{"id":9967,"date":"2021-10-21T22:19:19","date_gmt":"2021-10-21T20:19:19","guid":{"rendered":"https:\/\/www.sage.com\/de-de\/blog\/?p=9967"},"modified":"2026-07-15T16:18:52","modified_gmt":"2026-07-15T14:18:52","slug":"datenqualitaet-warum-daten-nicht-immer-gold-sind","status":"publish","type":"post","link":"https:\/\/www.sage.com\/de-de\/blog\/datenqualitaet-warum-daten-nicht-immer-gold-sind\/","title":{"rendered":"Datenqualit\u00e4t: Warum Daten nicht immer Gold sind"},"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: Warum Daten nicht immer Gold sind\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\tDaten sind das neue Gold, das \u00d6l von heute\u00a0– das Potenzial von\u00a0Daten\u00a0ist bekannt und\u00a0ein beliebtes Thema.\u00a0Wir zeigen Ihnen abseits allseits bekannter Buzzwords welche M\u00f6glichkeiten Sie hier mit welchen Tools tats\u00e4chlich haben.\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

Daten sind das neue Gold, das \u00d6l von heute – das Potenzial von Daten ist bekannt und ein beliebtes Thema. Wenn von Daten und Datenzentrierung die Rede ist, geht es auch gerne um den Einsatz von K\u00fcnstlicher Intelligenz, die neuesten Analysetools und um gesteigerte Ums\u00e4tze. Weniger gerne geht es um die Stolpersteine und Herausforderungen auf dem Weg zu aus Daten gewonnenen Erkenntnissen.<\/span> <\/span><\/p>\n\n\n\n

Auf dem Weg zum datenzentrierten Unternehmen gilt es zum Beispiel, im Unternehmen Kompetenz und <\/span>Bewusstsein f\u00fcr den Wert von Daten bei den Mitarbeitern bis hin zur Gesch\u00e4ftsf\u00fchrung aufzubauen,<\/span> wie wir in einem Beitrag gezeigt haben \u2013 zudem ist die <\/span>Aufbereitung von Daten ein anspruchsvoller Prozess.<\/span> Aber bevor es auf diese Reise geht, steht noch ungeliebte Grundlagenarbeit an: Eine Herausforderung ist es, Daten aus Silos zu befreien und f\u00fcr die Analyse zu einem Datenbestand zu konsolidieren. Weit weniger bekannt und beliebt ist das Thema Datenqualit\u00e4t. <\/span> <\/span><\/p>\n\n\n\n

Die Wichtigkeit von Datenqualit\u00e4t zeigt sich sp\u00e4testens dann, wenn sich die aus der Analyse gew\u00fcnschten Erfolge nicht einstellen. Eigentlich logisch, oder? Wie sollen gute Entscheidungsgrundlagen herauskommen, wenn der Rohstoff daf\u00fcr, die Daten, von schlechter Qualit\u00e4t ist? <\/span> <\/span><\/p>\n\n\n\n

6 Gr\u00fcnde f\u00fcr \u201eDirty Data\u201c<\/span><\/b> <\/span><\/h3>\n\n\n\n

Bevor es darum geht, wie sich das Problem mit schlechten Daten l\u00f6sen l\u00e4sst, ist es wichtig, schlechte Datenqualit\u00e4t \u2013 auch Dirty Data genannt, also schmutzige Daten \u2013 \u00fcberhaupt zu erkennen. Es gibt viele Gr\u00fcnde und viele M\u00f6glichkeiten, wie \u201eschlechte\u201c Daten aussehen k\u00f6nnen. Daher hilft es, allgemeine Alarmsignale zu kennen, die auf die mindere Datenqualit\u00e4t hinweisen: <\/span> <\/span><\/p>\n\n\n\n

    \n
  1. Ungenaue oder veraltete Daten: <\/span><\/b>Dieses Problem ist leider sehr schwierig zu erkennen.\u00a0Informationen sind vorhanden und scheinen vollst\u00e4ndig zu sein, enthalten aber Fehler, die schwierig zu erkennen sind und Wissen erfordern.\u00a0W\u00e4hrend sich noch erkennen l\u00e4sst, wenn eine Kreditkarte abl\u00e4uft, wird es bei einer veralteten Adresse schwierig \u2013 au\u00dfer der Kunde meldet seinen Umzug selbst an.\u00a0Beispiele sind Namen, Adressen, Telefonnummern, Zahlungsdetails usw.<\/span><\/li>\n\n\n\n
  2. Unvollst\u00e4ndige Daten: <\/span><\/b>Wenn bestimmte Eintr\u00e4ge, zum Beispiel die Stra\u00dfe in einer Adresse fehlt, ist der Datensatz f\u00fcr den Versand eines Produkts weniger wert \u2013 beziehungsweise erfordert Nacharbeit.<\/span><\/li>\n\n\n\n
  3. Inkonsistente Daten: <\/span><\/b>\u00c4hnlich wie bei Punkt 1\u00a0sind Inkonsistenzen in Daten oft schwer zu finden. Zum Beispiel sind alle Eingaben ausgef\u00fcllt, auf dem ersten Blick\u00a0und technisch korrekt, aber die Information wird inkonsistent erfasst und ausgegeben.<\/span>\u00a0<\/span><\/b>Inkonsistente Daten\u00a0k\u00f6nnen beispielsweise\u00a0Telefonnummern ohne Vorwahlen, Geldbetr\u00e4ge in verschiedenen\u00a0W\u00e4hrungen oder abgek\u00fcrzte Namen sein.<\/span><\/li>\n\n\n\n
  4. Invalide Daten: <\/span><\/b>Die Felder sind komplett gef\u00fcllt, aber\u00a0sind nicht\u00a0korrekt, da sie keinen Sinn ergeben\u00a0(zum Beispiel ein Minuswert bei der Anzahl verf\u00fcgbarer Produkte).\u00a0<\/span><\/li>\n\n\n\n
  5. Redundante Daten: <\/span><\/b>Daten werden oft wiederholt eingegeben, aber sind leicht verschieden vorhanden.\u00a0Zum Beispiel ein Firmenname\u00a0oder\u00a0der\u00a0Name einer Person mit leicht verschiedenen Schreibweisen.\u00a0<\/span><\/li>\n\n\n\n
  6. Nicht-standardkonforme Daten: <\/span><\/b>Daten liegen vor, aber in einem Format,\u00a0welches\u00a0das System nicht verarbeiten kann \u2013 zum Beispiel falsche\u00a0oder veraltete\u00a0Bildformate.<\/span>\u00a0<\/span><\/li>\n<\/ol>\n\n\n\n
    \n

    Tipp: Lohnabrechnung in wenigen Minuten selbst erledigen<\/a><\/h3>\n<\/blockquote>\n\n\n\n

    Schlechte Datenqualit\u00e4t verursacht enorme Kosten<\/span><\/b> <\/span><\/h3>\n\n\n\n

    Die beschriebenen, oft auf den ersten Blick kleinen Unsauberkeiten in Daten, k\u00f6nnen massive Folgen und Umsatzbeinbu\u00dfen nach sich ziehen. Gartner hat schon <\/span>2018 in einer Studie beziffert<\/span><\/a>, dass allein in den USA schlechte Daten gro\u00dfen Unternehmen durchschnittlich 9,7 Millionen, der gesamten US-Wirtschaft sogar 3,1 Billionen, pro Jahr kosten. Mit dem Fortschritt im digitalen Business, vor allem w\u00e4hrend der Corona-Pandemie, d\u00fcrften diese Zahlen sogar noch deutlich h\u00f6her liegen. Wenn man sich genauer anschaut, was schlechte Daten an Folgekosten verursachen, wundern diese Zahlen weit weniger. <\/span> <\/span><\/p>\n\n\n\n

    Mit der Digitalisierung steigt die Anzahl der Datenquellen und damit die Fragmentierung von Daten, die oft aus veralteten Systemen, in unterschiedlichen Formaten, Metadaten, Formularen und nicht mehr zeitgem\u00e4\u00dfen Datenbankformaten vorliegen. Gleichzeitig steigt der Aufwand beim Aufbereiten und Abgleich der Daten exponentiell. Ein Problem sind auch Duplikate \u2013 Daten wie Kundenstammdaten liegen in verschiedenen Abteilungen und in verschiedenen Datenbest\u00e4nden leicht abweichend vor.<\/span> <\/span><\/p>\n\n\n\n

    Oft ist manuelles Eingreifen, der Zukauf von Software oder die Entwicklung eigener Skripte und L\u00f6sungen erforderlich. Alles Zeit und Kosten, die von eigentlichen Aufgaben abhalten und ablenken. Die Datenaufbereitung ist aber wichtig, denn die Folgen von schlechten Daten lassen sich leicht ausrechnen: Jedes an eine falsche Adresse gelieferte Paket, jeder Anruf des Vertriebs bei einer veralteten Nummer verschwendet Zeit und Geld \u2013 laut Zoominfo.com <\/span>rund 27 % der Zeit<\/span><\/a>. <\/span> <\/span><\/p>\n\n\n\n

    Worst Case: Entscheidungen mit schlechten Daten <\/span><\/b> <\/span><\/h3>\n\n\n\n

    Noch schlimmer sieht es bei der Unternehmensstrategie aus. Entscheidungen, die auf minderwertigen Daten basieren, k\u00f6nnen katastrophal und ineffektiv sein. Sie f\u00fchren dazu, dass die Budgetplanung in die v\u00f6llig falsche Richtung geht, der n\u00e4chste Schritt auf das falsche Produkt setzt oder eine Zielgruppe falsch eingeordnet wird. <\/span> <\/span><\/p>\n\n\n\n

    Schlechte Daten mindern nicht nur die Produktivit\u00e4t. Oft k\u00f6nnen neue Systeme nur verz\u00f6gert eingef\u00fchrt werden, weil minderwertige Daten viel Aufwand vor dem Start bedeuten. Dies kann die Wettbewerbsf\u00e4higkeit auf dem Markt in Gefahr bringen und sogar den Ruf nach au\u00dfen sch\u00e4digen. Kunden bemerken die Verz\u00f6gerung, indem sie zum Beispiel im B2B-Bereich immer noch mit veralteten Bestellmethoden einkaufen m\u00fcssen. <\/span> <\/span><\/p>\n\n\n\n

    Fazit: <\/span><\/b>Es ist unerl\u00e4sslich, mit oder idealerweise vor der Ausrichtung zum datenzentrierten Unternehmen seine Hausaufgaben in Sachen Datenqualit\u00e4t zu machen \u2013 sonst kann die Datenstrategie statt zum Erfolg zum Kostenfaktor werden. Beim Datenqualit\u00e4tsmanagement hilft die richtige Strategie und Tools wie eine Software, die wir <\/span>im n\u00e4chsten Teil unserer Serie zu Datenqualit\u00e4t<\/span> vorstellen.<\/span><\/p>\n\n\n\n

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

    Interesse an weiteren Tipps & Insights zu den Themen Recht, Steuern und Finanzen?<\/h2>\n\n\t\t\t\t\t\t\t\t\t
    \n\t\t\t\t\t\t

    <\/p>\n

    \u2026mit unserem Newsletter 1x im Monat<\/p>\n

    <\/p>\n

    <\/p>\n