{"id":68412,"date":"2022-08-15T08:45:44","date_gmt":"2022-08-15T12:45:44","guid":{"rendered":"https:\/\/dataladder.com\/wie-sich-schlechte-datenqualitaet-auf-einen-ueberlebensplan-fuer-die-rezession-auswirkt\/"},"modified":"2022-09-13T09:01:06","modified_gmt":"2022-09-13T09:01:06","slug":"wie-sich-schlechte-datenqualitaet-auf-einen-ueberlebensplan-fuer-die-rezession-auswirkt","status":"publish","type":"post","link":"https:\/\/dataladder.com\/de\/wie-sich-schlechte-datenqualitaet-auf-einen-ueberlebensplan-fuer-die-rezession-auswirkt\/","title":{"rendered":"Wie sich schlechte Datenqualit\u00e4t auf einen \u00dcberlebensplan f\u00fcr die Rezession auswirkt"},"content":{"rendered":"\n

„Es gibt Rezessionen, es gibt B\u00f6rsenr\u00fcckg\u00e4nge. Wenn Sie nicht verstehen, dass das passieren wird, dann sind Sie nicht bereit. Sie werden an den M\u00e4rkten nicht gut abschneiden. Wenn Sie im Januar nach Minnesota fahren, sollten Sie wissen, dass es kalt sein wird. Man ger\u00e4t nicht in Panik, wenn das Thermometer unter Null sinkt.“<\/p>Peter Lynch<\/cite><\/blockquote><\/figure>\n\n

Vorhersage der weltweiten Rezession<\/h2>\n\n

Wirtschaftswissenschaftler warnen vor beidem: einer Rezession in den USA und einer weltweiten Rezession. Sinkende Aktienkurse – vor allem in der Technologiebranche und im Einzelhandel -, steigende Zinsen und zunehmende Probleme in der Lieferkette sind die Hauptindikatoren, die diese Vorhersage verst\u00e4rken.<\/p>\n\n

Die drohende Untergangsstimmung auf dem Markt veranlasst die Unternehmen zu \u00fcberst\u00fcrzten, impulsiven Entscheidungen. Neue Projekte werden gestoppt, die Ausgaben werden zu niedrig angesetzt und Mitarbeiter werden brutal entlassen. Die Unvorhersehbarkeit k\u00fcnftiger Ereignisse verst\u00e4rkt die Sorgen der Unternehmer, die versuchen, sich durch eine m\u00f6gliche Rezession zu navigieren.<\/p>\n\n

Inmitten all dessen erweisen sich Daten als das wertvollste Kapital eines Unternehmens, das in Zeiten des wirtschaftlichen Abschwungs einen echten Wert darstellt.<\/p>\n\n

Daten: Die Wahrheit ist da drau\u00dfen<\/h2>\n\n

Daten werden zum Retter in Zeiten, in denen alles andere versagt. Ein kurzer Blick darauf, was bei fr\u00fcheren Konjunkturabschw\u00fcngen geschah, kann Ihnen helfen, die Gegenwart mit Zuversicht zu meistern. Daten bieten den Unternehmen einen Puffer und erm\u00f6glichen es ihnen, Entscheidungen mit einem Gef\u00fchl der Vertrautheit und des Komforts zu treffen, das in Zeiten, in denen es so etwas noch nie gegeben hat, notwendig ist. Es liegt jedoch auf der Hand, dass Rohdaten nicht die erforderlichen Erkenntnisse liefern, sondern in Business Intelligence und umsetzbare Elemente umgewandelt werden m\u00fcssen.<\/p>\n\n

Business Intelligence-Zyklus<\/h3>\n\n

Forschung \u00fcber \n Daten und Katastrophen<\/em>\n<\/a> beschreibt einen einfachen, aber leistungsstarken Business Intelligence-Zyklus:<\/p>\n\n

\"\"<\/figure>\n\n

Der Zyklus zeigt, wie Rohdaten in verwertbare Erkenntnisse umgewandelt werden:<\/p>\n\n

  1. Nach der Erfassung der Rohdaten <\/strong>werden diese in Informationen <\/strong>umgewandelt, indem ihre Metadaten \u00fcberpr\u00fcft und die Werte auf ihre Qualit\u00e4t hin untersucht werden, um Ungenauigkeiten und Unstimmigkeiten auszuschlie\u00dfen.<\/li>
  2. Die Informationen <\/strong>werden dann in Wissen <\/strong>umgewandelt, indem sie in Business Intelligence Tools eingespeist werden.<\/li>
  3. Das Wissen <\/strong>wird dann verwaltet, um Gesch\u00e4ftspl\u00e4ne<\/strong> und Ziele zu erstellen.<\/li>
  4. Die F\u00fchrungskr\u00e4fte kommen zusammen, um diese Pl\u00e4ne <\/strong>und Ziele in umsetzbare Dinge<\/strong> zu verwandeln.<\/li>
  5. Nach der Durchf\u00fchrung von Ma\u00dfnahmen werden wieder neue Rohdaten<\/strong> gesammelt und in Informationen<\/strong> umgewandelt.<\/li><\/ol>\n\n

    6 Wege, wie Daten in der Rezession helfen<\/h3>\n\n

    Genaue und zuverl\u00e4ssige Business Intelligence hilft Unternehmen, Entscheidungen auf der Grundlage realer Daten zu treffen, statt auf der Basis von Vermutungen und Annahmen. Hier sind 6 M\u00f6glichkeiten, wie Daten Unternehmen helfen, sich in einer Rezession \u00fcber Wasser zu halten.<\/p>\n\n

    1. Risiko minimieren<\/h4>\n\n

    Zwei Entscheidungen k\u00f6nnen Sie in unterschiedliche Richtungen f\u00fchren; aber woher wissen Sie, welche von beiden eine bessere, positivere Auswirkung auf Ihr Unternehmen haben wird? Die Antwort liegt in den Daten der Vergangenheit. Die Analyse von Informationen aus der Vergangenheit kann Ihnen dabei helfen, kostspielige Entscheidungen zu vermeiden und die Opportunit\u00e4tskosten verschiedener Wege zu messen – so k\u00f6nnen Sie sich f\u00fcr Alternativen entscheiden, die auf kurze Sicht mehr Wert bieten.<\/p>\n\n

    2. Ressourcen planen<\/h4>\n\n

    Eine der ersten Entscheidungen, die Unternehmensleiter in einer Wirtschaftskrise treffen, ist die Entlassung einer gro\u00dfen Zahl von Mitarbeitern. Die Vergangenheit hat jedoch gezeigt, dass solche Entscheidungen immer zu fr\u00fch getroffen werden. Zum Beispiel erlebte die Welt mit dem Ausbruch der COVID-19-Pandemie die k\u00fcrzeste Rezession aller Zeiten, die nur 3 Monate dauerte. Und die Unternehmensleiter erkannten bald, dass der Personalabbau zu fr\u00fch erfolgte, da sie feststellten, dass die Neueinstellung, Einarbeitung und Schulung von Mitarbeitern eine weitaus gr\u00f6\u00dfere Herausforderung darstellte als deren Bindung.<\/p>\n\n

    3. Vorhersage der Schwere der Rezession<\/h4>\n\n

    Rezessionen f\u00fchlen sich immer d\u00fcster, lang und schwer an. Die Daten aus der Vergangenheit zeigen jedoch, dass es nicht so schlimm ist, wie Sie sich vielleicht f\u00fchlen, wenn Sie eine solche Phase durchlaufen. Denn die Zeitpl\u00e4ne, wann die Rezession eintritt, wie lange sie andauern wird und wie stark sie kleine und gro\u00dfe Unternehmen treffen wird, entsprachen nicht den Vorhersagen der Wirtschaftsgurus. Die Verwendung von Daten, um diese Aspekte der Rezession wirklich zu verstehen, kann helfen, Entscheidungen auf genauere Informationen zu st\u00fctzen.<\/p>\n\n

    4. Lesen Sie vergangene Erfolgsgeschichten<\/h4>\n\n

    So schlimm Rezessionen auch klingen m\u00f6gen, es gibt Erfolgsgeschichten von Unternehmen, die eine Rezession nicht nur \u00fcberlebt haben, sondern auch w\u00e4hrend und nach der Rezession florieren! Das Geheimnis liegt in den Entscheidungen, die sie vor dem Einsetzen der Rezession getroffen haben. Sie k\u00f6nnen damit beginnen, indem Sie sich \u00fcber vergangene Erfolgsgeschichten informieren oder sogar mit F\u00fchrungskr\u00e4ften in Kontakt treten, die fr\u00fchere Wirtschaftskrisen \u00fcberstanden haben, um zu erfahren, wie sie es geschafft haben.<\/p>\n\n

    5. Beobachten Sie das Verbraucherverhalten<\/h4>\n\n

    Unternehmen in der Lieferkette oder im Einzelhandel beklagen sich \u00fcber die gr\u00f6\u00dften Rezessionsausf\u00e4lle. Aber es gibt tats\u00e4chlich Erfolgsgeschichten, in denen kleine Einzelh\u00e4ndler in schwierigen Zeiten gro\u00df geworden sind. Das wichtigste Geheimnis dabei ist, das Verhalten der Verbraucher zu verstehen. Es ist nicht so, dass die Verbraucher w\u00e4hrend einer Wirtschaftskrise nichts kaufen – sie kaufen nur je nach der wirtschaftlichen Lage ihres Landes etwas anderes und in unterschiedlichem Umfang.<\/p>\n\n

    Dies ist der beste Zeitpunkt, um in Marktintelligenzplattformen zu investieren, die Ihnen die neuesten Marktkenntnisse vermitteln. Lesen Sie mehr dar\u00fcber, wie Einzelh\u00e4ndler<\/a> in Zeiten des wirtschaftlichen Abschwungs weiterhin auf der E-Commerce-Welle reiten k\u00f6nnen<\/a>.<\/p>\n\r\n

    \r\n
    \r\n
    \r\n
    \r\n
    \r\n

    The role of data quality in the world of retail<\/h1>\r\n

    Download this whitepaper to find out how retailers can identify if they have poor retail data quality and the most common issues associated with retail data and how to fix them.<\/p>\r\n Download<\/a>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n\r\n <\/div>\r\n <\/div>\n\n

    6. Investitionen in operative Verbesserungen<\/h4>\n\n

    Daten k\u00f6nnen Ihnen helfen zu verstehen, in welchen Gesch\u00e4ftsbereichen operative Verbesserungen erforderlich sind. Da das Gesch\u00e4ft nur schleppend l\u00e4uft, ist dies ein guter Zeitpunkt, um vergangene betriebliche Vorg\u00e4nge zu analysieren und neue, verbesserte Gesch\u00e4ftsprozesse f\u00fcr verschiedene Bereiche zu entwickeln, z. B. Kundenerfahrung und -bindung, Verkaufszyklus, Lieferkettenmanagement usw.<\/p>\n\n

    Schlechte Datenqualit\u00e4t: Die Wahrheit ist nicht da drau\u00dfen<\/h2>\n\n

    Die Daten, die zur Erstellung eines \u00dcberlebensplans f\u00fcr die Rezession verwendet werden, m\u00fcssen unbedingt genau, g\u00fcltig und konsistent sein. Doch in Wirklichkeit sind die Daten voller Fehler und untragbarer M\u00e4ngel, die Business Intelligence erschweren, wenn nicht gar unm\u00f6glich machen. Schlechte Datenqualit\u00e4t<\/a> – wenn sie nicht rechtzeitig behoben wird – f\u00fchrt nachweislich zu unzuverl\u00e4ssigen Ergebnissen und hat verheerende Auswirkungen auf ein Unternehmen.<\/p>\n\n

    Business Intelligence-Zyklus ohne Datenqualit\u00e4t<\/h3>\n\n

    Werfen wir einen Blick darauf, wie ein Business Intelligence-Zyklus funktioniert, wenn er mit schlechten Daten gef\u00fcttert wird:<\/p>\n\n

    \"\"<\/figure>\n\n
    1. Der wichtigste Schritt der Umwandlung von Daten in Informationen wird \u00fcbersprungen.<\/li>
    2. Analysten und BI-Tools versuchen, Wissen direkt aus verschmutzten Daten zu gewinnen.<\/li>
    3. Das „Wissen“ wird dann in Unternehmensziele und -pl\u00e4ne umgesetzt.<\/li>
    4. Die F\u00fchrungskr\u00e4fte entwickeln aus dem belasteten Gesch\u00e4ftsplan umsetzbare Ma\u00dfnahmen.<\/li><\/ol>\n\n

      So befehlen die F\u00fchrungskr\u00e4fte ihren Teams, nach einem Plan zu handeln, der nichts mit der Realit\u00e4t zu tun hat. Und nicht nur das: Die gesamte Zeit und die Ressourcen, die f\u00fcr diesen BI-Zyklus aufgewendet wurden, waren umsonst, da der Input von vornherein besch\u00e4digt war.<\/p>\n\n

      4 Wege, wie schlechte Datenqualit\u00e4t einen \u00dcberlebensplan f\u00fcr die Rezession ruiniert<\/h3>\n\n

      Werfen wir einen Blick darauf, wie schlechte Datenqualit\u00e4t den \u00dcberlebensplan eines Unternehmens f\u00fcr die Rezession zunichte machen kann.<\/p>\n\n

      1. Unzuverl\u00e4ssige Erkenntnisse aus BI-Tools<\/h4>\n\n

      Wir haben gerade gesehen, wie schmutzige Daten Ihre Business-Intelligence-Erkenntnisse zerst\u00f6ren k\u00f6nnen. Wenn Ihre BI-Tools mit unzureichenden Daten gespeist werden, kann es vorkommen, dass F\u00fchrungskr\u00e4fte inkonsistente und verwirrende Vorschl\u00e4ge von ihren BI-Tools oder ihrem Analystenteam erhalten. Entscheidungen, die auf solchen Erkenntnissen beruhen, k\u00f6nnen dazu f\u00fchren, dass Ihr Unternehmen in schwierigen Zeiten wichtige Marktchancen verpasst und Einnahmen verliert. Dies kann f\u00fcr Ihr Unternehmen verheerend sein, da es m\u00f6glicherweise nicht in der Lage ist, solche Verluste zu verkraften.<\/p>\n\n

      2. Losl\u00f6sung von den Kunden<\/h4>\n\n

      Unternehmen, die seit Jahrzehnten auf einem Markt konkurrieren, kennen ihre Verbraucher gut – in Bezug auf Demografie, Vorlieben und Wahlm\u00f6glichkeiten. Aber eine drohende Rezession k\u00f6nnte das \u00e4ndern. Die Beobachtung des Verbraucherverhaltens anhand veralteter oder falsch interpretierter Daten kann Ihrem Ruf auf dem Markt schaden. Ihre Kunden k\u00f6nnten das Gef\u00fchl haben, dass Sie den Kontakt zu ihnen verlieren und ihre Erwartungen nicht erf\u00fcllen. Dies kann dazu f\u00fchren, dass Ihre Konkurrenten Ihnen die Kunden wegnehmen, wenn Sie versuchen, den Kundenservice und -support zu reduzieren.<\/p>\n\r\n

      \r\n
      \r\n
      \r\n
      \r\n
      \r\n

      How to build a unified, 360 customer view<\/h1>\r\n

      Download this whitepaper to learn why it\u2019s important to consolidate your customer data and how you can get a 360 view of your customers.<\/p>\r\n Download<\/a>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n\r\n <\/div>\r\n <\/div>\n\n

      3. Hindernisse beim \u00dcbergang zur Digitalisierung<\/h4>\n\n

      Unternehmen stoppen ihre Initiativen zur digitalen Transformation oft aus Angst vor einer m\u00f6glichen Rezession. Wirtschaftswissenschaftler haben jedoch vorausgesagt, dass Rezessionen ein guter Zeitpunkt sind, um Projekte zur digitalen Transformation zu beschleunigen, da die Opportunit\u00e4tskosten niedrig sind. Dies geschieht, weil das Gesch\u00e4ft bereits langsam ist und die Einstellung von technischen Fachkr\u00e4ften einfacher und weniger kostspielig ist, da sie in der gesamten Technologiebranche entlassen werden.<\/p>\n\n

      Trotz der Vorteile, die sich daraus ergeben, stecken Unternehmen bei der Umstellung auf die Digitalisierung fest, weil Berge von fehlenden, unvollst\u00e4ndigen, inkonsistenten und nicht standardisierten Informationen vorliegen. Wenn die Datenqualit\u00e4t nicht dem erforderlichen Standard entspricht, f\u00fchrt dies zu langen Verz\u00f6gerungen, wenn Unternehmen versuchen, Prozesse zu digitalisieren oder neue Technologien einzuf\u00fchren.<\/p>\n\n

      4. Geringere betriebliche Effizienz und Produktivit\u00e4t<\/h4>\n\n

      Da das Gesch\u00e4ft in solchen Zeiten eher schleppend verl\u00e4uft, konzentrieren sich die Unternehmen auf die Verbesserung der betrieblichen Effizienz im gesamten Unternehmen, um sich auf neue Expansionsm\u00f6glichkeiten auf dem Markt zu konzentrieren. Eine schlechte Datenqualit\u00e4t f\u00fchrt jedoch zu ernsthaften Engp\u00e4ssen bei der Arbeit aller Beteiligten, da sie Datenquellen und -inhalte vor der Verwendung in Routinevorg\u00e4ngen doppelt \u00fcberpr\u00fcfen m\u00fcssen. Geringe betriebliche Effizienz und Produktivit\u00e4t sind die Folge solcher Probleme zu einem Zeitpunkt, an dem Ihr Unternehmen sie am wenigsten vertragen kann.<\/p>\n\n

      Ein Plan zur Datenqualit\u00e4t vor der Rezession<\/h2>\n\n

      Es besteht kein Zweifel, dass Ihre Analysen zeitnah und genau sein m\u00fcssen, um eine Rezession zu \u00fcberstehen. Eine schlechte Datenqualit\u00e4t kann jedoch sowohl die Aktualit\u00e4t als auch die Genauigkeit Ihrer Erkenntnisse beeintr\u00e4chtigen. Aus diesem Grund ist es unerl\u00e4sslich, jetzt in das Datenqualit\u00e4tsmanagement zu investieren, damit Sie den potenziellen Nachteilen schlechter Daten ausweichen k\u00f6nnen, wenn die Rezession tats\u00e4chlich eintritt. Werfen wir einen Blick auf die 3 wichtigsten Schritte im Umgang mit schlechter Datenqualit\u00e4t, wenn wir uns einer Rezession n\u00e4hern.<\/p>\n\n

      1. Identifizierung von Datenqualit\u00e4tsproblemen<\/h3>\n\n

      Der erste Schritt ist offensichtlich: Finden Sie heraus, womit Sie es zu tun haben. Nicht jedes Unternehmen hat die gleichen Probleme mit der Datenqualit\u00e4t. Datenqualit\u00e4t ist definiert als Eignung der Daten f\u00fcr einen bestimmten Zweck. Je nachdem, wie die Daten in Ihrem Unternehmen verwendet werden, k\u00f6nnen Sie viele Diskrepanzen bei der Verwaltung der Datenqualit\u00e4t feststellen. Nachstehend finden Sie eine Liste der h\u00e4ufigsten Probleme mit der Datenqualit\u00e4t. Weitere Informationen finden Sie in den 12 h\u00e4ufigsten Datenqualit\u00e4tsproblemen und deren Ursachen<\/a>.<\/p>\n\n\n\n\n\t\n\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t
      No.<\/th>Data quality issue <\/th>Explanation <\/th>Example of data quality issue <\/th>\n<\/tr>\n<\/thead>\n
      1<\/td>Column duplication <\/td>Multiple columns are present that have the same logical meaning. <\/td>Product category is stored in two columns that logically mean the same: Category and Classification. <\/td>\n<\/tr>\n
      2<\/td>Record duplication <\/td>Multiple records are present for the same individual or entity. <\/td>Every time a customer interacts with your brand, a new row is created in the database rather than updating the existing one. <\/td>\n<\/tr>\n
      3<\/td>Invalid data <\/td>Data values are present in an incorrect format, pattern, data type or size. <\/td>Customer Phone Numbers are present in varying formats \u2013 some are stored as flat 10 digits, while others have hyphens, some are saved as a string, while others as numbers, and so on. <\/td>\n<\/tr>\n
      4<\/td>Inaccurate data <\/td>Data values do not conform to reality. <\/td>Customer Name is incorrectly stored: Elizabeth is stored as Aliza, or Matt is stored as Mathew. <\/td>\n<\/tr>\n
      5<\/td>Incorrect formulae <\/td>Data values are calculated using incorrect formulae. <\/td>Customer Age is calculated from their Date of Birth but the formula used is incorrect. <\/td>\n<\/tr>\n
      6<\/td>Inconsistency <\/td>Data values that represent the same information vary across different datasets and sources. <\/td>Customer record stored in the CRM represents a different Email Address than the one present in accounts application. <\/td>\n<\/tr>\n
      7<\/td>Missing data <\/td>Data is missing or is filled with blank values. <\/td>The Job Title of most customers is missing from the dataset. <\/td>\n<\/tr>\n
      8<\/td>Outdated data <\/td>Data is not current and represents outdated information. <\/td>Customer Mailing Addresses are years old leading to returned packages. <\/td>\n<\/tr>\n
      9<\/td>Unverified domain data <\/td>Data does not belong to a range of acceptable values. <\/td>Customer Mailing Addresses are years old leading to returned packages. <\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n\n\n

      2. Umsetzung eines Datenqualit\u00e4tsplans in Wochen<\/h3>\n\n

      Wenn Ihre Datens\u00e4tze mit Fehlern behaftet sind, m\u00fcssen Sie eine Datenqualit\u00e4tsplattform<\/a> einsetzen – aber nichts allzu Gro\u00dfes, etwas, das in wenigen Wochen und nicht Monaten einsatzbereit ist. Es gibt mehrere M\u00f6glichkeiten, wie Anbieter verschiedene Datenqualit\u00e4tsmanagementprozesse<\/a> in ihren Tools verpacken, z. B:<\/p>\n\n