{"id":10012,"date":"2021-11-07T18:34:06","date_gmt":"2021-11-07T17:34:06","guid":{"rendered":"https:\/\/www.sage.com\/de-de\/blog\/?p=10012"},"modified":"2026-01-22T14:53:49","modified_gmt":"2026-01-22T13:53:49","slug":"datenqualitaet-teil-2-datenqualitaet-im-unternehmen-sichern","status":"publish","type":"post","link":"https:\/\/www.sage.com\/de-de\/blog\/datenqualitaet-teil-2-datenqualitaet-im-unternehmen-sichern\/","title":{"rendered":"Datenqualit\u00e4t im Unternehmen sichern: Teil 2 der Serie"},"content":{"rendered":"
\n\t
\n\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\tDatenbasiert entscheiden<\/a>\t\t\t\t\t\t<\/div>\n\t\t\t\t\n\t\t\t\t
\n\t\t\t\t\t

\n\t\t\t\t\t\tDatenqualit\u00e4t im Unternehmen sichern: Teil 2 der Serie\t\t\t\t\t<\/h1>\n\t\t\t\t<\/div>\n\n\t\t\t\t\t\t\t\t\t

\n\t\t\t\t\t\t\t\t\t\t\t<\/p>\n\t\t\t\t\n\t\t\t\t\n\t\t\t\t\n\t\t\t<\/div>\n\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t<\/div>\n\t\t

\n\t\t
\n\t\t\tver\u00f6ffentlicht am
\n\t
\n\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t
\n\t\t\t\n\t\t\t\t\"\"\t\t\t\tThorsten Weckert<\/span>\n\t\t\t<\/a>\n\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t<\/div>\n<\/div>\n\n\n\n\n\n

Mit der Datenqualit\u00e4t verh\u00e4lt es sich \u00e4hnlich wie mit der IT-Sicherheit. Das Thema klingt f\u00fcr viele erst wenig attraktiv \u2013 die Wichtigkeit zeigt sich aber umso mehr, wenn die ersten Sch\u00e4den da sind \u2013 zum Beispiel fehlende Erfolge in der Datenanalyse. Im <\/span>ersten Teil unserer Serie zu Datenqualit\u00e4t<\/span><\/a> haben wir gezeigt, wie schon kleine Redundanzen in Datens\u00e4tzen zu gro\u00dfen Problemen f\u00fchren k\u00f6nnen: Mindestens ist dann langwierige Handarbeit oder zus\u00e4tzlicher Entwicklungsaufwand notwendig. Im schlimmeren F\u00e4llen kann es dazu kommen, dass sich die Einf\u00fchrung von neuen Systemen verz\u00f6gert, Budgets falsch geplant oder die ganze Unternehmensstrategie mit falschen Daten in die falsche Richtung gelenkt wird. Im Extremfall wird sogar die Wettbewerbs- und Zukunftsf\u00e4higkeit des Unternehmens bedroht. Es lohnt sich also, nicht nur die Qualit\u00e4t bestehender Daten zu untersuchen, sondern auch daf\u00fcr zu sorgen, dass k\u00fcnftige Daten im Unternehmen von hoher Qualit\u00e4t sind. <\/span> <\/span><\/p>\n\n\n\n

Manuelle Eingaben sorgen f\u00fcr Abweichungen<\/span><\/b> <\/span><\/h3>\n\n\n\n

Doch wie entstehen \u201eunsaubere\u201c Daten \u00fcberhaupt? Ein Grund f\u00fcr Abweichungen ist zum Beispiel manuelle Dateneingaben, auf die sich viele Unternehmen verlassen. Hier kommen viele Faktoren zusammen: Vielen Mitarbeitern wie Kundenberatern fehlen Datenbank-Fachwissen und relevante Informationen \u2013 oder durch die Monotonie der Datenbankpflege entstehen Fehler. Ein Beispiel: Pflegen mehrere Abteilungen und Benutzer eine Kundendatenbank, k\u00f6nnen schon in einfachen Datenfeldern Fehler auftreten, wie Firmennamen, die mancher mit der Rechtsform, also \u201eUnternehmen X GmbH\u201c eingibt, w\u00e4hrend ein andere nur den Namen ins Feld tippt. <\/span> <\/span><\/p>\n\n\n\n

Verschiedene Abteilungen, verschiedene Datenarbeit<\/span><\/b> <\/span><\/h3>\n\n\n\n

Das Problem mangelnder Datenqualit\u00e4t kann auch darin liegen, dass unterschiedliche Abteilungen unterschiedlich mit Daten arbeiten \u2013 ohne dass sich die Beteiligten dessen bewusst sind. \u201eDer Datenb\u00e4nker editiert Inhalte, weil er sie nicht im vorgesehenen Feld ablegen kann. W\u00e4hrenddessen formatiert der Analyst das n\u00e4chste Feld um, damit sein Programm besser damit arbeiten kann. Und der Anwendungsentwickler ver\u00e4ndert (\u201aparst\u2018) nochmals, weil er einen Datenfehler vermutet. Alle handeln in der besten Absicht, doch niemand wei\u00df vom Handeln des anderen. Verschiedene Abteilungen haben verschiedene Anforderungen an die Daten \u2013 und stellen im gemeinsamen Meeting fest, dass die Zahlen pl\u00f6tzlich ganz unterschiedlich sind\u201c, sagt Ulrike Pick, Principal Consultant Data Intelligence bei <\/span>Conet<\/span><\/a>. <\/span> <\/span><\/p>\n\n\n\n

Noch gr\u00f6\u00dfer wird das Chaos bei Migrationen und Konvertierungen der Daten. Dieses Ph\u00e4nomen kennt schon jeder Heimanwender, wenn er sein Telefonbuch oder seine Musik zwischen PC und Smartphone synchronisiert. Unterschiedliche Systeme, Datenbanken, Datenformate und Datenquellen f\u00fchren zu Duplikaten und zu unvollst\u00e4ndigen Datens\u00e4tzen.<\/span> <\/span><\/p>\n\n\n\n

Datenqualit\u00e4t hei\u00dft die Zukunft steuern<\/span><\/b> <\/span><\/h3>\n\n\n\n

Es ist besser, die Datenqualit\u00e4t von vorneherein sicher zu stellen, als sie nachtr\u00e4glich zu bereinigen. Das Steuern der Datenqualit\u00e4t wird als Datenqualit\u00e4tsmanagement (DQM) bezeichnet. Dazu geh\u00f6ren qualit\u00e4tssichernde Ma\u00dfnahmen f\u00fcr Projekte mit Datenbeteiligung. Bei Unternehmen, wo Daten zum Alltag geh\u00f6ren sollen, bedeutet dies: Die Qualit\u00e4t der Daten muss permanent sichergestellt werden. <\/span> <\/span><\/p>\n\n\n\n

Das nachtr\u00e4gliche Bereinigen von Daten ist m\u00f6glich, aber aufw\u00e4ndig. \u201eZiel von Datenqualit\u00e4tsanalysen oder -initiativen (DQ) ist das Auffinden und Dokumentieren von Beziehungen, L\u00fccken und Fehlern in Datenbest\u00e4nden. Sie lassen sich am besten mit einem schnellen Einsatztrupp, der erste Hilfe leisten muss, vergleichen,\u201c so Pick. <\/span> <\/span><\/p>\n\n\n\n

Eine Voraussetzung ist Data Governance, ein Regelwerk f\u00fcr den Umgang mit Daten im Unternehmen. Es stellt fortlaufend saubere Daten sicher. Data Governance hilft nebenbei dem Unternehmen, datenzentrierter zu arbeiten. \u201eEs ist ein Entscheidungs-, \u00dcberwachungs- und Durchsetzungsorgan, das die Autorit\u00e4t \u00fcber Datenqualit\u00e4t und Datenqualit\u00e4tsmanagement einer Organisation hat. Data Governance trifft die Entscheidung, was mit den Daten zu tun ist und gew\u00e4hrleistet, dass dies auch umgesetzt wird. Data Governance \u2013 das sind Menschen, Prozesse und Technologien, um Daten f\u00fcr ihren Verwendungszweck geeignet fit zu machen\u201c, erkl\u00e4rt Pick. Die festgelegten Ma\u00dfnahmen zur Datenqualit\u00e4ts-Verbesserung m\u00fcssen in einen kontinuierlichen Prozess \u00fcberf\u00fchrt und dauerhaft aktiv gesteuert werden. <\/span> <\/span><\/p>\n\n\n\n

Strategie: Standards schaffen, Datenqualit\u00e4t sichern<\/span><\/b> <\/span><\/h3>\n\n\n\n

Ein Problem vieler Unternehmen ist die Fragmentierung von Systemen und damit die redundante Pflege von Daten \u2013 die sp\u00e4ter zu geringer Datenqualit\u00e4t f\u00fchrt. Es gibt Berater und Softwarel\u00f6sungen, die beim Sichern der Datenqualit\u00e4t helfen. In Feinheiten unterscheiden sich die Ans\u00e4tze, aber es gibt viele \u00c4hnlichkeiten in der Strategie. Zun\u00e4chst geht es darum, Daten aus den typischen Systemen wie ERP, CRM, CMS und Onlineshop zu vereinen und im Unternehmen zentral zug\u00e4nglich zu machen. Das schafft eine einheitliche Sicht auf den Kunden, bricht Silos und vermeidet Probleme, wie zum Beispiel, dass der Kundenservice andere Kontaktdaten als der Vertrieb nutzt. <\/span> <\/span><\/p>\n\n\n\n

Standards bei der Datenerfassung und festgelegte Prozesse, wie Daten verarbeitet und zug\u00e4nglich gemacht werden, sichern die Vollst\u00e4ndigkeit, Verf\u00fcgbarkeit und Qualit\u00e4t der Daten. Technologien wie K\u00fcnstliche Intelligenz (KI) kann bei der immer gr\u00f6\u00dfer zu bew\u00e4ltigender Menge an Daten helfen, grunds\u00e4tzlich ist es aber besser, auf saubere Daten zu achten, statt darauf zu setzen, dass im Nachhinein die KI die Schw\u00e4chen ausb\u00fcgeln wird. KI kann auch beim Erzeugen sauberer Daten, zum Beispiel mit Metadaten, helfen. <\/span> <\/span><\/p>\n\n\n\n

Fazit:<\/span><\/b> Insgesamt ist Datenqualit\u00e4tsmanagement keine einfache Aufgabe und ein kontinuierlicher Prozess, bei dem das ganze Unternehmen, Technologien und Prozesse involviert sind. Es ist auf jeden Fall vorteilhaft, schon heute und in kleinen Schritten und an einigen Stellen oder Systemen damit anzufangen, als weiter gro\u00dfe Massen an unsauberen Daten zu produzieren. Bei guter Umsetzung profitieren aber alle – durch mehr Produktivit\u00e4t, weniger Kosten, besseren Kundenservice und mehr Umsatz. <\/span> <\/span><\/p>\n\n\n\n

\n\t
\n\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t\t

#STAYFORACOFFEE: Die Experten-Talks von Sage<\/h2>\n\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t

<\/p>\n

Erfahren Sie in nur 45 Minuten<\/span> alles \u00fcber Themen die Unternehmer bewegen.
Nehmen sie an unseren kostenfreien <\/em>Webinaren<\/span> teil:<\/p>\n

<\/p>\n

<\/p>\n