© Ekaphon maneechot/Shutterstock.com
Data-Warehouse-Projekte mit Datenqualitätsmanagement

Gute Datenqualität sicherstellen


Einer der Gründe, warum sich Data-Warehouse-Projekte verzögern, teurer werden als geplant oder gleich vollständig scheitern, wird häufig auf die mangelhafte Qualität der Daten zurückgeführt. Glaubt man Umfragen und Erhebungen, so ist auch das Vertrauen in die Qualität der eigenen Daten in Unternehmen oftmals nicht sehr hoch. Gute Datenqualität (DQ) wird aber nicht nur in Data-Warehouse-Projekten als zunehmend wichtig wahrgenommen. Dieser Artikel gibt einen Überblick über das Thema.

Die Relevanz korrekter und verwendbarer Daten in allen IT-Systemen steht eigentlich außer Frage, da die meisten Entscheidungen auf der Grundlage von Daten getroffen werden. Für Firmen, die ein datengetriebenes Geschäftsmodell verfolgen, gilt das in besonderem Maße. In diesem Artikel wird darauf eingegangen, warum Datenqualität wichtig ist, ob und wie man sie messen kann, und welche Möglichkeiten es gibt, mit Datenqualitätsproblemen technisch im Data-Warehouse-(DWH-)Projekt und organisatorisch im Unternehmen umzugehen.

Folgen „schlechter“ Daten

Datenqualitätsprobleme tauchen mit schöner Regelmäßigkeit in der Tagespresse auf. Wie aber können die negativen Folgen aussehen?

  • Als klassische Folge ist die Negativschlagzeile, sprich schlechte PR, zu nennen: Die FIFA bot bei der Akkreditierung von Journalisten zur Fußball-WM 2010 eine schlecht gepflegte Länderliste an, mit Ländern wie „DDR“, „Saarland“ oder „Irland in den Grenzen von 1921“. Barbra Streisand löste öffentlichkeitswirksam ihr Konto bei einer amerikanischen Investmentbank auf, weil diese ihren Namen immer falsch schrieb: Barbara.

  • Als offensichtliche, direkte Folge schlechter Datenqualität kann ein finanzieller Schaden auftreten. Beispiel hierfür ist ein großer Versandhändler, der MacBooks zu einem falschen Preis im Internet anbot und neben der schlechten Presse auch noch einen finanziellen Schaden hatte: Als Entschuldigung gab es Einkaufsgutscheine für die Besteller. Auch vertraglich vereinbarte Konventionalstrafen als Folge eines Datenqualitätsproblems können relativ einfach quantifizierbare Schäden sein.

  • Schwieriger zu bestimmen und auch nicht so leicht zu entdecken sind die Zusammenhänge in Bezug auf entgangenen Umsatz. Wenn man wie im Falle von Frau Streisand aufgrund schlechter Datenqualität Kunden verliert, ist der Schaden zwar zu benennen, aber schlecht zu beziffern. Auch wenn Entscheidungen (z. B. für oder gegen eine Marketingmaßnahme oder ein neues Produkt) auf einer falschen Datengrundlage getroffen werden, si...

Exklusives Abo-Special

Angebote für Teams

Für Firmen haben wir individuelle Teamlizenzen. Wir erstellen Ihnen gerne ein passendes Angebot.

Das Library-Modell:
IP-Zugang

Das Company-Modell:
Domain-Zugang