e4t f\u00fcr Verluste in H\u00f6he von durchschnittlich 15 Millionen Dollar pro Jahr verantwortlich ist.<\/strong>\n<\/mark><strong> <mark style=\"background-color:rgba(0, 0, 0, 0)\" class=\"has-inline-color has-black-color\">&#8211; <\/mark><\/strong><mark style=\"background-color:rgba(0, 0, 0, 0)\" class=\"has-inline-color has-black-color\">\n  <strong>\n    <a href=\"https:\/\/www.gartner.com\/smarterwithgartner\/how-to-create-a-business-case-for-data-quality-improvement\" target=\"_blank\" rel=\"noreferrer noopener\">Quelle<\/a>\n  <\/strong>\n<\/mark><\/p>\n\n<p>Dies ist mit Sicherheit eines der gr\u00f6\u00dften Risiken, das Ihr Unternehmen aufgrund einer schlechten Datenqualit\u00e4t eingehen kann. Unvollst\u00e4ndige oder fehlerhafte Daten (sei es in Form von Kundenkontaktinformationen, Produktinformationen oder Unklarheiten im Finanzdatensatz) k\u00f6nnen dazu f\u00fchren, dass Sie potenzielle Kunden verlieren und dadurch Umsatzeinbu\u00dfen erleiden. Wenn diese Fehler nicht mit einem mangelhaften Datenqualit\u00e4tsmanagement zusammenh\u00e4ngen, werden Sie nur schwer verstehen k\u00f6nnen, warum Ihr Team nicht in der Lage ist, seine j\u00e4hrlichen Umsatz- oder Ertragsziele zu erreichen.<\/p>\n\n<h3>3. Geringere betriebliche Effizienz und Produktivit\u00e4t<\/h3>\n\n<p class=\"has-text-align-left\"><mark style=\"background-color:rgba(0, 0, 0, 0);color:#0071a1\" class=\"has-inline-color\">\n  <strong>Die meisten Datenteams im Jahr 2021 gaben an, dass sie keine Datenqualit\u00e4tssoftware verwenden und sich auf manuelle Datenqualit\u00e4tspr\u00fcfungen verlassen.<\/strong>\n<\/mark><strong> <mark style=\"background-color:rgba(0, 0, 0, 0)\" class=\"has-inline-color has-black-color\">&#8211; <\/mark><\/strong><mark style=\"background-color:rgba(0, 0, 0, 0)\" class=\"has-inline-color has-black-color\">\n  <strong>\n    <a href=\"https:\/\/www.datafold.com\/blog\/the-state-of-data-quality-in-2021\" target=\"_blank\" rel=\"noreferrer noopener\">Quelle<\/a>\n  <\/strong>\n<\/mark><\/p>\n\n<p>Wenn die Mitarbeiter eines Unternehmens Datenqualit\u00e4tsprobleme manuell korrigieren, bevor sie die Daten verwenden, kann dies ihre Effizienz und Produktivit\u00e4t beeintr\u00e4chtigen. Viele Datenanalysten und Datenwissenschaftler haben das Gef\u00fchl, dass sie mehr Zeit mit der Aufbereitung und Bereinigung von Daten verbringen als mit der Durchf\u00fchrung von Analysen und der Erstellung zuverl\u00e4ssiger Vorhersagen \u00fcber die Zukunft des Unternehmens. Aus diesem Grund ben\u00f6tigt Ihr Unternehmen ein End-to-End-System, das Technologien zur Automatisierung der <a href=\"https:\/\/dataladder.com\/de\/testen-der-datenqualitaet-eine-schnelle-checkliste-zur-messung-und-verbesserung-der-datenqualitaet\/\">Datenqualit\u00e4tsvalidierung<\/a> und zur rechtzeitigen Implementierung von Datenqualit\u00e4tsprozessen einsetzt. Auf diese Weise k\u00f6nnen Ihre Daten in jeder Phase ihres Lebenszyklus nutzbar gemacht werden &#8211; ohne zus\u00e4tzlichen Aufwand zur Laufzeit.<\/p>\n\n<h3>4. Unzufriedenheit der Kunden<\/h3>\n\n<p class=\"has-text-align-left\"><mark style=\"background-color:rgba(0, 0, 0, 0);color:#0071a1\" class=\"has-inline-color\">\n  <strong>Von den 37 % der Befragten, die sich mit der Kundenerfahrung bei externen Prozessen befassen, \u00fcberwachen nur 30 % proaktiv die Auswirkungen der Datenqualit\u00e4t.<\/strong>\n<\/mark><strong> <mark style=\"background-color:rgba(0, 0, 0, 0)\" class=\"has-inline-color has-black-color\">&#8211; <\/mark><\/strong><mark style=\"background-color:rgba(0, 0, 0, 0)\" class=\"has-inline-color has-black-color\">\n  <strong>\n    <a href=\"https:\/\/www.forrester.com\/blogs\/12-02-04-poor_data_quality_an_often_overlooked_cause_of_poor_customer_satisfaction_scores\/\" target=\"_blank\" rel=\"noreferrer noopener\">Quelle<\/a>\n  <\/strong>\n<\/mark><\/p>\n\n<p>In dieser Zeit suchen die Kunden nach Personalisierung. Die einzige M\u00f6glichkeit, sie davon zu \u00fcberzeugen, bei Ihnen und nicht bei einem Konkurrenten zu kaufen, besteht darin, ihnen ein Erlebnis zu bieten, das f\u00fcr sie besonders ist. Geben Sie ihnen das Gef\u00fchl, dass sie gesehen, geh\u00f6rt und verstanden werden. Um dies zu erreichen, nutzen Unternehmen eine Vielzahl von Kundendaten, um deren Verhalten und Vorlieben zu verstehen. Wenn diese Daten schwerwiegende M\u00e4ngel aufweisen, werden Sie nat\u00fcrlich falsche Schl\u00fcsse \u00fcber Ihre Kunden oder potenziellen K\u00e4ufer ziehen. Dies kann zu einer geringeren Kundenzufriedenheit und Markentreue f\u00fchren.<\/p>\n\n<h3>5. Fehlinterpretation<\/h3>\n\n<p class=\"has-text-align-left\"><mark style=\"background-color:rgba(0, 0, 0, 0);color:#0071a1\" class=\"has-inline-color\"><strong>84 % der CEOs sind besorgt \u00fcber die Qualit\u00e4t der Daten, auf die sie ihre Entscheidungen st\u00fctzen. &#8211; <a href=\"https:\/\/images.forbes.com\/forbesinsights\/StudyPDFs\/KPMG-Global_CEO_Outlook-REPORT.pdf\" target=\"_blank\" rel=\"noreferrer noopener\">Quelle<\/a><\/strong><\/mark><\/p>\n\n<p>Es gibt zwei M\u00f6glichkeiten, den zuk\u00fcnftigen 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 zuverl\u00e4ssiger 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 gef\u00fcttert wird, mehrere Probleme mit der Datenqualit\u00e4t aufweisen, werden die erkannten Muster ungenau sein &#8211; was dazu f\u00fchrt, dass Sie eine falsche Vorstellung von der Zukunft des Marktes bekommen.<\/p>\n\n<h3>6. Reputationsschaden<\/h3>\n\n<p class=\"has-text-align-left\"><mark style=\"background-color:rgba(0, 0, 0, 0);color:#0071a1\" class=\"has-inline-color\"><strong>Der durchschnittliche Verbraucher verbringt 13 Minuten und 45 Sekunden mit dem Lesen von Bewertungen, bevor er eine Kaufentscheidung trifft. &#8211; <a href=\"https:\/\/www.brightlocal.com\/research\/local-consumer-review-survey\/#read-reviews\" target=\"_blank\" rel=\"noreferrer noopener\">Quelle<\/a><\/strong><\/mark><\/p>\n\n<p>Unzureichende Produktinformationen sind einer der Hauptgr\u00fcnde, warum Kunden gekaufte Produkte zur\u00fcckgeben. Das Produkt war nicht so, wie es auf der Website beworben wurde. In einigen F\u00e4llen kann eine schlechte Datenqualit\u00e4t jedoch mehr kosten als nur zur\u00fcckgegebene Produkte. Im M\u00e4rz 2017 <a href=\"https:\/\/www.bbc.com\/news\/world-europe-59176343\" target=\"_blank\" rel=\"noreferrer noopener\">st\u00fcrzte die Rescue 116 auf ein 282 Fu\u00df hohes Hindernis &#8211; <\/a>Blackrock Island vor der K\u00fcste der Grafschaft Mayo. Weitere Untersuchungen ergaben, dass der Hubschrauberbetreiber CHC Ireland nicht \u00fcber ein &#8222;formalisiertes, standardisiertes, kontrolliertes oder regelm\u00e4\u00dfiges&#8220; System verf\u00fcgte. Aus diesem Grund fehlten in der Datenbank, die der Betreiber zur \u00dcberpr\u00fcfung der Flugrouten verwendet, Angaben \u00fcber Blackrock Island.<\/p>\n\n<p>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 \u00fcber diese Ungenauigkeit in der Datenbank der irischen K\u00fcstenwache eingereicht wurde, aber keine Abhilfema\u00dfnahmen getroffen wurden. In einer Welt, in der jede Handlung datengesteuert ist, zeigen solche Vorf\u00e4lle, dass die Kosten einer schlechten Datenqualit\u00e4t stark untersch\u00e4tzt werden.<\/p>\n\n<h3>7. Mangelnde Einhaltung der Vorschriften<\/h3>\n\n<p class=\"has-text-align-left\"><mark style=\"background-color:rgba(0, 0, 0, 0);color:#0071a1\" class=\"has-inline-color\"><strong>Artikel 5 der Datenschutz-Grundverordnung besagt, dass personenbezogene Daten sachlich richtig und, soweit erforderlich, auf dem neuesten Stand sein m\u00fcssen. &#8211; <a href=\"https:\/\/ico.org.uk\/for-organisations\/guide-to-data-protection\/guide-to-the-general-data-protection-regulation-gdpr\/principles\/#:~:text=Article%205(1)%20requires%20that%20personal%20data%20shall%20be%3A&amp;text=(d)%20accurate%20and%2C%20where,without%20delay%20('accuracy')%3B\" target=\"_blank\" rel=\"noreferrer noopener\">Quelle<\/a><\/strong><\/mark><\/p>\n\n<p>Normen zur Einhaltung von Datenschutzbestimmungen (wie GDPR, HIPAA und CCPA usw.) zwingen Unternehmen dazu, ihre Datenverwaltungsstrategien zu \u00fcberdenken und zu \u00fcberarbeiten. Im Rahmen dieser Daten-Compliance-Standards sind die Unternehmen verpflichtet, die personenbezogenen Daten ihrer Kunden zu sch\u00fctzen und sicherzustellen, dass die Dateneigent\u00fcmer (die Kunden selbst) das Recht haben, auf ihre Daten zuzugreifen, sie zu \u00e4ndern oder zu l\u00f6schen.<\/p>\n\n<p>Neben diesen Rechten, die den Dateneigent\u00fcmern zugestanden werden, machen die Standards die Unternehmen auch f\u00fcr die Einhaltung der Grunds\u00e4tze Transparenz, Zweckbindung, Datenminimierung, Richtigkeit, Speicherbegrenzung, Sicherheit und Rechenschaftspflicht verantwortlich. Es ist sehr schwierig, diese Standards einzuhalten, wenn die zugrunde liegenden Daten nicht korrekt, vollst\u00e4ndig, g\u00fcltig und sicher sind. Und ein Mangel an Konformit\u00e4t kann Ihre Gesch\u00e4ftst\u00e4tigkeit einschr\u00e4nken &#8211; insbesondere in geografischer Hinsicht.<\/p>\n\n<h3>8. Erh\u00f6hte finanzielle Kosten<\/h3>\n\n<p class=\"has-text-align-left\"><mark style=\"background-color:rgba(0, 0, 0, 0);color:#0071a1\" class=\"has-inline-color\"><strong>IBM sch\u00e4tzt die j\u00e4hrlichen Kosten f\u00fcr schlechte Datenqualit\u00e4t allein in den USA f\u00fcr das Jahr 2016 auf 3,1 Billionen Dollar. &#8211; <a href=\"https:\/\/hbr.org\/2016\/09\/bad-data-costs-the-u-s-3-trillion-per-year\" target=\"_blank\" rel=\"noreferrer noopener\">Quelle<\/a><\/strong><\/mark><\/p>\n\n<p>All diese oben genannten Gesch\u00e4ftsrisiken f\u00fchren zu einem Ergebnis: Es kostet Sie mehr Geld, als wenn Sie ein durchg\u00e4ngiges Datenqualit\u00e4tsmanagementsystem einsetzen w\u00fcrden. Ob Sie nun mehr Personal einstellen oder die Systemprozesse st\u00e4ndig aktualisieren, um die Datenqualit\u00e4t zu gew\u00e4hrleisten, Sie werden nicht die gew\u00fcnschten Ergebnisse erzielen. Am besten ist es, in die Implementierung eines einzigen, vollst\u00e4ndigen Datenqualit\u00e4tsmanagementsystems 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 k\u00f6nnen.<\/p>\n\n<h2>Schlussfolgerung<\/h2>\n\n<p>Die Implementierung konsistenter, automatisierter und wiederholbarer <a href=\"https:\/\/dataladder.com\/de\/messung-der-datenqualitaet-wann-sollten-sie-sich-sorgen-machen\/\">Datenqualit\u00e4tsma\u00dfnahmen<\/a> kann Ihrem Unternehmen dabei helfen, Datenqualit\u00e4t \u00fcber alle Datens\u00e4tze hinweg zu erreichen und zu erhalten.<\/p>\n\n<p>Data Ladder hat gedient  <a href=\"https:\/\/dataladder.com\/the-definitive-buyers-guide-to-data-quality-tools\/\">Datenqualit\u00e4tsl\u00f6sungen<\/a> f\u00fcr seine Kunden seit \u00fcber einem Jahrzehnt.  <a href=\"https:\/\/dataladder.com\/de\/produkte\/datamatch-enterprise-bewertetes-datenqualitaetsmanagementprodukt-nr-1\/\" target=\"_blank\" rel=\"noreferrer noopener\">DataMatch Enterprise<\/a> ist eines der f\u00fchrenden Datenqualit\u00e4tsprodukte des Unternehmens &#8211; sowohl als eigenst\u00e4ndige Anwendung als auch als integrierbares  <a href=\"https:\/\/dataladder.com\/de\/produkte\/datamatch-enterprise-api-datenqualitaets-firewall-fuer-echtzeitverarbeitung\/\" target=\"_blank\" rel=\"noreferrer noopener\">API &#8211; <\/a>die ein durchg\u00e4ngiges Datenqualit\u00e4tsmanagement erm\u00f6glicht, einschlie\u00dflich  <a href=\"https:\/\/dataladder.com\/de\/software-und-tools-zur-datenprofilerstellung-erhalten-sie-sofortige-ergebnisse-der-datenqualitaetsbewertung\/\">Datenprofilierung<\/a>,  <a href=\"https:\/\/dataladder.com\/de\/datenbereinigungssoftware-schnelles-und-kostenguenstiges-crm-datenbereinigungstool\/\">S\u00e4uberung<\/a>,  <a href=\"https:\/\/dataladder.com\/de\/datenabgleichssoftware-als-best-in-class-mit-96-match-genauigkeit-bewertet\/\">passend<\/a>,  <a href=\"https:\/\/dataladder.com\/de\/datendeduplizierungssoftware-verwenden-sie-integrierte-und-benutzerdefinierte-regeln-fuer-die-crm-deduplizierung\/\">Deduplizierung<\/a>, und  <a href=\"https:\/\/dataladder.com\/de\/merge-purge-software-integrierte-und-benutzerdefinierte-ueberlebensregeln-verwenden\/\" target=\"_blank\" rel=\"noreferrer noopener\">merge purge<\/a>.<\/p>\n\n<p>Sie k\u00f6nnen <a href=\"https:\/\/dataladder.com\/de\/kostenlose-testversion-datenabgleichssoftware\/\" target=\"_blank\" rel=\"noreferrer noopener\">die kostenlose Testversion noch heute herunterladen<\/a> oder <a href=\"https:\/\/link.dataladder.com\/Book-a-Demonstration\" target=\"_blank\" rel=\"noreferrer noopener\">eine pers\u00f6nliche Sitzung <\/a>mit unseren Experten <a href=\"https:\/\/link.dataladder.com\/Book-a-Demonstration\" target=\"{wpml_trans_unit_82_0_3_-1_1}\" rel=\"{wpml_trans_unit_82_0_3_-1_2} noopener\">vereinbaren <\/a>, um zu erfahren, wie unser Produkt bei der Implementierung der besten Verfahren zur Erreichung und Aufrechterhaltung der Datenqualit\u00e4t auf Unternehmensebene helfen kann.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Es ist schwierig, ein Datenproblem mit einem Gesch\u00e4ftsrisiko oder einer Auswirkung in Verbindung zu bringen. Schlechte Datenqualit\u00e4t kann verheerende Folgen f\u00fcr Ihr Unternehmen haben. Die meisten Mitarbeiter in Unternehmen sind sich der Auswirkungen einer schlechten Datenqualit\u00e4t bewusst, aber es f\u00e4llt ihnen schwer, dies auf dem Papier zu begr\u00fcnden &#8211; sei es, um die Investition in [&hellip;]<\/p>\n","protected":false},"author":9,"featured_media":66826,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_lmt_disableupdate":"","_lmt_disable":"","_links_to":"","_links_to_target":""},"categories":[1245],"tags":[529,682],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v19.9 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Die Auswirkungen einer schlechten Datenqualit\u00e4t: Risiken, Herausforderungen und L\u00f6sungen - Data Ladder<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Die Auswirkungen einer schlechten Datenqualit\u00e4t: Risiken, Herausforderungen und L\u00f6sungen - Data Ladder\" \/>\n<meta property=\"og:description\" content=\"Es ist schwierig, ein Datenproblem mit einem Gesch\u00e4ftsrisiko oder einer Auswirkung in Verbindung zu bringen. Schlechte Datenqualit\u00e4t kann verheerende Folgen f\u00fcr Ihr Unternehmen haben. Die meisten Mitarbeiter in Unternehmen sind sich der Auswirkungen einer schlechten Datenqualit\u00e4t bewusst, aber es f\u00e4llt ihnen schwer, dies auf dem Papier zu begr\u00fcnden &#8211; sei es, um die Investition in [&hellip;]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/\" \/>\n<meta property=\"og:site_name\" content=\"Data Ladder\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/web.facebook.com\/DataLadderSoftware\" \/>\n<meta property=\"article:published_time\" content=\"2022-04-11T14:03:57+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-05-19T10:38:28+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/08\/Group-42313.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1440\" \/>\n\t<meta property=\"og:image:height\" content=\"538\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"lbarrera\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"lbarrera\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"11 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/\"},\"author\":{\"name\":\"lbarrera\",\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\"},\"headline\":\"Die Auswirkungen einer schlechten Datenqualit\u00e4t: Risiken, Herausforderungen und L\u00f6sungen\",\"datePublished\":\"2022-04-11T14:03:57+00:00\",\"dateModified\":\"2022-05-19T10:38:28+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/\"},\"wordCount\":2147,\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/de\/#organization\"},\"keywords\":[\"Datenqualit\u00e4t\",\"schlechte Daten\"],\"articleSection\":[\"Verwaltung der Datenqualit\u00e4t\"],\"inLanguage\":\"de-DE\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/\",\"url\":\"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/\",\"name\":\"Die Auswirkungen einer schlechten Datenqualit\u00e4t: Risiken, Herausforderungen und L\u00f6sungen - Data Ladder\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/de\/#website\"},\"datePublished\":\"2022-04-11T14:03:57+00:00\",\"dateModified\":\"2022-05-19T10:38:28+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/#breadcrumb\"},\"inLanguage\":\"de-DE\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/dataladder.com\/de\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Die Auswirkungen einer schlechten Datenqualit\u00e4t: Risiken, Herausforderungen und L\u00f6sungen\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/dataladder.com\/de\/#website\",\"url\":\"https:\/\/dataladder.com\/de\/\",\"name\":\"Data Ladder\",\"description\":\"Enterprise Data Profiling, Cleansing, and Matching\",\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/dataladder.com\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de-DE\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/dataladder.com\/de\/#organization\",\"name\":\"Data Ladder\",\"url\":\"https:\/\/dataladder.com\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png\",\"contentUrl\":\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png\",\"width\":413,\"height\":408,\"caption\":\"Data Ladder\"},\"image\":{\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.linkedin.com\/company\/dataladder-llc\/\",\"https:\/\/web.facebook.com\/DataLadderSoftware\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\",\"name\":\"lbarrera\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g\",\"caption\":\"lbarrera\"},\"url\":\"https:\/\/dataladder.com\/de\/author\/lbarrera\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Die Auswirkungen einer schlechten Datenqualit\u00e4t: Risiken, Herausforderungen und L\u00f6sungen - Data Ladder","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/","og_locale":"de_DE","og_type":"article","og_title":"Die Auswirkungen einer schlechten Datenqualit\u00e4t: Risiken, Herausforderungen und L\u00f6sungen - Data Ladder","og_description":"Es ist schwierig, ein Datenproblem mit einem Gesch\u00e4ftsrisiko oder einer Auswirkung in Verbindung zu bringen. Schlechte Datenqualit\u00e4t kann verheerende Folgen f\u00fcr Ihr Unternehmen haben. Die meisten Mitarbeiter in Unternehmen sind sich der Auswirkungen einer schlechten Datenqualit\u00e4t bewusst, aber es f\u00e4llt ihnen schwer, dies auf dem Papier zu begr\u00fcnden &#8211; sei es, um die Investition in [&hellip;]","og_url":"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/","og_site_name":"Data Ladder","article_publisher":"https:\/\/web.facebook.com\/DataLadderSoftware","article_published_time":"2022-04-11T14:03:57+00:00","article_modified_time":"2022-05-19T10:38:28+00:00","og_image":[{"width":1440,"height":538,"url":"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/08\/Group-42313.png","type":"image\/png"}],"author":"lbarrera","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"lbarrera","Gesch\u00e4tzte Lesezeit":"11 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/#article","isPartOf":{"@id":"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/"},"author":{"name":"lbarrera","@id":"https:\/\/dataladder.com\/de\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b"},"headline":"Die Auswirkungen einer schlechten Datenqualit\u00e4t: Risiken, Herausforderungen und L\u00f6sungen","datePublished":"2022-04-11T14:03:57+00:00","dateModified":"2022-05-19T10:38:28+00:00","mainEntityOfPage":{"@id":"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/"},"wordCount":2147,"publisher":{"@id":"https:\/\/dataladder.com\/de\/#organization"},"keywords":["Datenqualit\u00e4t","schlechte Daten"],"articleSection":["Verwaltung der Datenqualit\u00e4t"],"inLanguage":"de-DE"},{"@type":"WebPage","@id":"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/","url":"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/","name":"Die Auswirkungen einer schlechten Datenqualit\u00e4t: Risiken, Herausforderungen und L\u00f6sungen - Data Ladder","isPartOf":{"@id":"https:\/\/dataladder.com\/de\/#website"},"datePublished":"2022-04-11T14:03:57+00:00","dateModified":"2022-05-19T10:38:28+00:00","breadcrumb":{"@id":"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/#breadcrumb"},"inLanguage":"de-DE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/dataladder.com\/de\/die-auswirkungen-einer-schlechten-datenqualitaet-risiken-herausforderungen-und-loesungen\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/dataladder.com\/de\/"},{"@type":"ListItem","position":2,"name":"Die Auswirkungen einer schlechten Datenqualit\u00e4t: Risiken, Herausforderungen und L\u00f6sungen"}]},{"@type":"WebSite","@id":"https:\/\/dataladder.com\/de\/#website","url":"https:\/\/dataladder.com\/de\/","name":"Data Ladder","description":"Enterprise Data Profiling, Cleansing, and Matching","publisher":{"@id":"https:\/\/dataladder.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/dataladder.com\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de-DE"},{"@type":"Organization","@id":"https:\/\/dataladder.com\/de\/#organization","name":"Data Ladder","url":"https:\/\/dataladder.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/dataladder.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png","contentUrl":"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png","width":413,"height":408,"caption":"Data Ladder"},"image":{"@id":"https:\/\/dataladder.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.linkedin.com\/company\/dataladder-llc\/","https:\/\/web.facebook.com\/DataLadderSoftware"]},{"@type":"Person","@id":"https:\/\/dataladder.com\/de\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b","name":"lbarrera","image":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/dataladder.com\/de\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g","caption":"lbarrera"},"url":"https:\/\/dataladder.com\/de\/author\/lbarrera\/"}]}},"modified_by":null,"_links":{"self":[{"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/posts\/67406"}],"collection":[{"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/comments?post=67406"}],"version-history":[{"count":1,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/posts\/67406\/revisions"}],"predecessor-version":[{"id":67411,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/posts\/67406\/revisions\/67411"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/media\/66826"}],"wp:attachment":[{"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/media?parent=67406"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/categories?post=67406"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/tags?post=67406"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}