SChWERPUNKT - Midrange Magazin
SChWERPUNKT - Midrange Magazin
SChWERPUNKT - Midrange Magazin
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
48<br />
MARKTÜbERSIChT LöSuNgEN FÜR BI uND DATAWAREHOuSE<br />
Schlechte Datenqualität als Kostentreiber<br />
garbage in = garbage out<br />
Daten von niedriger Güte sind allgegenwärtig in den Unternehmen. Falsche Artikelnummern,<br />
fehlende Werte, unterschiedliche Schreibweisen und Abkürzungen, fehlerhafte Kundendaten<br />
und vieles mehr mindern die Datenqualität und führen auf diese Weise zu negativen<br />
wirtschaftlichen Folgen, denn das Garbage-in-Garbage-out-Prinzip greift.<br />
Fehler in den vorgehaltenen Daten<br />
führen zu falschen Entscheidungen,<br />
hohen Kosten und unzuverlässigen<br />
Prozessen – ein gefährlicher Cocktail,<br />
nicht zuletzt auch angesichts der Auswirkungen<br />
der globalen Finanzkrise,<br />
die vielerorts in der Realwirtschaft bereits<br />
spürbar sind. Hilfe aus der Misere<br />
bieten Data-Profiling- und -Analysis-<br />
Systeme.<br />
Mehr und mehr wächst in den Unternehmen<br />
die Einsicht, dass qualitativ<br />
hochwertige Informationen einen<br />
zentralen Wettbewerbsfaktor und den<br />
Grundbestandteil vieler IT-Aktivitäten<br />
und Geschäftsprozesse darstellen –<br />
dies gilt für Kundendaten, im Risikomanagement<br />
und bei BI-Initiativen<br />
genauso wie bei der Umsetzung von<br />
Compliance-Vorgaben. Nur über bestmögliches<br />
Datenmaterial lassen sich<br />
optimale Ergebnisse, hohe Profita-<br />
MIDRANGE MAgAZIN · 09/2009<br />
bilität, Kostenreduzierung sowie die<br />
Erschließung neuer Umsatz- und Gewinnpotenziale<br />
erzielen. Angesichts<br />
der ständig wachsenden Fülle an Daten<br />
können klassische IT-Systeme die gewünschte<br />
Qualität jedoch nicht ohne<br />
weiteres gewährleisten. Die Folgen sind<br />
schwerwiegend: Durch die Interpretation<br />
falscher, irreführender oder nicht<br />
aktueller Daten und Informationen,<br />
weil Anwender und Nutzer zum<br />
richtigen Zeitpunkt nicht auf<br />
die richtigen Informationen zugreifen<br />
können oder der Kontext<br />
zu anderen Daten schlichtweg<br />
fehlt, entstehen beispielsweise<br />
hohe Zusatzkosten durch vermeidbare<br />
Postrückläufer oder<br />
Mehrfachaussendungen. Kundenbeziehungenverschlechtern<br />
sich aufgrund veralteter,<br />
unvollständiger, missverständlicher<br />
oder gänzlich falscher<br />
Informationen, die gleichzeitig<br />
auch nicht mehr als korrekte<br />
Grundlage für strategische Entscheidungen<br />
unter anderem auf<br />
Berichtsebene dienen können. Zu den<br />
im Tagesgeschäft aktuell feststellbaren<br />
Problemen kommen so möglicherweise<br />
langfristige Konsequenzen wie der<br />
Verlust der Kundenbeziehung oder gescheiterte<br />
Projekte und daraus resultierend<br />
bleibende Imageschäden hinzu.<br />
Unpräzise Ergebnisse<br />
Traditionelle, manuell durchgeführte<br />
Analysen, um die gewünschte Qualität<br />
der vorgehaltenen Customer- und Non-<br />
Customer-Daten sicherzustellen, sind<br />
zeitaufwändig und unpräzise, denn sie<br />
basieren nicht selten auf Subjektivität<br />
und Vermutungen sowie auf unvollständigen<br />
oder unkorrekten Daten; vielfach<br />
geht die Suche auch nur in Richtung<br />
erwarteter Mängel und Inkonsistenzen.<br />
Hinzu kommt, dass nur bedingt Spezialisten<br />
vor Ort verfügbar sind, die die<br />
entscheidende Bedeutung der Daten für<br />
die täglichen Prozesse überhaupt kennen,<br />
und dass ganz prinzipiell auch ein<br />
unterschiedliches Verständnis bei der<br />
Geschäftsführung, den Fachbereichen<br />
und Technikern darüber besteht, welche<br />
Wertigkeit die Datenqualität per se<br />
überhaupt im Unternehmen hat.<br />
Daten-Inventur via Data Profiling<br />
Die Erkenntnis, dass im Unternehmen<br />
Probleme hinsichtlich der Datenqualität<br />
gegeben sind, ist bereits der erste<br />
Schritt – der nächste ist es dann, mit<br />
Data Profiling eine „Inventur“ der unternehmensweit<br />
verfügbaren Daten<br />
vorzunehmen, indem die Struktur, die<br />
Beziehungen und der Inhalt der vorhandenen<br />
Datenquellen und -strukturen<br />
intensiv analysiert werden. Am Ende<br />
steht dann ein genauer Ist-Zustand<br />
mit verbindlichen Informationen zu<br />
Qualität und Beschaffenheit. So leistet<br />
Data Profiling auch in der Vorbereitung<br />
von Projekten zur Datenmigration, Datenintegration<br />
oder im Master Data Management<br />
wertvolle Dienste. Auf dieser<br />
Basis lassen sich dann realistische<br />
Projektpläne entwickeln, die entsprechende<br />
Vorkehrungen zur Bereinigung