{"id":68377,"date":"2022-09-19T00:00:00","date_gmt":"2022-09-19T04:00:00","guid":{"rendered":"https:\/\/dataladder.com\/8-bewaehrte-verfahren-zur-gewaehrleistung-der-datenqualitaet-auf-unternehmensebene\/"},"modified":"2022-09-13T09:00:52","modified_gmt":"2022-09-13T09:00:52","slug":"8-bewaehrte-verfahren-zur-gewaehrleistung-der-datenqualitaet-auf-unternehmensebene","status":"publish","type":"post","link":"https:\/\/dataladder.com\/de\/8-bewaehrte-verfahren-zur-gewaehrleistung-der-datenqualitaet-auf-unternehmensebene\/","title":{"rendered":"8 bew\u00e4hrte Verfahren zur Gew\u00e4hrleistung der Datenqualit\u00e4t auf Unternehmensebene"},"content":{"rendered":"\n

Im Februar 2020 \u00fcbergab Facebook einen anonymisierten Datensatz an Social Science One<\/a> – mit dem Ziel, Erkenntnisse \u00fcber die Kommunikation und das Verhalten in den sozialen Medien zu gewinnen. Der Datensatz enthielt Informationen \u00fcber 38 Millionen URLs, die mehr als 100 Mal \u00f6ffentlich geteilt wurden.<\/p>\n\n

Am 20. September 2021 r\u00e4umte Facebook gegen\u00fcber drei Dutzend Forschern ein<\/a>, dass der Datensatz schwerwiegende Fehler aufwies, und entschuldigte sich f\u00fcr die negativen Auswirkungen auf ihre Forschung. Es stellte sich heraus, dass Facebook es vers\u00e4umt hatte, die Daten der H\u00e4lfte seiner US-Nutzer einzubeziehen, da diese im Vergleich zu den Nutzern insgesamt weniger politisch polarisiert waren. Eine Facebook-Sprecherin erkl\u00e4rte, dass dieser Vorfall auf einen technischen Fehler in ihrem URL-Shares-Datensatz zur\u00fcckzuf\u00fchren sei.<\/p>\n\n

Heutzutage sind Daten zweifellos einer der gr\u00f6\u00dften Verm\u00f6genswerte eines Unternehmens. Sie wird \u00fcberall eingesetzt – vom Tagesgesch\u00e4ft eines Unternehmens bis hin zu Business-Intelligence-Initiativen – oder, wie im Fall von Facebook, zur Unterst\u00fctzung von mehr als 100 Recherchen. Wenn jedoch Techniken und bew\u00e4hrte Verfahren f\u00fcr die Datenqualit\u00e4t fehlen (mit denen Datenqualit\u00e4tsprobleme rechtzeitig erkannt und behoben werden), kann ein Unternehmen viel Geld verlieren und Gefahr laufen, ins Hintertreffen zu geraten.<\/p>\n\n

In diesem Blog befassen wir uns mit einer Reihe von Best Practices und Prozessen zur Datenqualit\u00e4t, die eine hohe Datenqualit\u00e4t auf Unternehmensebene erm\u00f6glichen k\u00f6nnen. Ich werde nicht nur aufzeigen, was ben\u00f6tigt wird, sondern auch die Ma\u00dfnahmen nennen, die Ihnen helfen k\u00f6nnen, diesen Zustand zu erreichen.<\/p>\n\n

Dar\u00fcber hinaus f\u00fchren die unten genannten Praktiken zu den besten Ergebnissen, wenn sie in regelm\u00e4\u00dfigen Abst\u00e4nden in einem Unternehmen durchgef\u00fchrt werden. Daten (in ihrer Definition und Verwendung) sind dem Wandel unterworfen. Wenn Ihr Unternehmen also diese Praktiken st\u00e4ndig \u00fcberpr\u00fcft, k\u00f6nnen Sie definitiv bessere und dauerhafte Ergebnisse erzielen.<\/p>\n\n

Fangen wir an.<\/p>\n\n

1. Ermitteln Sie den Zusammenhang zwischen Daten und Unternehmensleistung<\/h2>\n\n

Wir beginnen mit dieser Praxis, da sie der wichtigste und grundlegendste Teil einer ordnungsgem\u00e4\u00dfen Datenverwaltung, -\u00fcbernahme und -nutzung in jedem Unternehmen ist. Zuallererst m\u00fcssen Sie verstehen, wie Daten zu Ihren Unternehmenszielen beitragen.<\/p>\n\n

Wie sieht sie aus?<\/h3>\n\n

Dies kann sowohl eine Analyse der Rolle von Daten auf hoher Ebene (z. B. Hervorhebung von Bereichen, in denen Daten genutzt werden) als auch eine detaillierte Analyse von Einzelheiten (z. B. der Rolle von Daten im Tagesgesch\u00e4ft, in Gesch\u00e4ftsprozessen, beim Informationsaustausch zwischen Abteilungen usw.) umfassen.<\/p>\n\n

Wenn Sie das erkannt haben, ist es an der Zeit, folgende Frage zu stellen: Wenn diese Prozesse oder Bereiche nicht durch Qualit\u00e4tsdaten unterst\u00fctzt wurden, welche Auswirkungen kann das auf die daraus resultierenden KPIs haben?<\/p>\n\n

Ein Beispiel f\u00fcr eine solche Situation ist, wenn die Gesch\u00e4ftsleitung das Umsatzziel f\u00fcr das n\u00e4chste Quartal auf der Grundlage der Verkaufsdaten des letzten Quartals festlegt, aber dann feststellt, dass der Datensatz, der f\u00fcr die Prognose des k\u00fcnftigen Ziels verwendet wurde, schwerwiegende Probleme mit der Datenqualit\u00e4t aufweist, was dazu f\u00fchrt, dass Ihre Verkaufsabteilung einem willk\u00fcrlichen Wert nachjagt, der keine konkrete Bedeutung hat. Die daraus resultierende Situation hat massive negative Auswirkungen auf die Gesch\u00e4ftst\u00e4tigkeit und den Ruf des Unternehmens, z. B. indem unrealistische Erwartungen an die Vertriebsmitarbeiter gestellt werden, ungenaue Umsatzzahlen versprochen werden und so weiter.<\/p>\n\n

Wie hilft es?<\/h3>\n\n

Wenn Sie verstehen, welche Rolle Daten in allen laufenden Prozessen eines Unternehmens spielen, haben Sie immer ein Argument zur Hand, um Daten und ihrer Qualit\u00e4t Priorit\u00e4t einzur\u00e4umen. Dies wird Ihnen auch dabei helfen, die notwendige Zustimmung und Aufmerksamkeit der Beteiligten zu erhalten – etwas, das f\u00fcr die Durchf\u00fchrung und das Vorschlagen von \u00c4nderungen an bestehenden Prozessen entscheidend ist.<\/p>\n\n

2. Messung und Pflege der Definition der Datenqualit\u00e4t<\/h2>\n\n

Sobald Sie wissen, welche Auswirkungen Daten auf Ihr Unternehmen haben, besteht der n\u00e4chste Schritt darin, Datenqualit\u00e4t f\u00fcr alle Datens\u00e4tze in Ihrem Unternehmen zu erreichen. Doch bevor wir das tun k\u00f6nnen, ist es wichtig, die Definition von Datenqualit\u00e4t zu verstehen, da sie f\u00fcr jedes Unternehmen etwas anderes bedeutet.<\/p>\n\n

Die Datenqualit\u00e4t ist definiert als der Grad, in dem die Daten den beabsichtigten Zweck erf\u00fcllen. Um die Bedeutung der Datenqualit\u00e4t in Ihrem Fall zu verstehen, m\u00fcssen Sie also wissen, was der beabsichtigte Zweck ist.<\/p>\n\n

Wie sieht sie aus?<\/h3>\n\n

Um die Datenqualit\u00e4t f\u00fcr Ihr Unternehmen zu definieren, m\u00fcssen Sie damit beginnen, die Daten zu identifizieren:<\/p>\n\n