Die Antwort ist erschreckend einfach: Daten ermöglichen es, in den unterschiedlichsten Bereichen die richtigen Entscheidungen zu treffen und Geschäftsprozesse sowie die Interaktion mit Kunden so erfolgreich wie möglich zu gestalten. Die Digitalisierung hat nicht zuletzt dazu beigetragen, dass Unternehmen über eine Unmenge von Daten verfügen, die analysiert und genutzt werden können. Ein Faktor ist hierbei jedoch von elementarer Relevanz: Die Qualität der Daten. Alle wichtigen Informationen, die dem Unternehmen vorliegen, müssen korrekt, also sauber sein – Stichwort „Clean Data“. So auch bei Fertigungsunternehmen, bei denen die Datenqualität für optimal funktionierende, effiziente Prozesse eine entscheidende Rolle spielt.
Doch genau an dieser Stelle zeigt sich häufig das Problem vieler Unternehmen, vom Dienstleister bis hin zur Fertigungsindustrie. Denn sowohl Geschäftsverantwortliche als auch Mitarbeitende sind sich der immensen Bedeutung von Datenqualität oft nicht ausreichend bewusst. Im Umkehrschluss fehlt dadurch auch das Wissen über negative Konsequenzen. Die Folgen mangelnder Güte des Informationsbestandes einer Firma sind vielfältig – sie reichen von verlorenen Aufträgen, erhöhten Kosten oder entgangenem Neukundengeschäft über Zeitverlust, Kundenabwanderung, langer Suchdauer, Mitarbeiterunzufriedenheit und Geldstrafen bis hin zum Imageschaden.
Bewusstsein für Datenqualität schaffen
Um erhobene Daten im Unternehmensbereich so effektiv wie möglich nutzen zu können, ist es zunächst unerlässlich, ein Bewusstsein für das Thema Datenqualität und Daten als Unternehmens-DNA auf allen Ebenen zu schaffen. Insbesondere die Geschäftsverantwortlichen müssen erkennen, dass Business Intelligence ohne Clean Data nicht funktionieren kann. Strategisches Ziel sollte zwingend die erfolgreiche Etablierung einer sauberen Datenhaltung sein. Denn nur Firmen, die mit einem unternehmensweiten Datenqualitätsmanagement dafür sorgen, dass relevante Daten durchgängig korrekt generiert und fehlerfrei verwaltet werden, sichern ihre Wettbewerbsfähigkeit. Sie ebnen zudem darüber hinaus den Weg für effiziente Data-Auswertungen, die für fundierte Entscheidungsfindungen und Services mit tatsächlichem Mehrwert unerlässlich sind. Um Mitarbeitende für das Potenzial einer hohen Datenqualität zu sensibilisieren, sollten konkrete Zielsetzungen für das Datenqualitätsmanagement formuliert werden. Die Vorteile, etwa die Verbesserung der Transparenz und Entscheidungsfindung im Unternehmen oder eine Stabilisierung der Kundenbeziehungen, sollten nachvollziehbar und durchdringend sein. Die gesamte Belegschaft muss ein Bewusstsein dafür bekommen, welche negativen Auswirkungen vermeintlich kleine Ungenauigkeiten bei der Datenerfassung auf den Erfolg des Unternehmens haben können.
Unternehmensübergreifendes Datenverständnis etablieren
Doch wie kann Transparenz in Millionen von Datensätzen geschaffen werden, die unter Umständen auch noch auf mehrere Systeme verteilt sind? Data Literacy – also Datenverständnis – ist hier die Lösung. Data Literacy bezieht sich in erster Linie auf die Fähigkeiten, Daten zu lesen, zu verstehen, zu analysieren und zu kommunizieren. Es umfasst das Verständnis von Datenquellen und -typen, Datenanalyse-Tools und -Techniken sowie der Datenvisualisierung und -kommunikation. In diesem Zusammenhang ist es wichtig, Mitarbeitenden die richtigen Fähigkeiten an die Hand zu geben, um Daten auch korrekt und zielführend interpretieren zu können. Hierfür benötigen Unternehmen geeignete Tools, die sich nicht an IT-Spezialisten richten, sondern auch andere Fachabteilungen dabei unterstützen. Bekannte Lösungen wie CRM- oder ERP-Systeme liefern hier keine praxisnahe Funktionalität und selbst Business Intelligence (BI)-Tools legen ihren Fokus häufig eher auf die Analyse von Bestandsdaten und nicht auf die Visualisierung und vorherige Bereinigung von Schwachstellen im Datenbestand. Hier wird dann nicht selten auf Excel zurückgegriffen, wobei das Programm bei großen Datenmengen jedoch schnell an seine Grenzen stößt und weit von einer Best-of- Breed-Lösung entfernt ist, die Transparenz in Datenbestände bringt. Letztlich bedarf es ergänzender Tools, wie etwa Info-Zoom von Proalpha, die darauf spezialisiert sind, analytisch eine gemeinsame Datengrundlage herzustellen, Datenschwachstellen aufzuzeigen und diese zu beseitigen. Entscheidender Ausgangspunkt zur Datenbereinigung ist jedoch das Wissen um die tatsächliche Datenqualität.
Sichtung und Bewertung des vorliegenden Datenbestandes
Datenkompetente Unternehmen sind in der Lage, Daten zu nutzen, um fundierte Entscheidungen zu treffen, Geschäftsprozesse und die Kommunikation mit und an den Kunden zu verbessern oder neue Geschäftsoptionen zu identifizieren. Doch um all dies umzusetzen, muss zunächst einmal der Ist-Zustand aller verfügbaren Daten, insbesondere hinsichtlich ihrer Qualität, bekannt sein. Um die Datenqualität innerhalb eines Unternehmens zu analysieren, besteht die Möglichkeit, Daten aus unterschiedlichen Quellen über Dashboards, Vertriebscockpits oder Reports zu prüfen. Im Rahmen eines ersten Checks erstellen Experten dazu einen Ergebnisreport, der Datenqualitäts-Kennzahlen für die bereitgestellten Daten dokumentiert und Hinweise auf Verbesserungspotentiale gibt. Ein solcher Report beinhaltet unter anderem fehlerhafte Einträge wie Dubletten, fehlende Daten im Kundenstamm, Schreibweisen, Formatinkonsistenzen oder Plausibilisierungsprüfungen. Auf dieser Grundlage können 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. Ein unternehmensweites Glossar sollte den Inhalt und die Metrik der Dateninhalte für alle Mitarbeitende nachvollziehbar beschreiben. Aufgrund dieser Merkmale ist es möglich, den Datenbestand zu bewerten und festzulegen, was mit fehler- oder lückenhaften Daten sofort und zukünftig geschehen soll.
Anwendung im Fertigungsumfeld
Durch diese Schritte erhalten dann zum Beispiel auch Fertigungsunternehmen aus ihrem ERP-System belastbare Informationen und können entsprechend reagieren. Denn in einem sich selbst organisierenden Produktionsumfeld, in dem Fertigungsanlagen und Logistiksysteme autark interagieren, ist Clean Data die Voraussetzung für korrekte Auswertungen des Datenbestands und somit auch Voraussetzung für die sogenannte Smart Factory. Mangelhafte Daten können leicht zu Fehlern und Störungen in betrieblichen Abläufen führen, was wiederum einen nicht unerheblichen Mehraufwand zur Bereinigung solcher Probleme erfordert und unterm Strich unnötig Geld kostet.
Mit einem unternehmensweiten Datenqualitätsmanagement sorgen Unternehmen dafür, dass etwa Stamm- und Bewegungsdaten durchgängig korrekt generiert und fehlerfrei verwaltet werden, und sichern sich nicht nur ihre Wettbewerbsfähigkeit, sondern ebnen zugleich den Weg für effiziente Data-Auswertungen und Mehrwertdienste.
Der entscheidende Schritt voraus
Unternehmen, die in der Lage sind, „saubere“ Massendaten durch den Einsatz professioneller Lösungen jederzeit schnell und flexibel auswerten zu können, haben gegenüber vielen Marktbegleitern, die häufig noch auf CRM-Systeme setzen, einen immensen Vorteil. Denn durch die umfassende Transparenz verfügen sie über einen konkreten Wissensvorsprung, insbesondere bei der Vorbereitung und Durchführung maßgeschneiderter Vertriebs- und Marketingkampagnen mit hoher Erfolgsquote. Denn qualitative Daten sind hierbei ein entscheidender Erfolgsfaktor. Sei es für die Ermittlung von Kundenaffinitäten, Kundensegmentierung, Ermittlung von Käuferprofilen, Kundenpriorisierung, Minimierung von Streuverlusten oder Steigerung der Rücklaufquoten. Dabei bleiben Kosten und Ressourcen in Vertrieb und Marketing stets im Blick. Bei generischen Systemen drohen häufig langwierige Selektionsdurchläufe, die aufgrund großer Datenmengen oft erst nach mehreren Stunden die erforderlichen Ergebnisse liefern. Anpassungen oder Korrekturen sind in dieser Zeit nicht durchführbar, eine flexible Anpassung und ein Nachjustieren der Abfragekriterien über CRM-Systeme daher zumeist nicht möglich.
Deshalb ist eine nachhaltige Datenstrategie – im Zusammenspiel mit einer starken Lösung und dem Rückhalt der Belegschaft – für den Erfolg eines Unternehmens unabdingbar.
