Verheerende Folgen durch schlechte Datenqualität

Wenn sich niemand darum kümmert, könnte das katastrophale Folgen für das Unternehmen haben.

Data Quality bezieht sich auf die methodische Herangehensweise, Richtlinien und Prozesse, mit denen ein Unternehmen die Genauigkeit, Gültigkeit, Vollständigkeit, Aktualität, Eindeutigkeit und Konsistenz seiner Daten in Systemen und Datenflüssen verwaltet. Leider werden diese Anforderungen oft nicht erfüllt, so dass die Daten in Bezug auf diese Attribute mangelhaft sind.

Schlechte Data Quality hat einige Konsequenzen.

Im Folgenden finden Sie die Probleme, die durch schlechte Data Quality in datengesteuerten Organisationsmodellen verursacht werden.

• Komplikationen bei der Datenabgleichung.

Bei schlechter Datenqualität nimmt der Datenabgleich mehr Zeit in Anspruch. Deshalb müssen Skripte geschrieben werden, was die Entwicklungs- und Wartungsaufgaben vergrößert. Der erhöhte Bedarf an Abgleichsaufgaben lenkt die qualifizierten Mitarbeiter von ihren Hauptaufgaben ab, die darin bestehen, eine ausgeklügelte Automatisierung zu entwickeln.

Im Gegensatz dazu erfordert eine von einem Anbieter bereitgestellte Data Quality-Lösung wie die von BiG EVAL weniger Kosten und Zeitaufwand für Unternehmen.

• Zusätzliche Kosten

Unternehmen werden immer datengesteuerter und verbrauchen immer mehr Datenquellen. Außerdem ist mit zunehmender Anzahl von Datenquellen mehr manueller Abgleich erforderlich, was die Kosten exponentiell in die Höhe treibt. Die Automatisierung dieser Aufgabe in Form eines rollenbasierten Abgleichs sorgt daher für eine Kostenkontrolle.

• Duplizierungsprobleme

Data Quality Management (DQM) zentralisiert und organisiert die Datenquellen, um den Prozess auf der Grundlage der Bedürfnisse der Abteilungen und Organisationen zu rationalisieren. Ohne dieses DQM würden die Abteilungen aufgrund mangelnder Kohärenz und fehlender gemeinsamer Datengrundlagen die Arbeit wiederholen. Duplikate sind die größte Ursache für die Verschwendung von Ressourcen und Zeit in Unternehmen.

• Einnahmeverluste.

Bis jetzt ist klar, dass Daten effektiver verwaltet werden müssen. Das größere Problem in Unternehmen sind die nachgelagerten Auswirkungen von Daten schlechter Qualität. Lösungen, die auf minderwertigen Daten basieren, können katastrophal und ineffektiv sein. Dadurch werden die Budgets der Unternehmen in die völlig falsche Richtung gelenkt.

• Verzögerungen beim Einsatz.

Verzögerungen bei der Einführung neuer Systeme sind leider ein sehr häufiges Problem, das durch minderwertige Daten verursacht wird. Solche Verzögerungen wirken sich negativ auf die Produktivität, die Fristen und die Jahresplanung aus. Schließlich wirken sie sich auf das Serviceniveau aus, wenn die Verzögerungen mit den Einsätzen der Kunden zusammenhängen. Dies kann den Ruf des Unternehmens und seine Wettbewerbsfähigkeit auf dem Markt beeinträchtigen. Dieses Problem ist bei Aktiengesellschaften noch größer, da das Interesse der Anleger nachlässt und die Aktienkurse erheblich sinken.

Ein Beispiel dafür ist Target Super Market, dessen Expansionsplan nach Kanada aufgrund eines Problems in den ERP-Produktdaten scheiterte. Dies führte dazu, dass die Preise für Artikel um 30% erhöht wurden und falsche Informationen auf den Websites und Flyern des Unternehmens veröffentlicht wurden, wodurch Target seinen Ruf in Kanada verlor.

Die Auswirkungen schlechter Daten sind enorm und können für ein Unternehmen katastrophale Folgen haben, wenn man sich nicht darum kümmert. Die gute Nachricht ist,

es gibt Lösungen für Data Quality, wie z.B.:

• Regelmäßige Bewertung der Data Quality der Datenbestände.
• Verwendung einer alternativen Datenquelle.
• Verwendung von Techniken zur Datenauflösung, wie z.B. die Verwendung von Mittelwert/Modus/Median anstelle von falschen Daten.
• Verwendung von Schätzungen.

Das Data Quality Management wird von speziellen Organisationen unterstützt, die sich mit der Verbesserung der Data Quality befassen, wie z.B. BiG EVAL, die technologische Tools und Unterstützung zur Bewältigung dieses Problems entwickelt.

Die Automatisierungslösung von BiG EVAL DQM unterstützt seine Kunden bei allen Aufgaben des Data Quality Managements. Unsere Kunden sind in der Lage, ihre Unternehmensdaten automatisch einer ständigen Qualitätskontrolle zu unterziehen, sie erhalten eine Qualitätskennzahl und können ihre Prozesse zur Lösung von Qualitätsproblemen unterstützen. Mangelhafte Data Quality ist Geschichte und erst recht die Folgen von schlechter Data Quality!

Erfahren Sie, wie einfach Sie Ihre Daten automatisch testen können. Auch für Fachleute ohne IT-Kenntnisse.