Wenn Daten schlecht werden: Wie kann die Datenqualität verbessert werden?

Der Zusammenhang zwischen Datenqualität und Entscheidungsfindung ist offensichtlich. Müll rein, Müll raus, erinnerst du dich? Wenn Unternehmen sich nicht um die Datenqualität (DQ) kümmern, kann ihnen das einen grausamen Streich spielen. Die Behandlung von Problemen, die durch fehlerhafte Daten verursacht werden, kann ein Unternehmen zwischen 15 % und 25 % seines Jahresumsatzes kosten. Ganz zu schweigen davon, dass eine schlechte Datenqualität die Bemühungen des Unternehmens um die digitale Transformation behindert.

Ein Data Warehouse ist kein Mülleimer. Es sollte nur aussagekräftige Daten enthalten, die für Ihr Unternehmen wertvoll sind. Wenn Sie aus Ihrem Data Warehouse eine Müllkippe machen, verschwenden Sie Geld für die Speicherung von Totgewichtsdaten, die Sie nicht nutzen können, um Ihr Geschäft anzukurbeln.

Wie können Sie diesen Verlust in einen Gewinn verwandeln und die Datenqualität als Wettbewerbsvorteil nutzen, der Ihre Position unter den Konkurrenten neu formt? Wir haben häufige Probleme aufgelistet, denen Sie beim Umgang mit Daten begegnen können, und die Möglichkeiten zur Verbesserung der Datenqualität skizziert.

Sechs mögliche Probleme, denen Sie auf Ihrem Weg zur Verbesserung der Datenqualität begegnen könnten

Daten haben besondere Qualitätsmerkmale – Vollständigkeit, Validität, Einzigartigkeit, Konsistenz, Aktualität und Genauigkeit. Es gibt eine Reihe von Problemen, die mit ihnen zusammenhängen. Schlechte DQ führt zu:

• Datensilos . Laut McKinsey sind mehrere Data Lakes und Warehouses ohne gemeinsames Datenmodell eine der größten Herausforderungen auf Unternehmensebene. Selbst wenn Sie nur ein Warenlager haben, wird die Durchführung einer Analyse problematisch, wenn Ihre Daten über mehrere Unternehmenssysteme verstreut sind.
• Menschliche Fehler . Wenn Kunden oder Mitarbeiter bei der manuellen Eingabe von Informationen Tippfehler machen, z. B. „Minesota“ statt „Minnesota“ schreiben, erhalten Sie Daten, die nicht der Realität entsprechen.
• Doppelte Daten . Wenn ein Mitarbeiter Kundendaten in Ihr CRM eingibt und ein anderer dieselben Kundendaten in einem anderen System erfasst, entstehen Duplikate. Wenn sie nicht vollständig identisch sind, gibt es ein Problem: Welches ist zuverlässig?
• Ungültige Daten . Die Analyse macht keinen Sinn, wenn Sie statt der Daten, die Sie benötigen, nur beliebige Daten erhalten. Ein Beispiel für diesen Fehler ist, wenn das Namensfeld mit Nachnamen gefüllt ist. Stellen Sie sich vor, Sie hätten einen ganzen Tisch mit Smiths, wenn Sie bestimmen müssen, welcher Ihrer Stammgäste einen persönlichen Rabatt verdient.
• Fehlende Werte . Fehlende Daten sind für statistische Verfahren nicht akzeptabel. Wenn einige Pflichtfelder nicht ausgefüllt sind, können Sie die Daten nicht analysieren und Maßnahmen ergreifen. Wenn Sie beispielsweise in einer Umfrage zur Kundenzufriedenheit Daten zu Alter und Geschlecht Ihrer Käufer sammeln, geben einige von ihnen ihr Geschlecht möglicherweise nicht preis, wenn nur die Optionen „weiblich“ und „männlich“ angeboten werden. Dies kann damit zusammenhängen, dass sich junge Menschen als nicht-binär, queer usw. identifizieren.
• Inkonsistente Datenformate . Sie haben vielleicht das Gefühl, durch die Hölle zu gehen, wenn Sie mit Daten umgehen müssen, die im europäischen und US-Stil eingegeben wurden.

Qualitativ hochwertige Daten erleichtern die Data Governance. Und wenn Sie Daten sicher verwalten können, können Sie das gesamte Unternehmen sicher verwalten. Aus diesem Grund ist die Erhöhung des DQ für 91 % der Unternehmen eine der obersten Prioritäten für die nächsten 6-12 Monate. Wenn Sie noch unentschlossen sind, wie schnell Sie mit der Reparatur Ihres DQ beginnen sollten, ist dies Ihr Zeichen, es nicht auf morgen zu verschieben.

So mindern Sie Datenqualitätsprobleme: Nutzen Sie modernste Technologien

Bevor Sie die Frage beantworten, wie Sie die Datenqualität verbessern können, müssen Sie zuerst herausfinden, wie Sie das Datenmanagement verbessern können. Konzentrieren Sie Ihre Aufmerksamkeit und Ihr Budget auf die Einführung neuer Technologien. Es gibt mindestens zwei Möglichkeiten, um Ihre Reise zur Verbesserung der Datenqualität zu erleichtern:

• Nutzen Sie die Vorteile der Automatisierung , um menschliche Fehler zu eliminieren . Beispielsweise befreit die Einführung von Robotic Process Automation (RPA) Ihre Mitarbeiter von monotonen, sich wiederholenden Vorgängen, schließt die Möglichkeit menschlicher Fehler aus und senkt die Kosten für die Datenverarbeitung um bis zu 80 %. Mit RPA können Sie beispielsweise alle Daten problemlos in ein Format konvertieren, das Fehlen oder Vorhandensein der Daten, ihre Aktualität usw. überprüfen, da all diese Aktionen auf einen klaren Algorithmus reduziert werden können, der von einem Bot ausgeführt wird. Außerdem verbessert die Automatisierung in stark regulierten Branchen wie dem Gesundheitswesen die Einhaltung zahlreicher Protokolle (HIPAA, PSQIA, GDPR usw.) und trägt so zu einer besseren Patientenerfahrung bei.
• Nutzen Sie Business Intelligence (BI), um einen umfassenden Überblick über die Qualität Ihrer Daten zu erhalten . Sie müssen Ihre Daten regelmäßig auswerten, um sicherzustellen, dass die Informationen noch zuverlässig sind.

Die Zusammenarbeit mit erfahrenen BI-Analysten ist entscheidend. Sie helfen Ihnen herauszufinden, welche Fragen Sie beantworten müssen, welche Geschichte Sie mit Ihren Daten erzählen möchten, und erstellen auf der Grundlage dieser Informationen ein benutzerdefiniertes Dashboard.

— Ivan Dubouski, Teamleiter Business Intelligence, *instinctools

Ein generisches Dashboard kann zeigen, inwieweit die Daten die Anforderungen an die Datenqualität erfüllen. Laut Gartner hilft die Verfolgung von Datenqualitätsmetriken, diese um 60 % zu verbessern.

Sie können Ihren Datenwissenschaftlern und -ingenieuren auch detailliertere Dashboards zur Verfügung stellen, die die Geschichten von Problemen visualisieren, die größeren Datenqualitätsproblemen zugrunde liegen.

Nutzen Sie BI-Beratungsdienste, um zu entscheiden, wo Sie Ihre Reise zur Verbesserung der Datenqualität beginnen sollen, und identifizieren Sie geeignete Technologien, die Sie auf diesem Weg unterstützen.

Wie man eine robuste Strategie zur Verbesserung der Datenqualität entwickelt

Einmalige Initiativen und Ad-hoc-Aktionen behandeln die Symptome, nicht die Krankheit. Sie brauchen langfristige strategische Anpassungen, um Ihre Mitarbeiter mit erweiterten Analysen auf allen Organisationsebenen auszustatten. Aus diesem Grund sollten Sie vor dem Einstieg in eine DQ-Initiative eine Datenqualitätsstrategie (DQS) erstellen. Wir haben sechs wichtige Elemente davon aufgelistet.

1. Führen Sie eine Bestandsaufnahme Ihrer Daten durch und beschreiben Sie die Probleme

Die Entwicklung einer gemeinsamen Vision von Datenqualität für Mitarbeiter aus verschiedenen Abteilungen ist unerlässlich. Beantworten Sie dazu grundlegende Fragen wie: Wie viele Daten haben Sie? Welche Arten von Daten sammeln und speichern Sie? Wie viele Fehler sind in den Daten? Was sind das für Fehler?

2. Entwickeln Sie Ihre Anforderungen und Ziele

In dieser Phase sollten Sie die Stakeholder des zukünftigen Prozesses zur Verbesserung der Datenqualität identifizieren. Je mehr Experten die Daten aus verschiedenen Perspektiven bewerten können, desto genauer können Sie die DQ-Anforderungen und -Ansprüche für Ihre Organisation und die Möglichkeiten zur Verbesserung der Datenqualität definieren.

Es kann sich herausstellen, dass Ihr Unternehmen einen engagierten Mitarbeiter benötigt, der die Qualität der Daten nach Schlüsselparametern bewertet – einen Datenverwalter. Sie sind dafür verantwortlich, welche Daten Sie in Ihrem Unternehmen aufbewahren, setzen interne Regeln zur Verwendung von Daten durch und verfolgen die Bewegung der Daten innerhalb des Unternehmens. Die Aufgabe eines Data Stewards besteht darin, alle Prozesse und Entscheidungen zu koordinieren, die sich aus Ihrem DQS ergeben.

Vergessen Sie nicht, einen ungefähren Zeitplan für die Implementierung eines Plans zur Verbesserung der Datenqualität festzulegen, da dieser von der Größe Ihrer Organisation abhängt.

3. Legen Sie Prioritäten für verschiedene Datensätze fest

Es ist großartig, gleichzeitig an der Qualität der Kundendaten und der unternehmensinternen Daten zu arbeiten. Wenn Ihr Budget jedoch begrenzt ist, müssen Sie die Verbesserung auswählen, welche Daten die Priorität für Ihren Geschäftserfolg und Ihr Wachstum sind. Indem Sie die Qualität der Daten in Bezug auf die persönlichen Informationen der Kunden verbessern, können Sie ihre Erfahrung personalisieren und die Kundenzufriedenheit steigern. Die Überarbeitung der internen Daten der Organisation kann Ihnen jedoch ebenso viele Vorteile bringen. Mit qualitativ hochwertigen Daten über Ihre Mitarbeiter können Sie das Potenzial und die Talente Ihrer Mitarbeiter voll aufdecken und aufdecken, wie Sie die Prozesse innerhalb eines Unternehmens optimieren können.

4. Wählen Sie Technologien und Tools aus, um die Datenqualität zu verbessern

Angesichts der schieren Anzahl von Angeboten auf dem Markt erweist es sich als zeitaufwändig und schwierig, deren Funktionen, Lizenzkosten, Zahlungsoptionen usw. zu vergleichen. Bedenken Sie, dass die Aufgabe mit veralteter Software immer komplizierter wird, wenn Sie mit veralteter Software belastet sind eventuell modernisieren müssen.

Die Einführung neuer Technologien und Tools erfordert möglicherweise mehr Insiderwissen als ursprünglich erwartet. Wählen Sie daher Technologiepartner, die im Umgang mit Datenproblemen erfahren sind.

5. Identifizieren Sie die Rollen und Verantwortlichkeiten der Stakeholder

In dieser Phase legen Sie die Aufgaben fest, die einem Data Steward, Data Engineer, Business Analyst, Führungskräften usw. zugewiesen werden. Damit das Boot Ihrer Strategie zur Verbesserung der Datenqualität reibungslos segelt, brauchen Sie viele Hände, die in die gleiche Richtung rudern. Ein Data Steward kann Datenqualitätsstandards im gesamten Unternehmen und insbesondere in Projekten verfolgen, Business-Analysten priorisieren Aufgaben aus der Perspektive des geschäftlichen Nutzens und Mitglieder der C-Suite treffen endgültige Entscheidungen darüber, welche Maßnahmen ergriffen werden sollten.

6. Legen Sie KPIs fest, um den Fortschritt zu bewerten

Welche Datenqualität wollen Sie in sechs Monaten, in einem Jahr erreichen? Wie viel Zeit können Ihre Mitarbeiter benötigen, um Fehler unterschiedlicher Art zu korrigieren? Inwieweit rechnen Sie mit einer Reduzierung? Ein erfahrener Business Analyst kann Ihnen helfen, die realistischen KPIs für Ihr Unternehmen zu ermitteln.

Wenn der von Ihnen als Benchmark festgelegte Zeitraum abgelaufen ist, analysieren Sie die erzielten Ergebnisse, überprüfen Sie Ihre Strategie zur Verbesserung der Datenqualität und ändern Sie sie gegebenenfalls.

Der Entwurf Ihres Plans zur Verbesserung der Datenqualität könnte so aussehen.

Machen Sie den Weg frei für genaue Datenanalysen und echte Erkenntnisse

Die Qualität der von Ihnen verarbeiteten Daten bestimmt, wie wertvoll die Erkenntnisse sind. In gewisser Weise wird einer Organisation ohne fortschrittliche Analytik eine Zukunft verwehrt, zumindest eine, die hell und erfolgreich ist.

Sie können brennende Datenqualitätsprobleme teilweise und vorübergehend lösen, indem Sie moderne Technologien einsetzen. Aber es ist, als würde man ein Feuer in einem Raum löschen, wenn ein ganzes Gebäude in Flammen steht. Das Erstellen eines Plans zur Verbesserung der Datenqualität ist ein sicherer Weg, um genau festzulegen, was mit Ihren Daten zu tun ist, um ihre Qualität zu verbessern, wie es zu tun ist, wer für den Prozess verantwortlich ist, und den Fortschritt zu verfolgen, um zu analysieren, wann Sie ein erwartetes Ergebnis erzielen können.

Der Artikel wurde ursprünglich hier veröffentlicht.