Seit Jahren nennen Unternehmen, die Daten für Analysen, Planung, Vorhersagen nutzen, Datenqualität als großes Problem. Das untermauert der BARC Trend Monitor jedes Jahr aufs Neue: Datenqualität ist und bleibt die Nummer 1 unter den Problemen in Data-Analytics-Projekten. Die Experten sind sich also der Datenqualitätsprobleme bewusst, viele Unternehmen reagieren trotzdem verhalten. Initiativen scheitern sogar.
Woran liegt das?
Es gibt viele Gründe für Datenqualitätsprobleme und das Scheitern entsprechender Initiativen: Es kann an fehlender Managementunterstützung oder zu wenig Ressourcen liegen.
Manchmal ist das Problem gar nicht sichtbar auf Managementebene, da es operativ kaschiert wird. Es fehlt Wissen, die Datenlandschaft ist zu komplex, es gibt politische Befindlichkeiten oder die Datennutzen nicht transparent. Die Liste kann beliebig fortgesetzt werden.
Für mich liegt der wesentlichste Punkt aber daran, dass Initiativen zur Verbesserung der Datenqualität meist durch zentrale Teams getrieben werden, ob zentrale BI/Analytics-Teams oder die IT. Ohne Einbeziehung von Domänen-Experten, also Personen, die Daten fachlich-inhaltlich verantworten, wird es allerdings schwer, Datenqualität wirklich durchzusetzen.
Das beobachten wir in unseren Projekten immer wieder. Datenqualität muss fachlich definiert werden! Es braucht fachliche Verantwortung und Fachexperten müssen einbezogen werden. Schließlich sollen Daten die Geschäftsprozesse unterstützen.
Was ist jetzt anders?
Datengesteuertes Handeln erlebt heute einen regelrechten Hype. Und es steht nicht nur bei IT-lern auf der Tagesordnung. Fachliche Anwender verlangen Flexibilität in der Auswertung von Daten und übernehmen dabei zunehmend Datenmanagementaufgaben, wie zum Beispiel Datenaufbereitung.
Datenmanagement ist also nicht mehr nur ein Thema technisch versierter Experten. Daten sind bei fachlichen Anwendern angekommen. Damit wächst auch Verständnis für die Notwendigkeit einer vertrauenswürdigen, konsistenten Datenbasis und den Vorteilen eines einfachen Datenzugriffs sowie das Bewusstsein, dafür etwas tun und Verantwortung zu übernehmen zu müssen.
Dies ist ein wichtiger Treiber für Projekte zur Förderung des Datennutzens, beispielsweise Data-Governance- oder Datenstrategieprojekte, die Förderung von Data Culture, Self-Service-Initiativen und eben Maßnahmen zur Steigerung der Datenqualität.
Neu ist: Datenmanagementprojekte sie sind nicht mehr vornehmlich aus der IT getrieben, es sind vermehrt fachliche Projekte geworden und damit erreichen trockene, öde Datenmanagementprojekt ein ganz anderes Ansehen und eine größere Durchdringung im Unternehmen. Genau das hat sich geändert. Wenn nicht jetzt handeln, wann dann?
- Sie erhalten eine Zusammenfassung der Umfrageergebnisse
- Sie stellen sicher, dass Ihre Erfahrungen in die Auswertung einfließen
- Sie nehmen an der Verlosung eines von zehn Amazon-Gutscheinen im Wert von 50 € teil.
Was tun?
Wir sehen derzeit zwei wesentliche Treiber im Datenmanagement:
- Komplexität in verteilten Datenlandschaften
- Flexibilität und Ertüchtigung der Fachbereiche für Data und Analytics
Diese Treiber stellen historisch gewachsene Strukturen in Frage und öffnen das Feld für neue Denkweisen und Ansätze. Eines bleibt allerdings bestehen: erfolgreiches Data & Analytics braucht hohe Datenqualität.
Top Maßnahmen
- Transparenz schaffen zum Datennutzen, zum Schaden, der aus schlechter Datenqualität entstehen kann, zu entgangenen Chancen aus Nichtstun bei schlechter Datenqualität – und diese kommunizieren.
- Wert von qualitativ hochwertigen Daten kommunizieren, Datenkollaboration fördern.
- Verbündete finden – Anwender und/oder Anwendungen identifizieren, in denen Datenqualität ein echtes Problem ist und eine Lösung hohen Mehrwert stiftet. Erfolge aufzeigen.
- Datenqualitätsziele und -maßnahmen strategisch abstimmen. Wesentlich: Datenverantwortliche im Fachbereich festlegen, gemeinsames Verständnis von Datenqualität entwickeln.
- Datenqualitätskontrollen als Baustein zur Entwicklung und Umsetzung von Datenprozessen machen.
- Expertenwissen – u.a. Datenqualitätsbeurteilungen und Kontext zu Daten – dokumentieren und verfügbar machen.
Was meint ihr? Ist jetzt eine besonders gute Zeit für Datenqualitätsinitiativen? Wie hoch ist Datenqualität bei euch aufgehängt? Schreibt mir gerne: [email protected]
