Wer sein Unternehmen erfolgreich führen will, sollte auf eine nachhaltige Datenstrategie setzen und diese im Zusammenspiel mit einer starken Lösung und dem Rückhalt der Belegschaft einführen.
Daten sind wertvoll. Das erkannte bereits Tim Berners-Lee, Erfinder des World Wide Webs, der einst folgendes Zitat von sich gab: »Daten sind ein kostbares Gut und werden länger überdauern als die Systeme selbst.« Im Zeitalter der Informationen und Digitalisierung, stehen Unternehmen eine unfassbar große Menge an Daten zur Verfügung, die – analysiert und aufbereitet – über ein riesiges Potenzial verfügen. Schließlich sind es Daten, auf deren Basis wichtige Entscheidungen getroffen werden und die Anteil daran haben, wie erfolgreich Geschäftsprozesse und die Interaktion mit Kunden verlaufen. Doch welche Kriterien müssen Datenbestände erfüllen, damit sie wirklich zum Schatz und nicht zum kostentreibenden Hindernis werden?
An dieser Stelle kommt ein Faktor von elementarer Relevanz ins Spiel: die Qualität der Daten. Das heißt, alle wichtigen, im Unternehmen vorliegenden Informationen, müssen korrekt, also sauber sein – Stichwort »Clean Data«. Das gilt für Unternehmen aus den verschiedensten Branchen, so auch für Fertigungsunternehmen, bei denen die Datenqualität für optimal funktionierende, effiziente Prozesse entscheidend ist. Dennoch ist in vielen Unternehmen Datenqualität nicht auseichend vorhanden, da sich sowohl Geschäftsverantwortliche als auch Mitarbeitende ihrer immensen Bedeutung oft nicht ausreichend bewusst sind. Im Umkehrschluss fehlt dadurch auch die Sensibilität über negative Konsequenzen. Dabei können aus einer mangelnden Güte des Informationsbestandes vielfältige Negativfolgen resultieren: von verlorenen Aufträgen, erhöhten Kosten oder entgangenem Neukundengeschäft über Zeitverlust, Kundenabwanderung, langer Suchdauer, Mitarbeiterunzufriedenheit und Geldstrafen bis hin zum Imageschaden. Was braucht es also, um erhobene Daten im Unternehmensbereich so effektiv wie möglich nutzen zu können?
Bewusstsein für Datenqualität
Zunächst ist es unerlässlich, ein Bewusstsein für das Thema Datenqualität und Daten als Unternehmens-DNA auf allen Ebenen zu schaffen. Insbesondere die Geschäftsverantwortlichen müssen verstehen, dass Business Intelligence ohne Clean Data nicht funktionieren kann und die Etablierung einer sauberen Datenhaltung deshalb essenziell für den Geschäftserfolg ist. Ein unternehmensweites Datenqualitätsmanagement, das relevante Daten durchgängig korrekt generiert und fehlerfrei verwaltet, hilft Firmen dabei, einerseits ihre Wettbewerbsfähigkeit zu sichern und andererseits an effiziente Data-Auswertungen zu gelangen, die für fundierte Entscheidungsfindungen und Services mit tatsächlichem Mehrwert obligat sind. Um Mitarbeitende für das Potenzial einer hohen Datenqualität zu sensibilisieren, ist es sinnvoll, konkrete Zielsetzungen für das Datenqualitätsmanagement zu formulieren, sodass die Vorteile, wie etwa die Verbesserung der Transparenz und Entscheidungsfindung im Unternehmen oder eine Stabilisierung der Kundenbeziehungen, für alle nachvollziehbar sind. Die gesamte Belegschaft muss sich der negativen Auswirkungen bewusst sein, die vermeintlich kleine Ungenauigkeiten bei der Datenerfassung verursachen können.
Unternehmensübergreifendes Datenverständnis
Doch wie gelingt es Unternehmen, für Transparenz in Millionen von Datensätzen zu sorgen, die unter Umständen auch noch auf mehrere Systeme verteilt sind? Die Lösung hierfür heißt Data Literacy – sprich Datenverständnis. In erster Linie bezieht sich Data Literacy auf die Fähigkeiten, Daten zu lesen, zu verstehen, zu analysieren und zu kommunizieren. Hierbei eingeschlossen ist das Verständnis von Datenquellen und -typen, Datenanalyse-Tools und -Techniken sowie der Datenvisualisierung und -kommunikation. In diesem Zusammenhang sollte Mitarbeitenden die Chance gegeben werden, alle Skills zu erlernen, die für eine korrekte und zielführende Dateninterpretation unerlässlich sind. Hierzu gehört auch, dass sie Zugang zu Tools erhalten, die sich nicht an IT-Spezialisten richten, sondern auch andere Fachabteilungen dabei unterstützen. Bekannten Lösungen wie CRM- oder ERP-Systeme fehlt es hier an praxisnaher Funktionalität und selbst Business Intelligence (BI)-Tools setzen ihren Schwerpunkt oftmals eher auf die Analyse von Bestandsdaten und nicht auf die Visualisierung und vorherige Bereinigung von Schwachstellen im Datenbestand. Hierfür kommt in Unternehmen dann nicht selten Excel zum Einsatz, jedoch stößt das Programm schnell an seine Grenzen und ist weit von einer Best-of-Breed-Lösung für Transparenz in Datenbeständen entfernt. Letztlich braucht es ergänzende Tools, wie etwa InfoZoom von proALPHA, die darauf spezialisiert sind, analytisch eine gemeinsame Datengrundlage herzustellen, Datenschwachstellen aufzuzeigen und diese zu beseitigen. Um hier ansetzen zu können, braucht es aber Kenntnis darüber, wie es um die Datenqualität im eigenen Unternehmen tatsächlich bestellt ist.
Sichtung und Bewertung des vorliegenden Datenbestandes
Datenkompetente Unternehmen können Daten nutzen, um fundierte Entscheidungen zu treffen, Geschäftsprozesse sowie die Kommunikation mit und an den Kunden zu verbessern oder neue Geschäftsoptionen zu identifizieren. Ausgangspunkt hierfür ist aber zunächst einmal der Ist-Zustand aller verfügbaren Daten, der bekannt sein und analysiert werden muss. Hierfür bietet es sich an, Daten aus unterschiedlichen Quellen über Dashboards, Vertriebscockpits oder Reports zu prüfen. Im Rahmen eines ersten Checks fertigen Experten dazu einen Ergebnisreport an, der Datenqualitäts-Kennzahlen für die bereitgestellten Daten dokumentiert und bereits auf Verbesserungspotentiale hinweist. Ein solcher Report umfasst unter anderem fehlerhafte Einträge wie Dubletten und fehlende Daten im Kundenstamm und beinhaltet Schreibweisen, Formatinkonsistenzen oder Plausibilitätsprüfungen. Auf Basis dessen können schließlich Fehler im Bestand korrigiert, unnütze Daten beseitigt und Regeln ausgearbeitet werden, die klare Richtlinien vorgeben, welche Daten relevant sind und wie ein sauberer sowie vollständiger Datensatz auszusehen hat. Durch Erstellung eines unternehmensweiten Glossars kann zusätzlich sichergestellt werden, dass sich der Inhalt und die Metrik der Dateninhalte für alle Mitarbeitenden stets nachvollziehen lässt. All diese Merkmale tragen zur Bewertung des Datenbestands bei und es kann festgelegt werden, was mit fehler- oder lückenhaften Daten sofort und zukünftig geschehen soll.
Clean Data im Fertigungsumfeld
Auch im Fertigungsumfeld ist Datenqualität von großer Relevanz, da in einem sich selbst organisierenden Produktionsumfeld, in dem Fertigungsanlagen und Logistiksysteme autark interagieren, Clean Data die Voraussetzung für korrekte Auswertungen des Datenbestands ist – und damit auch für die Smart Factory. Mangelhafte Daten führen leicht zu Fehlern und Störungen in betrieblichen Abläufen, was wiederum in einen nicht unerheblichen Mehraufwand zur Bereinigung solcher Probleme resultieren kann und unterm Strich unnötige Mehrkosten verursacht. Ein unternehmensweites Datenqualitätsmanagement hingegen sorgt dafür, dass etwa Stamm- und Bewegungsdaten durchgängig korrekt generiert und fehlerfrei verwaltet werden. Damit legen Unternehmen nicht nur den Grundstein für effiziente Data-Auswertungen und Mehrwertdienste, sondern stärken auch ihre Wettbewerbsfähigkeit. Deshalb sollten auch Fertigungsunternehmen auf saubere Daten achten und hierfür die notwendigen Schritte einleiten, sodass sie aus ihrem ERP-System belastbare Informationen erhalten und treffsicher agieren können, statt im Blindflug zu reagieren.
Einen Schritt voraus
Unternehmen, die in Besitz von »sauberen« Massendaten sind und diese – mit Hilfe von professionellen Lösungen – jederzeit schnell und flexibel auswerten können, haben einen wesentlichen Vorteil gegenüber Marktteilnehmern, die beim Data Quality Management häufig noch auf CRM-Systeme setzen. Denn die umfassende Transparenz verschafft ihnen insbesondere bei der Vorbereitung und Durchführung maßgeschneiderter Vertriebs- und Marketingkampagnen, für die qualitative Daten ein entscheidender Erfolgsfaktor sind, einen konkreten Wissensvorsprung – ohne dass Kosten und Ressourcen in Vertrieb und Marketing aus dem Blick geraten. Sei es für die Ermittlung von Kundenaffinitäten und Käuferprofilen, Kundensegmentierung und Kundenpriorisierung, Minimierung von Streuverlusten oder Steigerung der Rücklaufquoten. Der Einsatz generischer Systeme bringt hingegen das Risiko von häufig langwierigen Selektionsdurchläufen mit sich, die aufgrund großer Datenmengen oft erst nach mehreren Stunden die erforderlichen Ergebnisse liefern. In dieser Zeit können keine Anpassungen oder Korrekturen durchgeführt werden, womit eine flexible Anpassung und ein Nachjustieren der Abfragekriterien über CRM-Systeme zumeist auch nicht möglich ist. Wer sein Unternehmen erfolgreich führen will, sollte deshalb auf eine nachhaltige Datenstrategie setzen und diese im Zusammenspiel mit einer starken Lösung und dem Rückhalt der Belegschaft unternehmens- und abteilungsweit durchsetzen.
Gunnar Schug, Geschäftsführer humanIT, ein Unternehmen der proALPHA Gruppe