Wie verbessert man Prozesse und Datenqualität in einem multinationalen Unternehmen?

Eine schlechte Datenqualität hat in der Regel drei Ursachen:

1. Die Prozesse, Zuständigkeiten und Verantwortlichkeiten sind nicht klar genug geregelt.
2. Es fehlt eine harmonisierte Datensystemlandschaft.
3. Bestimmte Maßnahmen zur Qualitätssicherung werden nicht umgesetzt.

Daten sind aber nur dann das Gold des 21. Jahrhunderts, wenn ihr Feingehalt hoch genug ist.

Die acht wichtigsten Maßnahmen eines zeitgemäßen Datenqualitätsmanagements sind die folgenden:

1. Daten und Prozesse für alle transparent machen

Das Fundament des Datenqualitätsmanagements ist Transparenz. Mitarbeiter müssen alle dieselbe Sichtweise auf die Daten und Prozesse haben.

Deswegen ist die vollständige Transparenz der Prozesse, Datensätze und Datenstrukturen von entscheidender Bedeutung:

• Machen sie die Daten und Prozesse für alle Mitarbeiter im Unternehmen sichtbar, transparent und nachvollziehbar.
• Und gewährleisten Sie, dass die Prozesse regelmäßig aktualisiert werden.

2. Einen Datenfreigabeprozess implementieren

Schaffen sie einen Prozess, der die Freigabe von Daten regelt. Die drei wichtigsten Punkte dabei sind:

1. Führen sie einen Standard für den Freigabeprozess mit einem Vier-Augen-Prinzip in einem System ein.
2. Es ist wichtig, dass dieser Prozess explizit – mit im System dokumentierter – Freigabe für die Eingabe, Änderung und Löschung der Daten ist.
3. Der Prozess muss allen Beteiligten bekannt sein und ist am besten anhand eines Workflows durchzuführen.

3. Eine nachvollziehbare Data Governance entwickeln

Führen Sie eine Data Governance ein – legen Sie fest, welche Daten wann, wie, von wem und in welchem System eingeben und ergänzt werden dürfen.

Eine solche Data Governance beschreibt alle wichtigen Eckpunkte, Regeln und Prozesse zur

• Dateneingabe,
• Datenänderung und
• Datenlöschung

Sowie zu den Verantwortlichkeiten bezüglich

• der Daten,
• des zu nutzenden Prozesses und
• der jeweiligen Systemeigenschaften.

Die Data Governance muss zudem alle Informationen enthalten und sie muss für alle zugänglich und verständlich sein.  

4. Die Daten-Ownership zuweisen

Machen sie Mitarbeiter für die Daten und Prozesse verantwortlich!

Es ist wichtig, dass sowohl auf Managementebene des Unternehmens (Chief Data Officer- CDO) als auch auf Mitarbeiterebene (Data Steward) eine eindeutige Verantwortung für die Daten, Prozesse und die damit verbundene Datenqualität zugewiesen ist.

Diese Verantwortung muss allen Mitarbeitern bewusst, transparent dargestellt und dokumentiert sein. Und sie sollten regelmäßig Trainings über ihre Aufgaben und Zuständigkeiten durchlaufen.

5. Datensysteme harmonisieren

Harmonisieren sie Ihre Datensystemlandschaft!

Pipelines, Datenbanken und Systeme wachsen oft organisch und unter ganz verschiedenen Bedingungen. Das führt zu unübersichtlichen Strukturen und inkompatiblen Formaten.

Ein Minimalziel wäre es, die Systeme, in denen Daten gepflegt werden, direkt miteinander zu verbinden, etwa über das SAP-Dokumentformat Idoc. Das ermöglicht es z.B., die Änderung eines Datensatzes in einem System automatisch in allen anderen Systemen nachzuziehen.

Ideal ist es dagegen, wenn Sie ein einziges System für Dateneingabe, Datenänderung und Datenlöschung haben, von dem aus Sie alle anderen Systeme aktualisieren bzw. updaten, indem Sie Ihre Datensätze vom Kernsystem aus an die anderen Systeme verteilen.

So oder so sollten Sie die Quellen, die Einträge und die Qualität der Daten in den jeweiligen Systemen regelmäßig und systematisch analysieren.

6. Ein regelmäßiges Reporting über die Daten installieren

Machen sie Analysen und definieren sie Standardberichte und Dashboards für die Daten, die Datenqualität und die Datentypen.

Es ist wichtig, dass ein regelmäßiges – idealerweise monatliches – Reporting über die Daten für alle Mitarbeiter gibt:

• In diesem Reporting werden alle neuen, geänderten und gelöschten Daten ausgewiesen.
• Es werden die Anzahl der Fehler bei Dateneingabe und -Änderung ausgelistet.
• Der Daten-Report wird am besten automatisch und regelmäßig mit direktem Link zum Reporting-System versandt.

Diese Reports stellen die Basis für die Analyse über die Datenqualität und Datennutzung dar.

7. Sicherstellen, dass Datensätze vollständig sind

Stellen Sie sicher, dass Datensätze immer aktuell und vollständig sind.

Jeder Datensatz hat Feldinhalten bzw. Attribute, die befüllt werden müssen, wenn man Daten anlegt. Legen Sie daher für jeden Datensatz einen „Golden Record“ an, in dem die Feldinhalte definiert sind, die nicht leer bleiben dürfen.

8. Alle Informationen über die Daten dokumentieren

Alle Information über die Daten müssen in einem Dokument zusammengefasst werden.

Dieses Dokument – sei es eine Guideline, eine SOP oder eine Verfahrensanweisung – beinhaltet alle Aufgaben, Prozesse, Verantwortlichkeiten und Regeln für die Datensätze.

Es ist quasi die Bibel, nach deren Durchsicht jedem im Unternehmen der Sinn und Zweck der Daten klar ist – und die Wichtigkeit einer hohen Datenqualität.

Fazit: Datenqualität braucht eine passende Infrastruktur, klar definierte Arbeitsabläufe und Qualitätssicherungsmaßnahmen

Um Daten im Wertschöpfungsprozess zu nutzen, müssen sie eine bestimmte Qualität erreichen und halte. Dazu braucht es dreierlei:

1. Eine passende Infrastruktur. Unternehmen führen Daten aus sehr unterschiedlichen Quellen zusammen. Nur eine möglichst harmonisierte Datensystemlandschaft kommt damit zurecht.
2. Klar definierte Arbeitsabläufe. Dazu zählen eine nachvollziehbare Data Governance – also Regelungen dazu, wer wann wo mit welchen Daten arbeiten darf – eine klare Zuweisung von Verantwortlichkeiten sowie sehr gut dokumentierte Informationen zu den Daten.
3. Diverse Maßnahmen zur Qualitätssicherung. Am wichtigsten sind hier regelmäßige Mitarbeiterschulungen, außerdem Prozesse, die sicherstellen, dass Datensätze vollständig sind, sowie regelmäßig aktualisierte Berichte über den Zustand der vorliegenden Daten.