1. No category

Die wahren Kosten fehlerhafter Daten
Sechs einfache Schritte zur Lösung von
Datenqualitätsproblemen
Ein Whitepaper
WebFOCUS
iWay Software
Omni
Inhaltsangabe
1Einleitung
3
Erste Schritte – Wirtschaftlichkeitsnachweis
5
Fehlerhafte Daten in sechs Schritten reparieren
5
Schritt 1: Das Problem durchschauen
6
Schritt 2: Data Steward ernennen
6
Schritt 3: Auswirkungen fehlerhafter Daten ermitteln
7
Schritt 4: Umgang mit fehlerhaften Daten klären
8
Schritt 5: Bereinigungsprozess starten
9
Schritt 6: Umfassende Datenqualitätsprozesse implementieren und aufrechterhalten
10
Best Practices in Sachen Datenqualität
12
Fehlerhafte Daten ausmerzen: Fallbeispiele aus der Praxis
13Fazit
Einleitung
Der Preis für eine unzureichende Data Governance, also ein strategisches
Informationsmanagement, kann in die Millionen gehen – von Geldstrafen wegen System- und
Kontrolldefiziten über Personalkosten für den zusätzlichen Aufwand zur Beschaffung zuverlässiger
Informationen für geschäftskritische Entscheidungen bis hin zu Rechtskosten für die Behebung
datenfehlerbedingter PR-Desaster. Wenn es um Patienten- oder Verbraucherschutz geht, kann
mangelhafte Datenqualität sogar Menschenleben kosten.
Hinzu kommt, dass Datenqualität in den meisten Unternehmen in erster Linie unter taktischen
Gesichtspunkten betrachtet wird. Entweder muss die IT-Abteilung für Probleme geradestehen,
oder die Geschäftsbereiche müssen geeignete Prozesse entwickeln. Ist die IT-Abteilung zuständig,
erhalten die Probleme häufig eine niedrige Priorität. Also müssen die Geschäftsbereiche sich
selbst um Datenqualität und das übergeordnete Thema Data Governance kümmern, denn sie sind
täglich damit konfrontiert.
Eine Gartner1-Studie ergab:
■■
■■
Mangelhafte Datenqualität ist der Hauptgrund dafür, dass 40 % aller geschäftlichen Initiativen
nicht zum gewünschten Erfolg führen.
Datenqualität wirkt sich mit bis zu 20 % auf die allgemeine Produktivität von Mitarbeitern aus.
Eine Umfrage von The Data Warehouse Institute führte zu ähnlichen Ergebnissen. Die Befragten
gaben an, dass mangelhafte Datenqualität zu entgangenen Umsätzen (54 %), Zusatzkosten (72 %),
und gesunkener Kundenzufriedenheit (67 %) geführt habe.2
Warum werden Datenqualitätsprobleme also nicht auf Unternehmensebene angegangen?
In der Regel können Daten nicht adäquat verarbeitet werden, wenn immer wieder neue
Geschäftsprozesse und provisorische Lösungen für derartige Probleme entwickelt werden.
Vielfach bedeutet eine Veränderung des Status Quo eine Veränderung der Unternehmenskultur
und die Herbeiführung der Fähigkeit, das Thema Datenqualität als kontinuierliches
Strategieprogramm zu behandeln statt als Serie von Einzelprojekten. Es ist schwer, eine
Kulturveränderung herbeizuführen, und wenn ohnehin geeignete Geschäftsprozesse zu existieren
scheinen, ist es leichter, alles so zu lassen, wie es ist.
Die 1-10-100 Regel von Joel E. Ross3 weist auf einen wichtigen Aspekt hin. Die Regel erläutert, dass
unerkannte Kostenfaktoren die finanziellen Verluste eskalieren lassen. Mit mangelhafter Qualität
sind viele Kostenfaktoren verbunden: Prävention, Beurteilung, interne Fehler und externe Fehler.
Hierbei sollten die Präventionskosten die höchste Priorität erhalten, denn es ist erheblich günstiger,
einen Fehler zu verhindern, als ihn zu reparieren. Dieses Prinzip erinnert an die medizinische
Weisheit, dass Vorbeugung besser ist als jede Medizin. Die Beziehung zwischen diesen Kosten wird
von der 1-10-100-Regel wiedergegeben, wie die Abbildung zeigt.
1
Friedman, Ted; Smith, Michael. „Measuring the Business Value of Data Quality,” Gartner, October 2011.
2
Eckerson, Wayne. „Data Quality and the Bottom Line,” The Data Warehouse Institute.
3
Ross, E. Joel; Perry, Susan. „Total Quality Management: Text, Cases and Readings,” CRC Press, June 1999.
1
Information Builders
1
Correction Cost
10
Failure Cost
100
$$$
>
Prevention Cost
Die Abbildung verdeutlicht, dass ein Euro, der für Prävention ausgegeben wird, 10 Euro für die
Korrektur und 100 Euro für für Ausfallkosten nach sich zieht. Im Zuge der Ereigniskette von
Konzeption bis Bereitstellung eskalieren die Kosten von Fehlern in dem Maße, wie die Kosten eines
Versagens steigen.
Je früher Sie einen Defekt erkennen und vermeiden, desto günstiger wird es. Wenn Sie ein
2-Cent-Chip-Problem erkennen, bevor der Chip verwendet wird, und den Chip wegwerfen,
entsteht ein Verlust von 2 Cent. Wird der Fehler erst gefunden, nachdem der Chip auf eine
Computerkomponente gelötet wurde, kann die Reparatur des Teils 10 Euro kosten. Wird der Defekt
der Komponente erst festgestellt, wenn sie auf dem Mainboard verbaut wurde und beim Kunden
ist, kostet die Reparatur Hunderte Euro. Muss ein PC im Wert von 2000 Euro beim Kunden repariert
werden, können die Kosten sogar die Herstellungskosten überschreiten.
In diesem Whitepaper beschreiben wir sechs einfache, aber sehr wirkungsvolle Schritte zur
Prävention und Reparatur fehlerhafter Daten. Sie erfahren, wie Sie die Unterstützung der
Geschäftsleitung für ein Datenqualitäts-Managementprogramm erhalten und welche Prozesse
Sie befolgen müssen, um eine optimale Datenintegrität zu sichern. Außerdem gehen wir auf Best
Practices in Sachen Datenqualität ein und beschreiben mehrere Erfolgsgeschichten aus der Praxis.
2
Die wahren Kosten fehlerhafter Daten
Erste Schritte - Wirtschaftlichkeitsnachweis
In einem aktuellen Artikel im Harvard Business Review schrieb Thomas C. Redman, Präsident von
Navesink Consulting: „Die meisten Manager sind sich völlig im Klaren darüber, dass die Qualität
ihrer Daten unzureichend ist.“ Solange aber keine wirtschaftlichen Argumente vorliegen, erhält das
Thema keine ausreichende Priorität.
Bevor Sie sich nun daran machen, ein formales Datenqualitätsprogramm einzuführen, müssen Sie
dessen Rentabilität nachweisen und sich die Unterstützung und Finanzierung durch die richtigen
Akteure in der Geschäftsleitung sichern. Die erforderliche Unterstützung ist jedoch nicht so leicht
zu erhalten. Am besten untermauern Sie Ihre Argumente so:
Stellen Sie besonders spektakuläre Probleme in den Vordergrund
Benennen Sie einige sensible Bereiche, in denen fehlerhafte Daten zu massiven Problemen führen.
Damit haben Sie es leichter, den dringendsten Handlungsbedarf und die Gebiete mit den am
schnellsten erreichbaren Resultaten deutlich zu machen.
In vielen Fällen liegt die Ursache bei den CRM-Systemen. Daten von Dun & Bradstreet zeigen, dass
fast 96 % der CRM-Datensätze Ungenauigkeiten aufweisen, wobei die Qualitätsverluste bei nahezu
2 % pro Monat liegen.5 Diese Systeme lassen sich direkt mit dem Umsatz, der Kundenzufriedenheit
und der Kundenbindung sowie mit anderen wichtigen Unternehmenszielen in Verbindung
bringen und erlangen daher auf jeden Fall die Aufmerksamkeit der Geschäftsführung.
Definition von Qualität
Es ist wichtig, dass alle, die mit Daten arbeiten oder dafür verantwortlich sind, die gleiche
Auffassung davon haben, was „Qualität“ bedeutet. Deshalb ist es erforderlich, Kriterien festzulegen,
an denen sich die Informationen messen lassen. Beispiel: Kundennummern müssen in bestimmte
Wertebereiche fallen oder Produktnummern müssen ein bestimmtes Format einhalten.
Kostenabschätzung
Berechnen Sie die finanziellen Einbußen durch die zuvor ermittelten fehlerhaften Daten. Bei einem
durchschnittlichen Unternehmen können diese Verluste laut Informationen der amerikanischen
Insurance Data Management Association 15 bis 20 % der operativen Erlöse erreichen.6
Achten Sie darauf, direkte Kosten mit einzubeziehen, zum Beispiel durch den Aufwand für
die Lokalisierung, Validierung oder Bereinigung der benötigten Daten sowie die Kosten für
Nacharbeit, wenn aufgrund mangelhafter Daten Fehler entstehen. Beispielsweise muss ein
Arzneimittelunternehmen wegen einer falschen Patientennummer teure Tests erneut durchführen
oder ein Einzelhandelsunternehmen muss einen Auftrag neu bearbeiten, weil der Kunde aufgrund
falscher Teile- oder Produktnummern einen falschen Artikel erhalten hat.
Außerdem sind indirekte Kosten zu berücksichtigen, etwa unerwartet geringe Rücklaufquoten bei
einer Kampagne oder schlechte Upsell/Cross-Sell-Raten wegen falscher Anschriften oder E-MailAdressen. Und vergessen Sie nicht die Kosten durch falsche Entscheidungen aufgrund ungültiger
oder beschädigter Daten.
4
Redman, C. Thomas. „Making the Case for Better Quality Data,” HBR Blog Network, August 2012.
5
„The Big Payback on Quality Data,” Dun & Bradstreet, May 2012.
6
Lizard, Sophie. „The Costs of Data Quality Failure,” Match2Lists.com, December 2011.
3
Information Builders
Erstellen Sie Profile Ihrer Daten
Erstellen Sie anhand der in den vorhergehenden Schritten festgelegten Qualitätskriterien
und Regeln Datenprofile für die problematischsten Systeme und Datenquellen. Dadurch wird
deutlich, wo sich die fehlerhaften Daten befinden und wie gravierend die Probleme sein können.
Vermutlich kennt die Geschäftsleitung die Thematik bereits, aber nicht ihr Ausmaß.
Auf das Thema Data Profiling gehen wir im nächsten Abschnitt dieses Whitepapers noch näher
ein.
Befunde der Bestandsaufnahme zusammenstellen und präsentieren
Erstellen Sie eine Übersicht, die den von Ihnen verwendeten Analyseprozess und dessen
Ergebnisse sowie die mit den fehlerhaften Daten verbundenen Kosten darstellt. Ein wichtiger
Bestandteil dieser Präsentation sollten Empfehlungen zur Beseitigung der Probleme sein, etwa
technische Lösungen, ein Fahrplan für die Realisierung dieser Lösungen usw.
Sobald Ihre Ergebnisse zusammengestellt und dokumentiert sind, vereinbaren Sie einen Termin
für die Präsentation ihrer Argumente, sichern Sie sich Unterstützung und die erforderlichen
finanziellen Mittel. Achten Sie darauf, dass die am stärksten von fehlerhaften Daten betroffenen
Prozessverantwortlichen bei der Besprechung anwesend sind, denn für diese ist Ihr Angebot am
attraktivsten, weil sie am meisten von dessen Realisierung profitieren können.
4
Die wahren Kosten fehlerhafter Daten
Fehlerhafte Daten in sechs Schritten reparieren
Schritt 1: Das Problem durchschauen
Im Unternehmen muss Einigkeit darüber herrschen, wo sich die fehlerhaften Daten befinden
und wie sie sich auf den Unternehmenserfolg auswirken. Am besten lässt sich dies durch Data
Profiling erreichen. Data Profiling ist ein Lernprozess, bei dem es darum geht, eine Ist-Analyse der
vorhandenen Datenbestände vorzunehmen und deren Qualität zu bewerten.
Bei einem solchen Data Profiling können unterschiedliche Arten von Defiziten aufgedeckt
werden. Daten sind möglicherweise unvollständig. Beispielsweise können in den
Kundendatensätzen eines CRM-Systems Postleitzahlen oder E-Mail-Adressen nicht vorhanden
sein oder in einer Materialdatenbank Teilenummern fehlen. Oder Mitarbeiterdaten fehlen
in einer Personaldatenbank. In diesem Fall müssen Sie eine vollständige Definition von
„Mitarbeiter“ festlegen, um die Beurteilung durchführen zu können – sollen externe Partner oder
Subunternehmer ebenfalls berücksichtigt werden?
Durch ein lückenloses Data Profiling können Sie Ihre drängendsten Datenqualitätsprobleme
vollständig erfassen und beurteilen.
Dabei können auch Fehler und Inkonsistenzen in diesen Daten erkannt werden. Sind die Werte in
den Datenbankfeldern korrekt? Häufige Fehler sind Postleitzahlen, die Buchstaben enthalten und
E-Mail-Adressen ohne das @-Symbol. Nicht zuletzt werden dabei oft auch Doppeleinträge und
Redundanzen entdeckt – etwa Produkte, die in einer Lagerbestandsdatenbank mehrfach erfasst
wurden oder doppelte Datensätze für einen einzelnen Kunden in einem CRM-System.
5
Information Builders
Schritt 2: Data Steward ernennen
Der Datenqualitätsbeauftragte (auch Data Steward genannt) ist die wohl wichtigste Person in
Ihrer Datenqualitätsinitiative. Er hat die Aufgabe, Regeln dafür aufzustellen, wie Daten generiert,
behandelt, gepflegt und weitergegeben werden, und er beschreibt die Prozesse, die im gesamten
Unternehmen für Qualität sorgen sollen. Außerdem kümmert er sich um die Durchsetzung dieser
Richtlinien, übernimmt die laufende Überwachung und Messung der Informationsintegrität
und passt die Qualitätsverfahren entsprechend den aktuellen Bedürfnissen, Datenquellen und
sonstigen Faktoren an.
Bedenken Sie dabei, dass es vermutlich bereits Mitarbeiter gibt, die derartige Aufgaben
wahrnehmen. Die formale Einrichtung eines Data Stewards bietet in diesem Zusammenhang
zwei Vorteile. Erstens verdeutlicht die formale Ernennung die Bedeutung von Daten für die
Geschäftsprozesse im Unternehmen. Zweitens zeigt sie die Bedeutung der Mitarbeiter in diesen
Prozessen.
Schritt 3: Auswirkungen fehlerhafter Daten ermitteln
Zum Aufbau ihrer Argumentation für die Beseitigung von Datenqualitätsproblemen müssen Sie
die Auswirkungen der fehlerhaften Daten möglichst genau kennen. Durch das Data Profiling im
ersten Schritt wissen Sie jetzt, was falsch läuft. In diesem Schritt ermitteln Sie, warum es falsch läuft
und wie es sich auf das Unternehmen auswirkt.
Als Einstieg erstellen Sie am besten ein Lebenszyklusdiagramm der Daten, die sie im ersten Schritt
untersucht haben. Woher stammen die Daten? In welchen Anwendungen werden diese Daten
genutzt? Welche Konsequenzen hat es für die Anwendungen, wenn die Daten nicht korrekt
sind? Ermitteln Sie Punkte im Lebenszyklus, an denen die Daten manipuliert werden können und
kennzeichnen Sie die Stellen, an denen diese genutzt werden, sodass die Konsequenzen von
Qualitätsmängeln deutlich werden. Weisen Sie bei jedem Schritt richtigen Daten und falschen
Daten jeweils einen Wert zu. Addieren Sie am Ende des Lebenszyklus die Zahlen.
Sobald Sie wissen, welche Daten fehlerhaft sind, ermitteln Sie die Ursachen und die Wirkungen auf
das Unternehmen.
6
Die wahren Kosten fehlerhafter Daten
Zur Erreichung bestimmter Datenqualitätsziele müssen Sie möglicherweise einzelne
Geschäftsprozesse anpassen. Prüfen Sie insbesondere manuelle Aktivitäten oder Abläufe, die sich
potenziell stark auf die Informationsintegrität auswirken, und ändern Sie diese bei Bedarf, sodass
Fehler künftig minimiert werden.
Schritt 4: Umgang mit fehlerhaften Daten klären
Wie gehen Sie zur Beseitigung der bei der Profilierung aufgedeckten Probleme nun weiter
vor? Priorisieren Sie alle Chancen, Probleme und Risiken, entwickeln sie ein Verfahren zu deren
Behandlung und setzen Sie dieses um.
Folgende Fragen sind dabei zu klären:
■■
■■
■■
Welche Fehler sind tolerierbar (liegen innerhalb akzeptabler Grenzen) und welche nicht (die
problematischsten Fehler)?
Was passiert mit den Problem-Fehlern? Werden die Daten nicht mehr verwendet oder werden
sie zur Prüfung weitergeleitet?
Wie werden korrigierbare Fehler behoben? Werden Sie manuell bearbeitet oder werden
Standardwerte eingesetzt?
Dabei kann es sinnvoll sein, für verschiedene Fehlerarten unterschiedlich vorzugehen. Die Prozesse
für die Beseitigung von Formatierungsfehlern können anders sein als die Schritte zur Behebung
von Redundanzen, fehlenden Informationen oder ungültigen Daten.
Eine erfolgreiche Datenqualitätsstrategie erfordert nicht unbedingt, dass alle Daten völlig fehlerfrei
sind. Ein derart hochgestecktes Ziel würde möglicherweise verhindern, dass überhaupt etwas
unternommen wird. Je nach den Ergebnissen der in Schritt 3 durchgeführten Auswirkungsanalyse
kann „richtig“ auch „gut genug“ bedeuten.
7
Information Builders
Schritt 5: Bereinigungsprozess starten
Sie haben festgestellt, welche Daten problematisch sind, ermittelt, wie die korrigierten Daten
aussehen sollten und Mitarbeiter mit der Sicherung der Datenqualität beauftragt. Jetzt ist der
Zeitpunkt gekommen, die Prozesse und Verfahren zur Bereinigung der Daten umzusetzen.
Hier benötigen Sie die Unterstützung durch die IT-Abteilung. Bei sorgfältiger Durchführung der
vorigen Schritte ist der Aufwand für diesen Schritt jedoch nicht mehr sehr hoch. Gemeinsam
mit dem Data Steward haben sie wie ein Architekt eine Blaupause erstellt. Jetzt müssen Sie diese
Blaupause nur noch den Handwerkern übergeben, die mit den entsprechenden Werkzeugen die
konkreten Baumaßnahmen durchführen.
Mit leistungsfähigen Bereinigungs-Tools lassen sich erforderliche Korrekturen an fehlerhaften
Daten effizient durchführen.
8
Die wahren Kosten fehlerhafter Daten
Schritt 6: Umfassende Datenqualitätsprozesse implementieren und
aufrechterhalten
Sie verfügen nun über einen Prozess zur Beseitigung ihres ursprünglichen Problems und ihr
Unternehmensbereich arbeitet effizienter. Aber wird auch mit maximaler Effizienz gearbeitet? Gibt
es andere datenbezogene Probleme, um die sich ihr Unternehmensbereich kümmern sollte? Jetzt
verfügen Sie jedenfalls über die Mitarbeiter, Prozesse und Technik, die Sie dafür brauchen.
Bevor Sie jedoch dieses Thema ansprechen, sorgen Sie dafür, dass Sie Ihre Fortschritte in Sachen
Datenqualität auch messen und überwachen können. Sie haben bereits Kriterien entwickelt, und
Sie sollten diese ständig auf dem neuesten Stand halten. Sie brauchen ein objektives Messsystem,
um ihren Erfolg zu belegen, und die Effizienz des Messsystems muss laufend überwacht werden.
Damit ist es jedoch noch nicht getan.
Erinnern Sie sich noch an Schritt 3 und die Erstellung des Datenlebenszyklus? Sie haben das
Datenproblem in ihrem Geschäftsbereich erfolgreich behoben – jetzt ist es Zeit, mit den anderen
Unternehmensbereichen zu sprechen. Die Konsumenten der von Ihnen optimierten Daten
sind froh über die Beseitigung ihrer Probleme. Nach diesem Erfolg sollten sie nun auch mit den
Erzeugern der Daten sprechen, die Ihnen Probleme machen.
Ihr Engagement hat eine Welle von Verbesserungsmaßnahmen ausgelöst, die schrittweise
umgesetzt werden. Nach und nach profitiert das gesamte Unternehmen von ihrer Initiative und
die Unternehmenskultur beginnt, sich zu verändern.
9
Information Builders
Best Practices in Sachen Datenqualität
Sie können noch weitere Maßnahmen ergreifen, um etwas für die Datenintegrität zu tun. Hier
einige Techniken, die von Unternehmen mit einem hohen Datenqualitätsbewusstsein realisiert
wurden.
Daten als wertvolles Wirtschaftsgut behandeln
Es ist schon lange her, dass Unternehmen gelernt haben, ihre Mitarbeiter – also diejenigen, die
Entscheidungen treffen und unternehmenskritische Aufgaben durchführen – als wertvolles
Kapital zu betrachten. Seitdem investieren Sie in Schulungen und sonstige Programme, die ihre
Mitarbeiter noch wertvoller für das Unternehmen machen.
Es ist an der Zeit, die für die Arbeit dieser Mitarbeiter benötigten Informationen ebenfalls als
wertvolles Gut zu behandeln. Unternehmen müssen eine Kultur entwickeln, die der Datenqualität
eine hohe Priorität zuweist. Mitarbeiter auf allen Ebenen – nicht nur diejenigen, die für die Daten
verantwortlich sind, auch diejenigen, die sie nutzen – müssen sich der Bedeutung zuverlässiger
Informationen bewusst sein und die Daten pflegen und optimieren. Zuverlässige, aktuelle
Informationen sind die Grundlage für bessere Leistungen und Ergebnisse und bei börsennotierten
Unternehmen auch für höhere Kurse.
Vorausschauendes Handeln
Viele Unternehmen reagieren nur auf schlechte Datenqualität und ergreifen regelmäßig
Maßnahmen zur Lokalisierung und Bereinigung ungültiger oder beschädigter Daten. Dabei
bedenken sie nicht, dass die fehlerhaften Daten beim Einsatz in Geschäftsprozessen bereits
unwiderrufliche Schäden angerichtet haben können. Hinzu kommt, dass auch andere Systeme
in Mitleidenschaft gezogen worden sein können, weil sich Daten schnell im Unternehmen
ausbreiten.
In jedem Fall ist es günstiger, die kontaminierten Daten bereits am Ursprungsort zu stoppen als
den gesamten Datenbestand zu bereinigen, der mit diesen Daten gespeist wird.
Gefragt ist also ein Konzept, das frühzeitig eingreift und die Datenqualität sichert. Eine
Datenqualitäts-Firewall kann fehlerhafte Datensätze in Echtzeit abfangen, bevor sie in die
Datenbank gelangen. Damit erübrigt sich der Finanz- und Personalaufwand für die Lokalisierung
und Berichtigung fehlerhafter Informationen, die über zahllose Systeme und Quellen verteilt sind.
Qualität durchsetzen: Data Governance ist der Schlüssel
Viele Unternehmen, die Datenqualitätsprogramme einführen, verzichten darauf, die Einhaltung
der entsprechenden Richtlinien und Verfahren kontinuierlich im Alltag zu kontrollieren. Dafür
gibt es zahlreiche Gründe. Einer der häufigsten ist dem Blog BeyeNETWORK zufolge „das
Missverständniss, dass Datenqualität und Data Governance einmalige Projekte seien und keine
fortlaufenden Programme, die eine eigene Überwachung und Optimierung erfordern. Ohne
einen effektiven Data-Governance-Plan ist die Verbesserung der Datenqualität nicht viel mehr als
Datenbereinigung, die nur vorübergehend für gutes Datenmaterial sorgt.”8
8
Medved, Joy. “An Easier Way to Enforce Data Governance Compliance,” BeyeNETWORK, February 2009.
10
Die wahren Kosten fehlerhafter Daten
Ein effektiver Data-Governance-Plan mit entsprechenden Lösungen ist entscheidend für eine
kontinuierliche Datenqualität.
In seinem Blog „Obsessive-Compulsive Data Quality“ schreibt Jim Harris: „Der Unterschied
zwischen Erfolg und Fehlschlag Ihres Data-Governance-Programms hängt davon ab, ob Sie Ihre
Verhaltensregeln durchsetzen.“9 Anders gesagt führen Datenqualitätspläne zu nichts, wenn sie
nicht richtig umgesetzt und befolgt werden.
Harris empfiehlt folgende Vorgehensweise:
■■
Richtlinien klar und leicht verständlich dokumentieren
■■
Verfahrensweisen bekanntgeben, dabei aber offene Diskussionen zulassen
■■
Qualitätskriterien festlegen und messen, damit die Auswirkungen überwacht werden können
■■
■■
9
Geschäftsprozesse, Technologien, Daten oder Personen, die möglicherweise zu
Qualitätsproblemen beitragen, korrigieren
Richtlinien entsprechend der Weiterentwicklung Ihres Unternehmens, seiner Ziele und seiner
Datenumgebung verfeinern
Harris, Jim. “Jack Bauer and Enforcing Data Governance Policies,” Obsessive-Compulsive Data Quality Blog, June 2010.
11
Information Builders
Fehlerhafte Daten eliminieren: Fallbeispiele aus der Praxis
Wie lassen sich diese Prinzipien in der Praxis umsetzen? Schauen wir uns einmal beispielhaft an,
wie innovative Tools und Best Practices zur Verbesserung der Datenqualität in vier Unternehmen
eingesetzt werden.
CenterStone Technologies
Als führender Entwickler von Lösungen für die Auftragsabwicklung optimiert CenterStone Umsatz
und Kundenservice durch eine flexible, skalierbare und äußerst leistungsfähige Umgebung, in der
Datentransfer und Datenbereinigung automatisiert und beschleunigt ablaufen – bei steigender
Datenqualität. Aufgrund der höheren Effizienz und niedrigeren Kosten rechnet CenterStone für
das Projekt über einen Zeitraum von drei Jahren bei einer Investitonsrendite von 371 % und einer
Amortisationszeit von drei Monaten mit einem kumulativen Nettogewinn von über 1 Million USDollar.
Love’s Travel Stops & Country Stores
Love’s ist laut Forbes das siebtgrößte in Privatbesitz befindliche Unternehmen in den USA
mit über 280 Geschäften und 130 Reifencentern in 39 Bundesstaaten. Um die POS-Zahlen
mit Überweisungsdaten abzugleichen, Abweichungen aufzudecken und die Ursachen für
notorische Probleme zu ermitteln, realisierte Love’s eine einzigartige Umgebung auf Basis
moderner Integrations- und Datenqualitäts-Managementlösungen. Diese Umgebung sichert die
Qualität der Finanzdaten, indem sie überprüft, ob Transaktionen in jeder Phase des komplexen
Kommunikationsprozesses richtig weitergeleitet werden und sie hilft dem Unternehmen,
Finanzprobleme leichter zu erkennen, zu analysieren und zu beseitigen. Das wiederum verbessert
den Cashflow und beschleunigt Zahlungen.
State of New Hampshire Department of Revenue Administration
Diese Behörde, die die Steuereinnahmen für 253 Kommunen im Staat New Hampshire
abwickelt, Steuersätze festsetzt und das Grundsteuerwesen beaufsichtigt, hatte Schwierigkeiten
bei Erfassung, Abgleich und Analyse von Steuerzahlerdaten und in der Folge auch bei
Steuerschätzungen. Sie führte eine kostengünstige Plattform für die Analyse und Verbesserung
der Qualität ihrer Datenbestände ein, die in einem komplexen Verbund aus Buchhaltungs- und
Abrechnungssystemen integriert ist. New Hampshire kann seinen Steuerzahlern jetzt einen
besseren Service bieten und der Politik zuverlässigere Prognosen liefern, die so die wirtschaftliche
Lebensfähigkeit des Staats und die Praktikabilität der Steuern besser einschätzen kann.
Senior Health Insurance Company of Pennsylvania
Die Senior Health Insurance Company of Pennsylvania (SHIP) hat Datenqualitätsaspekte in ihre
Pläne zur Einführung einer hoch entwickelten Analyseumgebung für die langfristige Planung,
optimierte Kommunikation und branchenweiten Informationsaustausch bei höherer Effizienz
und niedrigeren Kosten einbezogen. Informationen über Zehntausende von Zahlungen und
Tausende von Ansprüchen sowie Informationen über Standorte von Versicherten, Anspruchsarten,
Alter und Kosten werden automatisch bereinigt und in ein Data Warehouse geladen, wo sie
analysiert werden können. Dank der zuverlässigen, aktuellen Informationen hilft die Umgebung
SHIP dabei, Betrugsfälle einzudämmen und Reserven vorzuhalten, die ausreichen, um die
Versicherungsansprüche auf mindestens 50 Jahre hinaus zu decken.
12
Die wahren Kosten fehlerhafter Daten
Fazit
Die Förderung der Datenqualität im Unternehmen muss keine unüberwindliche Herausforderung
sein. Mit sechs einfachen Schritten können Sie eine Kultur schaffen, die Informationsintegrität
fördert und vorausschauende Prozesse und Kontrollelemente einführen, die Daten zuverlässig,
aktuell und vollständig halten.
Worauf stützen sich Unternehmen wie CenterStone, Love’s Travel Stops and Country Stores
und SHIP bei ihren Datenqualitätsinitiativen? Auf umfassende Datenintegrations- und
Datenintegritätslösungen von Information Builders:
iWay Data Quality Suite
Datenqualitätsmanagement und Data-Profiling-Funktionen in Echtzeit helfen bei der Optimierung
von Konsistenz, Vollständigkeit und Korrektheit von Daten für sämtliche Informationsgüter.
Master Data Suite
Eine hochmoderne Stammdatenverwaltung ermöglicht die Konsolidierung von Millionen
Datensätzen und stellt einheitliche, validierte Stammdaten für eine Vielzahl von EnterpriseApplikationen und Systeme direkt und verzögerungsfrei zur Verfügung.
iWay Integration Suite
Integritätslösungen von Information Builders optimieren Daten unabhängig davon, wo und in
welchem Format sie gespeichert sind – ob strukturiert oder unstrukturiert – und ermöglichen so
eine einheitliche, zuverlässige Darstellung an jedem Interaktionspunkt.
Diese leistungsstarken Technologien zur Daten- und Anwendungsintegration machen in
Verbindung mit den innovativen Datenqualitäts- und Stammdaten-Verwaltungsfunktionen die
Informationsmanagement-Plattform iWay aus.
13
Information Builders
Information Builders
Information Builders hilft Unternehmen bei der Umwandlung von Daten in geschäftlichen
Mehrwert. Unsere Software-Lösungen für Business Intelligence und Analytik, Integration und
Datenintegrität ermöglichen bessere Entscheidungen, stärken Kundenbeziehungen und schaffen
Wachstum. Kein Softwareunternehmen engagiert sich mehr für den Erfolg seiner Kunden als
wir. Daher überrascht es nicht, dass Zehntausende führende Unternehmen auf Software von
Information Builders setzen. Information Builders wurde 1975 gegründet und hat seinen Hauptsitz
in New York und verfügt über Niederlassungen auf der ganzen Welt. Nach wie vor sind wir eines
der größten unabhängigen Unternehmen in Privatbesitz in der Software-Industrie. Besuchen Sie
uns auf informationbuilders.com, folgen Sie uns auf Twitter unter @infobldrs, liken Sie uns auf
Facebook und besuchen Sie unsere LinkedIn-Seite.
14
Die wahren Kosten fehlerhafter Daten
Worldwide Offices
Corporate Headquarters
International
Two Penn Plaza
New York, NY 10121-2898
(212) 736-4433
(800) 969-4636
Australia*
Melbourne 61-3-9631-7900
Sydney 61-2-8223-0600
Middle East Innovative Corner Est.
Riyadh 966-1-2939007
n Iraq n Lebanon n Oman n Saudi Arabia
n United Arab Emirates (UAE)
Austria Raffeisen Informatik Consulting GmbH
Wien 43-1-211-36-3344
Netherlands* Information Builders (Benelux) B.V.
Amstelveen 31 (0)20-4563333
Brazil InfoBuild Brazil Ltda.
São Paulo 55-11-3285-1050
Nigeria InfoBuild Nigeria
Garki-Abuja 234-9-290-2621
Canada
Calgary (403) 718-9828
Montreal* (514) 421-1555
Ottawa (613) 233-7647
Toronto* (416) 364-2760
Vancouver (604) 688-2499
Norway InfoBuild Norge AS c/o Okonor
Tynset 358-0-207-580-840
China Information Builders China
Beijing 86-10-5128-9680
Finland InfoBuild Oy
Espoo 358-0-207-580-840
South Africa
Fujitsu (Pty) Ltd.
Cape Town 27-21-937-6100
Sandton 27-11-233-5432
InfoBuild (Pty) Ltd.
Johannesburg 27-11-510-0070
France*
Puteaux +33 (0)1-49-00-66-00
South Korea UVANSYS, Inc.
Seoul 82-2-832-0705
Germany
Eschborn* 49-6196-775-76-0
Southeast Asia Information Builders SEAsia Pte. Ltd.
Singapore 60-172980912
n Bangladesh n Brunei n Burma n Cambodia
n Indonesia n Malaysia n Papua New Guinea
n Thailand n The Philippines n Vietnam
United States
Atlanta, GA* (770) 395-9913
Baltimore, MD (703) 247-5565
Boston, MA* (781) 224-7660
Channels (770) 677-9923
Chicago, IL* (630) 971-6700
Cincinnati, OH* (513) 891-2338
Dallas, TX* (972) 398-4100
Estonia InfoBuild Estonia ÖÜ
Tallinn 372-618-1585
Denver, CO* (303) 770-4440
Detroit, MI* (248) 641-8820
Federal Systems, DC* (703) 276-9006
Florham Park, NJ (973) 593-0022
Gulf Area (972) 490-1300
Hartford, CT (781) 272-8600
Houston, TX* (713) 952-4800
Kansas City, MO (816) 471-3320
Los Angeles, CA* (310) 615-0735
Milwaukee, WI (414) 827-4685
Minneapolis, MN* (651) 602-9100
New York, NY* (212) 736-4433
Orlando, FL (407) 804-8000
Philadelphia, PA* (610) 940-0790
Phoenix, AZ (480) 346-1095
Pittsburgh, PA (412) 494-9699
Sacramento, CA (916) 973-9511
San Jose, CA* (408) 453-7600
Seattle, WA (206) 624-9055
St. Louis, MO* (636) 519-1411, ext. 321
Washington DC* (703) 276-9006
Greece Applied Science Ltd.
Athens 30-210-699-8225
Guatemala IDS de Centroamerica
Guatemala City (502) 2412-4212
India* InfoBuild India
Chennai 91-44-42177082
Israel SRL Software Products Ltd.
Petah-Tikva 972-3-9787273
Italy Information Builders Italia S.r.l.
Agrate Brianza 39-039-596620
Japan KK Ashisuto
Tokyo 81-3-5276-5863
Latvia InfoBuild Lithuania, UAB
Vilnius 371-67039637
Lithuania InfoBuild Lithuania, UAB
Vilnius 370-5-268-3327
Mexico
Mexico City 52-55-5062-0660
Hauptniederlassung
Kanadischer Hauptsitz
Anfragen aus anderen Ländern
Portugal
Lisboa 351-217-217-400
Singapore Automatic Identification Technology Ltd.
Singapore 65-69080191/92
Spain
Barcelona 34-93-452-63-85
Bilbao 34-94-452-50-15
Madrid* 34-91-710-22-75
Sweden InfoBuild AB
Solna 46-7-024-656-50
Switzerland
Dietlikon 41-44-839-49-49
Taiwan Galaxy Software Services, Inc.
Taipei (866) 2-2586-7890, ext. 114
United Kingdom*
Uxbridge Middlesex 0845-658-8484
Venezuela InfoServices Consulting
Caracas 58212-763-1653
* Training facilities are located at these offices.
Two Penn Plaza, New York, NY 10121-2898, USA Tel.: (212) 736-4433 Fax (212) 967-6406 DN7507440.0613-DE
informationbuilders.com [email protected]
150 York St., Suite 1000, Toronto, ON M5H 3S5 , Kanada Tel.: (416) 364-2760 Fax (416) 364-6552
+1(212) 736-4433
Copyright © 2013 by Information Builders. All rights reserved. [112] All products and product names mentioned in this publication are trademarks or registered
trademarks of their respective companies.