Daten und Datenmanagement sind für viele Menschen ein sehr abstraktes Thema. Daten lassen sich nicht anfassen. Die Kosten schlechter Datenqualität sind in den seltensten Fällen offensichtlich. Eine Kostenstelle für schlechte Datenqualität gibt es nicht. Aber: Auch wenn die Kosten schlechter Datenqualität meist nicht sichtbar sind, so sind sie doch immer signifikant.
Um das Management für das Thema Datenmanagement zu sensibilisieren, helfen gute Beispiele. Mit ihnen lassen sich die Auswirkungen und Kosten aufzeigen. Aufgabe des Datenmanagements ist es, sie systematisch zu sammeln, aufzubereiten und in der Kommunikation zu nutzen.
Die treibende Kraft. Das gilt insbesondere auch für das Stammdatenmanagement. Die CDQ AG hat sechs strategische Treiber identifiziert, die belegen, warum bei vielen Unternehmen Stammdatenmanagement ganz oben auf der Agenda steht.
1. Digitalisierung: Die Nutzung von Kunden und Produktdaten für Multichannel-Marketing und Vertrieb kann schnell an Grenzen stoßen. So scheiterte eine digitale Marketing-Kampagne einer Versicherung an der schlechten Qualität der E-Mail-Adressen. Bei einem Hersteller von Elektrowerkzeugen wurden Produkte aufgrund falscher Angaben zu Abmessungen und Gewichten von einem Online-Versandhändler ausgelistet.
2. Geschäftsprozesse: In die Zehntausende gehende Postretouren aufgrund falscher Adressdaten unnötige Prozesskosten aufgrund von Doubletten bei den Kundendaten – das sind keine Einzelfälle. Effizienzpotentiale bei der Standardisierung und Harmonisierung von Geschäftsprozessen werden nie gehoben, wenn die Datenqualität nicht stimmt.
3. Reporting und Analytics: Unternehmen haben ein Interesse an einem transparenten, schnellen und richtigen Berichtswesen. Wenn aufgrund schlechter Datenqualität teuer bezahlte Data Scientists zwei Drittel ihrer Zeit mit der Suche und Bereinigung von Daten verbringen, dann stimmt etwas nicht.
4. Compliance und Risikomanagement: GDPR, BCBS 239, FACTA, EU 1169, IDMP und viele andere: An regulatorischen Anforderungen herrscht kein Mangel. Sie erhöhen die Anforderungen an das Datenmanagement signifikant. So interessieren sich etwa die Bankaufsichtsbehörden nicht nur für die Risikoberichte, sondern auch für die Qualität der Daten, die ihnen zugrunde liegen.
5. IT-Landschaft: In großen Systemtransformationen wird oftmals der Aufwand für die Bereitstellung der Stammdaten unterschätzt – insbesondere bezogen auf die Aufbereitung der Daten für die Migration.
6. Mergers & Acquisitions: Sei es die Integration der Daten von zugekauften Unternehmen oder die Trennung von Datenbeständen, wenn Unternehmensteile abgespalten werden: Kosten und Zeitaufwand liegen oftmals höher als gedacht.
Entscheidend ist, das Verständnis für die Bedeutung von Datenmanagement in die Köpfe der Beteiligten zu bekommen. Es geht vorrangig um einen Wandel der Einstellung, nicht etwa darum, jemanden zu inthronisieren, der für das Thema verantwortlich ist. Damit dieser Wandel gelingt, ist es unerlässlich, den Wertbeitrag des Stammdatenmanagements deutlich herauszuarbeiten. Anhand von Beispielen muss belegt werden, was Stammdatenmanagement – monetär – bringt respektive welchen Schaden schlechtes Datenmanagement verursacht.
Monika Pürsing | www.zetvisions.com
Hannes Schmidt | www.cdq.ch
Titelillustration: © Omelchenko/shutterstock.com
Unerkannte Lücken beim Energiedatenmanagement können zu Fehlentscheidungen bei Investitionen führen
Wann ist ein Unternehmen KI-bereit? Chancen und Herausforderungen durch modernes Datenmanagement
Die Cloud kommt nach Hause und fordert Datenmanagement heraus
Datenmanagement 2018 – Mobilität, Regulierung und maschinelles Lernen erhöhen Anforderungen
»Security by Design« wird wichtiges Kriterium beim Datenmanagement