Data Quality - Best Practices

Data Quality Beziehungskrisen meistern Viele Unternehmen entdecken den Wert ihrer Kunden wieder neu. Deshalb werden enorme Summen in CRM-Systeme gepumpt, um schneller, gezielter und kompetenter auf die Wünsche der Kunden eingehen zu können. Doch der Erfolg ist meist bescheiden, die verwendeten Daten sind oft nicht gut genug. Eric Ecker, Leiter Operations DataFlux Deutschland Wie wichtig sind Ihre Kunden für Sie? Diese Fragen werden die meisten Unternehmer mit "sehr wichtig" beantworten. Doch dieser hohe Stellenwert spiegelt sich in den Unternehmensdaten nicht wider. Einer Gartner-Studie zufolge scheitern 55 Prozent aller CRM-Projekte. Der Hauptgrund: schlechte Datenqualität. Datenqualität an allen Ecken Das Thema Datenqualität ist aber nicht nur auf CRM-Systeme beschränkt. So sollten Unternehmer strategische Geschäftsentscheidungen auch nur auf Basis korrekter Daten treffen, sonst droht der Firma Schieflage. Eine Marketsafe-Studie ergab 2007, dass in Großbritannien in 13 Prozent der Fälle unzureichende Datenqualität Schuld daran war, dass es nicht zu neuen Geschäftsabschlüssen kam. Totschlagargument Kosten Vorhandene Studien zum Thema Datenqualität lassen sich auf einen Nenner bringen: Schlechte Datenqualität in Unternehmen verursacht unnötige Kosten in immenser Höhe. Dabei werden, so eine Studie von Agens Consulting, bis zu 25 Prozent des Unternehmensumsatzes durch den Kamin gejagt, bei 500 Millionen Euro Umsatz sind das stattliche 125 Millionen jährlich. Schon allein das Einsparungspotenzial sollte Entscheider für hohe Datenqualität begeistern, richtig eingesetzt gehen die Vorteile aber weit darüber hinaus. Software alleine reicht nicht aus Für viele Firmen sind obige Erkenntnisse nicht neu, denn sie haben bereits versucht, dem Datenqualitäts-Problem Herr zu werden und sich mit Software-Lösungen eingedeckt. Doch das ist zu kurz gedacht, denn Programme alleine reichen meist nicht aus, um ein nachhaltiges Ergebnis zu erzielen. Wichtig sind begleitende Maßnahmen rund um die Unternehmensprozesse. Nur so kann man Schwachstellen identifizieren, die sich in der Organisation, den Prozessen, der IT und beim Personal verstecken. So findet man im Unternehmen effektive Ansätze zur Entwicklung von Verbesserungsmaßnahmen im Datenqualitätsmanagement. Für viele Firmen besteht ein hohes Risiko, nicht nur bei der Unternehmensstrategie sondern auch im Alltagsgeschäft durch schlecht gepflegte Daten in ernste Probleme zu geraten. Beispiele: Kreditentscheidungen in Banken, die auf ungenauen Daten beruhen stehen ebenso auf wackligen Beinen wie Berechnungen nach Basel II, die zu hohe Abweichungen aufweisen. Nicht reagieren – agieren So ist Datenqualitätsmanagement zwar ein Thema auf Vorstandsebene, es wird aber meist nur reaktiv betrieben. Ein proaktives Datenqualitätsmanagement ist die Ausnahme – hier ist Umdenken gefordert. In den meisten Firmen gibt es keine Instrumentarien zur Messung der Datenqualität, so dass eine wichtige Grundlage zur korrekten Einschätzung fehlt. Unternehmen müssen also die tatsächliche Datenqualität und die Kosten der Datenhaltung sichtbar machen. Bei der Trendanalyse "Banksteuerung der Zukunft" fand die Beratungsfirma agens consulting heraus, dass einer der wichtigsten Aspekte "Datenqualität als Basis für Business Intelligence" ist. Trotzdem konnte in der gleichen Studie auch nachgewiesen werden, dass die Datenqualität von den meisten Instituten zu positiv bewertet wird, weil die direkten und indirekten Kosten nur unzureichend bekannt sind. Und das ist in anderen Branchen nicht anders. Damit fehlt auch die Datenbasis, um mit einem proaktiven und strategischen Management die Qualität der Daten nachhaltig zu verbessern und Kostensparpotenziale zu erschließen. Best Practices Aber wie erreicht man im stressigen Alltag höhere Datenqualität? Der erste Schritt muss immer eine Analyse sein. Was sind die Geschäftsziele und in welchen Bereichen gibt es Probleme? Anschließend muss untersucht werden, welche Mechanismen für Datenmanagement bereits im Unternehmen vorhanden sind – und falls möglich auch gleich aufzudecken wo es Nachholbedarf gibt. Längst haben Lösungsanbieter für Datenqualität eigene Vorgehensmodelle entwickelt, die den Unternehmen zeigen wo sie beim Thema Datenqualität stehen. Unsere internen Studien zeichnen zum Beispiel ein ernüchterndes Bild: Demnach pflegen heute noch etwa 80% Prozent der Firmen einen »undisziplinierten« bzw. »reaktiven« Umgang mit Daten. Nach der Standortbestimmung empfiehlt es sich, einen Aktionsplan zu entwickeln. Am besten teilt man diesen in mehrere Phasen ein. So kann man schon frühzeitig von den Änderungen profitieren ohne das Tagesgeschäft durcheinander zu bringen. Wichtig sind gute Zusammenarbeit verschiedener Abteilungen, vorausschauende Planung, klare Formulierung der Ziele sowie die Rückendeckung durch die Geschäftsleitung. Zu beachten ist, dass nicht nur Datenfehler bei der Qualität eine Rolle spielen, sondern auch die Eignung der Daten für einen bestimmten Zweck. Gerade diese Anforderungen sind in den letzten Jahren exponentiell angewachsen. So werden immer weitere Berichts-, Planungs- und Analyseinstrumente entwickelt, getrieben durch gesetzliche aber auch interne und externe Vorgaben, um die regulatorische und ökonomische Steuerung von Geschäft und Risiken zu bewerkstelligen. Aufwandseinsparungen bei der Datenbereinigung und –aufbereitung schaffen mehr Zeit für die Kernaufgaben. 6 Schritte zu besserer Datenqualität 1. Bestimmen Sie die Unternehmensziele 2. Identifizieren Sie die Datenquellen, die für Geschäftsentscheidungen, aber auch bei auftretenden Problemen zugrunde gelegt werden (sollen) 3. Finden Sie heraus, wo die Firma bei Datenqualitätsmanagement steht 4. Bestimmen Sie Spezialisten, die den Qualitäts-Prozess begleiten 5. Sichern Sie sich die Unterstützung der Unternehmensführung 6. Denken Sie global, handeln Sie lokal