Warum Datenqualität für Unternehmen der Schlüssel zum Erfolg ist

Artificial Intelligence, Blockchain, prädiktive Analysen, etc. – Unternehmen setzen heute mehr und mehr auf neue Technologien und Verfahren. Sie versprechen sich davon einen Vorteil gegenüber der Konkurrenz, mehr Effizienz und bessere Entscheidungen. Damit das alles funktioniert, ist die Qualität der Daten entscheidend. Doch was bedeutet Datenqualität überhaupt? Was sind die Kriterien? Und wieso ist sie so wichtig, um sich im Wettbewerb langfristig durchzusetzen? Dieser Artikel hat die Antworten auf diese Fragen.

Daten kosten Geld. Das ist ein Fakt. Daten in einer hohen Qualität zu führen, kostet sogar noch mehr. Doch was ist die Alternative? Daten sich selber überlassen? Und dann Entscheidungen aufgrund falscher oder veralteter Informationen zu treffen? Umständliche Prozesse im Unternehmen zu tolerieren? Sich Strafgelder wegen Nichteinhaltung der Compliance einzuhandeln? Oder sogar hohe finanzielle Risiken einzugehen?

Schlechte, falsche und unvollständige Daten haben das Potential, viel Schaden anzurichten. Gemäss Gartner sind das Beträge in Millionenhöhe, die verloren gehen. Sich also nicht um seine Daten und deren Qualität zu kümmern, ist keine Alternative. Zugegeben, Projekte und Initiativen mit dem Ziel, die Datenqualität zu verbessern und zu halten, sind komplex und teuer – und oft einschüchternd. Doch die Kosten, einfach nichts zu tun, sind viel höher.

Gemäss Gartner Research richten qualitativ schlechte Daten 9.7 Millionen Dollar Schaden pro Jahr bei Unternehmen an. (https://www.gartner.com/smarterwithgartner/how-to-create-a-business-case-for-data-quality-improvement)

Um im Wettbewerb mitzuspielen und sich als erfolgreiche Unternehmung zu behaupten, ist es absolut unerlässlich, die Kontrolle über die Daten zu haben und für eine hohe Qualität zu sorgen. Kein Wunder steht Datenqualität bei vielen Unternehmen und CEOs ganz oben auf der Prioritätenliste. Nur wem es gelingt, Daten in einer vollständigen, korrekten und aktuellen Form im Unternehmen zur Verfügung zu stellen, hat langfristig Erfolg und verbrät nicht unnötig Geld.

In diesem Artikel beleuchten wir «Datenqualität» genauer. Dazu lohnt sich der Blick in die folgenden drei Aspekte:

• Wieso Datenqualität für Unternehmen so wichtig ist.
• Was die Kriterien für hohe Datenqualität sind.
• Wie man eine hohe Datenqualität erreicht und langfristig hält.

Die Gründe für hohe Datenqualität

Werfen wir einen Blick darauf, warum Datenqualität in der Business-Welt so matchentscheidend ist. Wer die richtigen Daten in der richtigen Qualität zur Verfügung stellt, dem eröffnen sich viele Vorteile und Möglichkeiten.

1 Entscheidungen

Je höher die Datenqualität, desto mehr Vertrauen haben die Mitarbeiter in die Entscheidungen, die sie treffen. Das senkt die Risiken und steigert sowohl den Output als auch die Effizienz.

Der Anteil aller CEOs, die sich über die Qualität der Daten sorgen, die ihren Entscheidungen zu Grunde liegen. «2016 Global CEO Outlook», KMPG International.

2 Produktivität

Hohe Datenqualität führt zu höherer Produktivität. Anstatt Daten zu validieren und Fehler zu korrigieren, haben die Mitarbeiter mehr Zeit für ihre eigentlichen Aufgaben.

3 Compliance

Ein hohe Datenqualität macht oft den Unterschied zwischen der Einhaltung von Regulatorien und Strafen in Millionenhöhe.

4 Marketing

Korrekte Daten machen ein genaues Targeting und eine personalisierte Kommunikation erst möglich. Das wird besonders im heutigen Omnichannel-Umfeld immer schwieriger und wichtiger.

Die Kriterien für hohe Datenqualität

Wir wissen jetzt, wieso es so wichtig ist, Daten in einer hohen Qualität zu führen. Schauen wir uns nun an, was Qualität überhaupt ausmacht. Das sind die folgenden 4 Kriterien.

1 Richtigkeit

Dass Daten und Information stimmen müssen, scheint auf den ersten Blick logisch. Inkorrekte Informationen haben in einer Datenbank einfach nichts zu suchen. Korrekte Daten stellen sicher, dass Mailing auch wirklich beim Empfänger ankommen, und – noch besser – dass sie zum Beispiel Unternehmenshierarchien mit allen Verbindungen abbilden.

Richtigkeit hängt aber auch vom Kontext und von der Situation ab. Bei einem Unternehmen sind beispielsweise 10 Telefonnummern gelistet. Ruft man aber beim Marketing an, erhält man aber sehr wahrscheinlich keine Auskunft zu den Finanzen. Wenn man über die Richtigkeit von Daten spricht, dann gibt es keine «Wahrheit», die bestimmt, ob eine Information richtig ist oder nicht. Richtigkeit kennt viele Nuancen. Was in einem Fall sinnvoll ist, ist an anderer Stelle völlig unnütz. 

2 Vollständigkeit

Nur wenn Daten und Datensätze alle verfügbaren Informationen abbilden, sind sie vollständig. Wenn zum Beispiel nur zwei Drittel aller Käufe eines Kunden erfasst sind, dann spiegelt dieser Datensatz nicht den wirklichen Wert des Kunden wider, sondern man unterschätzt ihn. Vermutlich bleibt der Datensatz über längere Zeit so liegen. Das heisst, dass dem Unternehmen das wirkliche Potential durch die Lappen geht. Handelt es sich um einen Kunden, der eigentlich sehr hoch performen würde, ist das natürlich sehr ärgerlich.

3 Standard

Standardisierte Daten sind für den User sehr wichtig. Sie ermöglichen es, sie einfach abzugleichen. Ein Beispiel sind Adressinformationen. Adressen in Tokyo sehen anders aus als solche in der Schweiz oder in den Vereinigten Staaten. Nur bei fix definierten Standards ist es möglich, neue Datensätze automatisch richtig zu importieren und vor allem um Duplikate zu erkennen und eliminieren.

4 Verlässlichkeit

Datenquellen müssen verlässlich und glaubwürdig sein und dabei einen Zweck erfüllen. Nur wenn sie diesen Kriterien entsprechen und vertrauenswürdig sind, werden die User sie nutzen – und nur so entstehen fundierte und richtige Entscheidungen.

Die 5 Schritte, um eine hohe Datenqualität zu erreichen

Sie wissen jetzt, wieso Datenqualität so wichtig ist und was die Kriterien dafür sind. Jetzt möchten Sie bestimmt wissen, wie Sie die Qualität Ihrer Daten verbessern.

1 Ziele setzen

Bevor Sie beginnen, Daten zu bereinigen, müssen Sie sich im Klaren sein, welchen Business Case Sie lösen wollen. Dabei müssen alle Stakeholder mit im Boot sein.

2 Daten identifizieren

Die Daten liegen meist in verschiedenen Silos, also in verschiedenen CRM-Systemen, Excel-Listen, manchmal sogar auf Papier.

Anteil der top-performenden Unternehmen, die die Führung in den Bereichen Daten und Analytics zu einer strategischen Priorität machen. "2016 Global CEO Outlook", KPMG International.

3 Evaluation

Nach dem Daten-Inventar erfolgt eine Begutachtung der aktuelle Datenqualität. Dazu gehören auch die Prozesse und Tools.

4 Parameter festlegen

Dabei geht es darum, die Ursachen der schlechten Datenqualität zu erfassen. Unter Umständen geben die Mitarbeiter Informationen konstant falsch ein.

5 Überwachen

Da Datenqualität ein fortlaufendes Thema ist, ist eine permanente oder periodische Überwachung unumgänglich. 

Stammdaten: Holen Sie unsere kostenlose Infografik

Sie haben sicher erkannt, wieso Daten in einer hohen Qualität so wichtig für den Erfolg sind. Möchten Sie sich einen Überblick über das Thema Stammdaten machen, dann laden Sie gleich unsere kostenlose Infografik «Master Data» herunter.