Viele Unternehmen drücken sich davor, ihre Datenqualität zu verbessern bzw. zu überprüfen. Dabei speichern sie Unmengen an Daten, die Prozesse verbessern und unterstützen können, sofern die Qualität stimmt. Um saubere Daten zu erhalten, gilt es einige Dinge beim Datenmanagement zu beachten.

Ablauf

Zu Beginn jeder Datenaufbereitung steht eine ausführliche Analyse des aktuellen Datenbestandes bevor. Dadurch sollen Schwachstellen aufgedeckt werden. In der anschließenden Datenbereinigung wird die Datenqualität wiederhergestellt. Bei der Verbesserung und Aufbereitung der Qualität sollte schrittweise vorgegangen werden.

So kann der Erfolg besser gemessen und auch kleinere Erfolge schneller sichtbar werden. Im besten Fall werden die Daten dann in festgelegten Abständen bereinigt, um Problemen vorzubeugen.

Mitarbeiter mit der Datenpflege beauftragen

Damit die Datenpflege nicht zu kurz kommt, sollten sich vorab ausgewählte Mitarbeiter regelmäßig darum kümmern. Im Zuge dessen kann sichergestellt werden, dass die Daten in regelmäßigen Zeitabständen überprüft werden. Trotz dessen müssen die Verantwortlichen sich weiterhin mit den Data-Quality-Tools auseinandersetzen und diese auswerten. Geschulte Mitarbeiter sind dabei entscheidend, deshalb gestaltet sich ein Workshop als sehr vorteilhaft.

Mit den richtigen Tools fällt es dann auch deutlich leichter, falsche oder doppelte Daten zu erkennen und zu entfernen. Ein sogenannter „Abgleich nach Dubletten“ findet sich in vielen Tools und bietet die Möglichkeit, eine Dopplung zu erkennen.

Ein einzelner Mitarbeiter jedoch wird es schwierig haben, die Unmengen an Datensätzen zu bereinigen und zu pflegen. Aus diesem Grund bietet sich eine Automatisierung an. Viele Programme bieten schon eine Teilautomatisierung, die Fehler in der Dateneingabe erkennt und Dopplungen verhindert. Im Beispiel der Kundendaten, könnten mehrfach angelegte Kundenprofile oder die falsche Eingabe von E-Mail-Adressen verhindert werden.

Zielsetzung

Auch die Verbesserung der Datenqualität dient der Prozessoptimierung und kann mithilfe von KPI´s gemessen werden. Wie schon vorhergehend erwähnt, müssen vorab Ziele definiert werden, um Erfolge messbar zu machen.

Im Service kann eine gut gepflegte Datenbank das Auffinden von Kundendaten erleichtern, jedoch muss dafür eine gute Suchfunktion gegeben sein. Im CRM-System beispielsweise, lassen sich die Daten nach verschiedenen Kriterien wie Name, Adresse, Branche oder Ähnlichem filtern.

Das richtige Tool

Zur Datenpflege ist ein Data-Quality-Tool unabdingbar. Im besten Falle bietet das Tool Lösungen für Data Profiling, also die Analyse und Bewertung der Datenqualität und dem Prozessmanagement. Zudem sollten Daten aus unterschiedlichen Datenquellen abrufbar und schnell greifbar sein. Die Nachfrage nach Data-Quality-Tools steigt zudem enorm, da hohe Datenqualität zunehmend an Bedeutung gewinnt.

Nicht nur für große Unternehmen und Konzerne lohnt sich so ein Tool. Auch mittelständische Unternehmen profitieren von den daraus resultierenden Ergebnissen. Besonders bei großen, international agierenden Unternehmen muss die Datenqualität als internationale Aufgabe betrachtet werden. Kommt es zu Fusionen oder Übernahmen müssen die Daten auch dann noch verständlich und nutzbar sein.

Beim Zusammenführen unterschiedlicher Datenbanken können zusätzlich Fehler unterlaufen. Auch in so einem Fall kann eine Data-Quality-Tool erste Probleme verhindern. Ein Data-Quality-Tool lässt sich also vielseitig anwenden und bietet sowohl kleinen, als auch großen Unternehmen einen Mehrwert, insofern geschulte Mitarbeiter und Experten sich der Pflege annehmen.