Sieben Kriterien der Datenqualität

23 Apr

Das Qualitätsmanagement der Stamm- und Bewegungsdaten ist im Zeichen von Digitalisierung und Industrie 4.0 zu einem Top-Themen auch mittelständischer Unternehmen geworden. Datenqualität zu vernachlässigen ist zu einem Risiko geworden, warnt der ERP-Hersteller proALPHA. Er rät dazu, Daten einem siebenstufigen Leistungstest zu unterziehen – eigene Daten ebenso wie Informationen aus anderen Quellen.

Denn mangelhafte Datenqualität beeinträchtigt das Funktionieren der ERP-Systeme und beeinflusst Effizienz und Ergebnis bei KI-Systemen wie selbstlernenden Maschinen. proALPHA benennt sieben Performanceparameter. Das sind die Kriterien, um die eigene Datenqualität hinreichend beurteilen zu können:

  1. Vollständigkeit: Digitalisierte Abläufe brauchen sämtliche nötigen Daten. Empfehlung: Definition von Pflichtfeldern sowie automatisierte Prüfungen an ausgewählten Prozesspunkten. Bei personenbezogenen Daten gilt zugleich das Gebot der Sparsamkeit: nur so viele Informationen speichern wie nötig.
  2. Aktualität: Nicht-synchronisierte Adress- und Kontaktdaten waren früher normal. Mobile CRM-Lösungen sorgen für Abhilfe und halten zudem produktionskritische Informationen wie Lagerdaten auf Stand – in Echtzeit dort, wo schnellere Datenbereitstellung für mehr Produktivität sorgt.
  3. Konsistenz: Datenhaltung in mehreren Datensilos und manuelle Übertragung führt zwangsläufig zu Mehrarbeit und Fehlern. Dabei sind Inkonsistenzen dank moderner Integrationstechniken einfach in den Griff zu bekommen.
  4. Einzigartigkeit: Redundante Daten herauszufiltern geht bereits mit Bordmitteln eines Tabellenkalkulationsprogramms. Ein automatisierter Data Quality Manager besorgt das nachhaltiger.
  5. Konformität: Daten müssen den Anforderungen der Systeme und Prozesse entsprechen, also im passenden Format vorliegen. Datums- und Währungsformate sind die Klassiker beim Erzeugen von Konformitätsproblemen, aber z. B. auch bei Zeitstempel ohne Erfassung der jeweiligen Zeitzone.
  6. Genauigkeit: Daten müssen ausreichend genau sein. Nicht jeder Geschäftsprozess benötigt Hochpräzisionsdaten bis auf die x-te Kommastelle. Die benötigte Genauigkeit sollte dann systemseitig durch entsprechende Regeln und Datenprüfungen abgesichert werden.
  7. Richtigkeit: Hier geht es um die Verlässlichkeit der Daten. Eine „topaktuelle“ Information muss nicht zwingend korrekt sein. Die Quellen, aus denen geschäftsrelevante Informationen stammen, müssen nachvollziehbar und glaubwürdig sein.

Ein nachhaltiges Qualitätsmanagement für Daten bewahrt vor kostspieligen Fehlern, erhöht das Vertrauen in die eigenen Daten und ermöglicht bessere Entscheidungen. Vor allem aber helfen richtig gemanagte Daten, Prozesse zu digitalisieren.

Zum Text von proALPHA