In einem Meer von Daten – Wie Unternehmen Mehrwert aus ihren Daten schöpfen können
Nahezu alle relevanten Entscheidungen von Unternehmen basieren auf Daten. Doch in dieser rasch wachsenden Flut von Informationen liegt sowohl eine immense Chance als auch eine potenzielle Gefahr: Werden diese Daten nicht richtig verwaltet, können diese irreführend und nutzlos sein. Laut einer Studie von Forrester werden bis zu 73 % der Daten in einem Unternehmen nie strategisch genutzt und Untersuchungen der Carnegie Mellon University haben ergeben, dass 90 % der Daten in einer Organisation ungenutzte Daten oder "Dark Data" sind. Um einen Nutzen aus Daten zu erzielen, ist es notwendig, dass diese aussagekräftig und zuverlässig sind, um als verlässliche Entscheidungsgrundlage zu dienen.
Data-Quality als Wellenbrecher
Die Menge und Bedeutung von Daten für Unternehmen wächst täglich. Doch die bloße Erfassung und Speicherung von Daten macht sie weder zu einem wertvollen Asset noch macht es ein Unternehmen datengesteuert. Daten sind speziell dann von Nutzen, wenn sie mit einem definierten Zweck erfasst und verwaltet werden, so dass dem Unternehmen qualitativ hochwertige Daten, Quality-Data, für wichtige Geschäftsentscheidungen zur Verfügung stehen. Anderenfalls besteht die Gefahr, sich nicht auf die Daten verlassen zu können. Daten von schlechter Qualität können zu ungenauen Analysen und Fehlentscheidungen führen und die Unternehmensleistung negativ beeinträchtigen.
Aus Sicht des Unternehmens geht es bei Data-Quality darum, sicherzustellen, dass die Daten für ihren beabsichtigten Einsatz in Betriebsabläufen, Entscheidungsfindung und Planung geeignet sind und den internen wie externen Compliance-Vorgaben entsprechen. Mit qualitativ hochwertigen Daten können Unternehmen Entscheidungsprozesse beschleunigen, zielgerichtete Aktivitäten definieren, umsetzen und hochwertige Prognosen für die Geschäftsentwicklung erstellen.
Quality-Data trägt nicht nur zur Effizienzsteigerung des Datenbestands bei, sondern hilft auch, Risiken zu minimieren, Kosten zu reduzieren und die Produktivität zu steigern. Datenmanager verbringen weniger Zeit damit, Schnittstellen zu prüfen, Fehler zu analysieren und können sich stattdessen mehr auf die Nutzung der Daten für ihre Zwecke konzentrieren.
Folgend wird die frühzeitige Definition des Zwecks, also welche Entscheidungen datenseitig unterstützt werden sollen, notwendig. Daten und Informationen sowie deren Qualität werden somit zum entscheidenden – auch wettbewerblichen – Faktor, denen Unternehmen eine zentrale Bedeutung beimessen sollten. Aus diesem Grund empfiehlt sich auch eine Einführung eines unternehmensweiten Datenmanagement, welches das historische IT-Silodenken überwindet und querschnittlich agieren kann.
Data-Governance und Data-Management: Back- und Steuerbord von Data-Quality
Data-Governance und Data-Management gehen in der Realisierung von Datenqualität Hand in Hand, wobei sich Ersteres auf den Ordnungsrahmen und Richtlinien und Letzteres auf Verfahren sowie Prozesse konzentriert.
Data-Governance-Richtlinien definieren organisationsübergreifend Rollen und Verantwortlichkeiten sowie damit verbundene Entscheidungsrechte und Leitplanken für eine geordnete Steuerung des Datenmanagements.
Das Data-Governance-Team arbeitet dahingehend mit den relevanten Stakeholdern zusammen, um die Kriterien und Verfahren für die Erhebung und Qualität der Daten zu definieren.
Beim Datenmanagement geht es um Daten über den gesamten Lebenszyklus innerhalb einer Organisation. Mit Hilfe einer end-to-end Data-Management-Strategie kann sichergestellt werden, dass die Daten während des gesamten Prozesses – von der Erstellung bis zur Löschung – gemäß den gesetzlichen und branchenspezifischen Vorschriften – verwaltet werden.
Eine Data-Governance-Richtlinie definiert unter Anderem, dass die Erhebung und Verwaltung von Daten den DSGVO-basierten Vorgaben entspricht und schafft somit die Brücke zwischen regulatorischer Anforderung und der unternehmensspezifischen Umsetzung.
Laut einer Studie von McKinsey ist Data-Governance ein entscheidender Erfolgsfaktor für Unternehmen. Unternehmen bemessen diesem Thema teilweise jedoch nicht genug Bedeutung bei, was zu hohen Kosten und – u. A. regulatorischen - Risiken führen kann. Ohne eine qualitätssicherndes Datenmanagement verpassen Unternehmen nicht nur Chancen, die sich aus datengetriebenen Möglichkeiten ergeben, sondern sie verschwenden auch wertvolle Ressourcen. Nach der Studie kann die Verarbeitung und Bereinigung von Daten mehr als die Hälfte der Zeit eines –gut bezahlten - Analyseteams in Anspruch nehmen. Dies schränkt die wertschöpfende Arbeit ein und frustriert Mitarbeitende. Tatsächlich kann die Produktivität der Mitarbeitenden in der gesamten Organisation leiden: In einer Umfrage im Jahr 2019 gaben die Befragten teilnehmenden Unternehmen an, dass durch schlechte Datenqualität und -verfügbarkeit durchschnittlich 30 Prozent ihrer gesamten Unternehmenszeit für nicht wertschöpfende Aufgaben aufgewendet wurde.
Alle Mann an Deck! – Data-Quality als gemeinsame Verantwortung
Die Realisierung von Datenqualität ist ein kontinuierlicher Prozess, der die gesamte Organisation einbeziehen sollte. In vielen Unternehmen wird der Prozess vor allem als reines Technologieprojekt verstanden, doch geht dieser über die bloße technische Integration von Daten hinaus. Vor der Integration in ein System ist es von entscheidender Bedeutung, dass die Verantwortlichen ein einheitliches Verständnis dafür entwickeln, welche Rolle die unterschiedlichen Datenpunkte in der Wertschöpfungskette des Unternehmens spielen können.
Die Verbesserung der Datenqualität sollte eine hohe Priorität für die Unternehmensführung haben, da ein effektives Data-Management und -Governance einen signifikanten Einfluss auf Unternehmensentscheidungen hat.
Die Strategie zur Definition, Erhebung, Prüfung, Nutzung und Löschung von Daten in Unternehmen wird zunehmend zu einem entscheidenden Faktor im Wettbewerb. Aus diesem Grund sollte ausgehend vom Management bis in die IT-Organisationen ein einheitliches Verständnis über das was, wie und wofür zum Datenmanagement bestehen. Nur durch einen integrierten Prozess sowie dessen Umsetzung kann sichergestellt werden, dass die notwendigen Daten in der geeigneten Form zum richtigen Zeitpunkt vorliegen.
Verfasser: Cüneyt Baluch