Was Datenqualität bedeutet
In der Praxis lässt sich Datenqualität auf einige Fragen zurückführen:
- Vollständigkeit: Sind alle relevanten Datensätze und Felder vorhanden?
- Richtigkeit: Bilden die Werte die Wirklichkeit ab?
- Konsistenz: Sehen derselbe Kunde, dasselbe Produkt, dieselbe Kennzahl in jedem System gleich aus?
- Aktualität: Sind die Daten auf dem neuesten Stand, wenn sie verwendet werden?
- Eindeutigkeit: Gibt es Dubletten, die Zählungen und Summen verfälschen?
Wie Probleme entstehen
Probleme mit der Datenqualität entstehen selten durch einen einzelnen Fehler. Sie wachsen, wenn Unternehmen im Lauf der Zeit Systeme hinzufügen: ein CRM, einen Onlineshop, eine Buchhaltungslösung, einige wichtige Tabellen. Jedes System erfasst Informationen auf seine Weise, Daten werden von Hand übertragen, und kleine Abweichungen – ein doppelt erfasster Kunde, eine anders geschriebene Artikelnummer, ein fehlendes Datum – summieren sich. Das Ergebnis ist bekannt: zwei Berichte, zwei unterschiedliche Zahlen und eine Diskussion darüber, welche stimmt.
Die Auswirkungen auf das Geschäft
Mangelhafte Datenqualität kostet Zeit, weil Zahlen vor jedem Bericht von Hand geprüft und korrigiert werden müssen. Sie schwächt das Vertrauen, weil man den Zahlen nicht mehr glaubt. Und sie kann zu falschen Entscheidungen führen – bei Preisen, Lagerbeständen, Personalplanung oder Investitionen. Zudem wird sie zum ernsthaften Hindernis, wenn ein Unternehmen auf ein neues System wechseln will: Daten, die im alten System widersprüchlich sind, werden bei der Migration nicht von selbst konsistent.
Praktische Schritte zur Verbesserung
Die Verbesserung der Datenqualität ist in der Regel ein strukturierter, schrittweiser Prozess:
- Die relevanten Datenquellen bestimmen und nachvollziehen, wie Daten zwischen ihnen fliessen
- Regeln festlegen: Was gilt als gültiger Datensatz, und welches System ist für welche Information massgebend?
- Bestehende Daten bereinigen und validieren – Dubletten entfernen, Lücken schliessen, Formate korrigieren
- Wiederkehrende Verarbeitungsschritte automatisieren, um neue manuelle Fehler zu vermeiden
- Berichte auf der bereinigten, einheitlichen Grundlage aufbauen
Ein Fundament, kein einmaliges Projekt
Saubere Daten erreicht man nicht ein für alle Mal. Wenn sich Systeme und Abläufe ändern, müssen sich auch die Regeln und Prüfungen weiterentwickeln. Unternehmen, die Datenqualität als Teil des Alltags verstehen, erhalten Berichte, auf die sie sich verlassen können – und eine deutlich bessere Ausgangslage für Automatisierung, Analysen und künftige Systemwechsel.