Datenqualität – Blog

Im modernen Datenqualitätsmanagement wird viel Wert auf einen möglichst ganzheitlichen Charakter und proaktive Maßnahmen zur nachhaltigen und damit kosteneffizienten Verbesserung der Qualität von Daten gelegt. Das alles ist schnell dahin gesagt. Was aber verbirgt sich dahinter? Dazu an dieser Stelle ein paar Ausführungen.

Das Total Data Quality Management (TDQM) wurde aus dem ganzheitlichen Qualitätsmanagement (TQM) abgeleitet und geht von Daten bzw. Informationen als Produkten aus, ähnlich wie im industriellen Fertigungsprozess. Hohe Datenqualität wird realisiert durch einen wohl definierten „Produktionsprozess“ der Rohdaten hin zu Informationen und gemanagt von verschiedenen innerbetrieblichen Akteuren über den gesamten Lebenszyklus dieser „Informationsprodukte“. (Vgl. Hinrichs 2002):

Es geht also um eine umfassende Betrachtung aller Phasen im Datenlebenszyklus, d. h. um alle Aktivitäten von der Erfassung von Daten über ihre Verwendung in unterschiedlichen Geschäftsprozessen bis hin zur Löschung bzw. Archivierung. Dabei wird vor allem auch die Frage erörtert, wie Datenqualitätsmanagement in die Datenmanagementprozesse im Rahmen der Geschäftsprozesse insgesamt, also vor allem bei der Erfassung und Pflege der Daten eingebunden wird. (Vgl. Otto u.a., 2008) Hier kommt die prinzipielle Unterscheidung zwischen präventivem und reaktivem Datenqualitätsmanagement zum Tragen, weil es letztlich um die Frage geht, ob DQ-Aspekte bereits bei der Definition, Modellierung und Implementierung von Datenmanagementprozessen (Prävention bei der Datenerfassung und Datenaktualisierung, die reaktive Bereinigungen verhindern soll) oder aber erst am Ende des Datenlebenszyklus bei Erfordernis (reaktive Verbesserung der Daten) berücksichtigt werden sollen. Folgende Matrix gibt eine Übersicht über den Zusammenhang von präventivem bzw. reaktivem sowie kurzfristigem bzw. nachhaltigem Management der Datenqualität.

Ein ganzheitlicher Ansatz betrachtet aber nicht nur den gesamten Lebenszyklus mit allen relevanten Akteuren, sondern darüber hinaus auch alle damit im Zusammenhang stehenden Aspekte. Also neben den genannten Prozessen auch die damit verbundenen IT-Systeme sowie Datenmodelle und nicht zuletzt die relevanten Stakeholder in ihrem strukturellen und kulturellen Kontext.

Diese ganzheitliche Betrachtung erleichtert auch eine klare Trennung der zentralen Akteure, nämlich der Datenerfasser, Datenverwalter und Informationsnutzer, unabhängig davon, ob sie im Unternehmen selbst und dort im Management, den Hauptgeschäftsprozessen bzw. in den unterstützenden Geschäftsprozessen agieren oder aber in einer unternehmensübergreifenden Wertschöpfungskette vor- oder nachgelagert angebunden sind. Das TDQM ist dabei vor allem darauf orientiert, präventiv die tatsächlichen Anforderungen der Informationsnutzer (fitness for use) sicherzustellen, in dem diese herausgearbeitet und entsprechend bei den Datenerfassern und Datenverwaltern kommuniziert werden.

Wie die Abbildungen 2 und 3 zeigen, erfolgt die Datenproduktion nicht zwingend entlang der Wertschöpfungskette im Unternehmen. Dabei muss berücksichtigt werden, dass ein Datenerfasser im gleichen oder anderen Zusammenhang zugleich Datenverwalter oder Informationsnutzer sein kann. Datenverwalter können dabei eher technischer (z.B. IT) oder fachlicher (z.B. Controlling) Natur sein. Diese Tatsache erstreckt sich auch auf den unternehmensübergreifenden Rahmen. Kunden können im Internet ihre Daten selber erfassen und – zumindest inhaltlich, also fachlich – zum Teil auch selbst verwalten. Börsenkunden beispielsweise erhalten darüber hinaus über entsprechende Portale oder andere Medien regelmäßig Informationen über den Stand ihrer Aktien. In diesem Falle sind sie also Informationsnutzer.

Zulieferunternehmen sind heutzutage oft und in der Zukunft noch viel mehr mit den Informationssystemen ihrer Kunden vernetzt, empfangen, aktualisieren und liefern Daten, so dass auch hier keine klare Intern-Extern-Grenze im Sinne der verschiedenen Rollen im Datenproduktionsprozess festgemacht werden kann. Ähnlich gestaltet sich dies auch innerhalb eines Unternehmens, wie in der folgenden Abbildung am Beispiel einer Marketing- und Vertriebsabteilung gezeigt werden kann. (Vgl. McGilvray, 2008)

Allerdings kann sich diese Überlagerung der verschiedenen Rollen innerhalb der Datenproduktion durchaus auf verschiedene (Teil-) Prozesse und Datenflüsse beziehen, so dass die obige Einteilung für die Kommunikation der drei Rollen miteinander und damit für die Beseitigung zentraler Ursachen von Datenqualitätsmängeln überaus wichtig ist. Die folgenden beiden Tabellen zeigen Ansätze, solche komplexen Situationen einigermaßen übersichtlich aufzulösen.

Präventiv, nachhaltig, ganzheitlich, die entscheidenden Prinzipien eines modernen, effizienten Managements der Datenqualität hätten wir damit geklärt. Nun müssen wir die Theorie nur noch in die Praxis umsetzen. Und dabei warten auch wieder ein paar Stolpersteine. Ich bin auf Ihre Erfahrungen schon sehr gespannt!

<!–[endif]–><!–[if !vml]–><!–[endif]–>