4.1 Erfolgsfaktoren des Datenqualitätsmanagements

Die folgende Tab. 4.1 fasst den aktuellen Wissensstand zu Erfolgsfaktoren im Datenqualitätsmanagement aus Forschung und Praxis zusammen. Die Erfolgsfaktoren sind den sechs Bereichen des Frameworks für Datenqualitätsmanagement (siehe Kap. 1.4) zugeordnet.

Tab. 4.1 Erfolgsfaktoren des Datenqualitätsmanagements
Full size table

4.2 Sofortmaßnahmen auf dem Weg zum erfolgreichen Datenqualitätsmanagement

Aus den Fallstudien sowie aus den Arbeiten des CC CDQ seit 2006 lassen sich folgende Sofortmaßnahmen ableiten, die beim Aufbau des Datenqualitätsmanagements helfen:

  • „Scoping“: Ausgehend von den strategischen Datennutzern im Unternehmen (Controlling, Compliance Office, Vertrieb etc.) identifizieren Sie unternehmensweit genutzte (globale), geschäftskritische Datenobjekte.

  • „Trägerprojekt“: Nutzen Sie ein strategisches Projekt im Unternehmen, anhand dessen Sie den Nutzen des Stammdatenqualitätsmanagements kontinuierlich illustrieren können. Beispiele sind Projekte zur ERP-Konsolidierung, zur unternehmensweiten Geschäftsprozessharmonisierung, zur Integration von Unternehmenszukäufen und dem Aufbau spartenübergreifender Leistungsbündel („Systemgeschäft“). Derartige Trägerprojekte haben den Vorteil, dass sie viele Gruppen im Unternehmen adressieren, also beispielsweise die Geschäftsleitung, Projekt- und Abteilungsleiter sowie Sachbearbeiter in einzelnen Unternehmensfunktionen.

  • Governance: Ohne Spielregeln können Sie die Datenqualität nicht dauerhaft verbessern. Identifizieren Sie also mögliche Data Owner und übertragen Sie Verantwortung für Datenklassen. Häufig sind geeignete Data Owner Geschäftsprozessverantwortliche mit dem höchsten Leidensdruck durch mangelhafte Qualität der entsprechenden Daten, also z. B. der Leiter des Zentraleinkaufs im Fall von Lieferantenstammdaten. Besetzen Sie anschließend das Data Governance Board mit den anderen Prozessverantwortlichen. Nutzen Sie zudem die bestehende Gremienlandschaft, um unnötige Bürokratie zu vermeiden.

  • Datenqualitätsmessung: Leiten Sie Anforderungen an Datenqualität aus den Führungsgrößen der Geschäftsprozesse ab, indem Sie analysieren, welche Datenobjekte und welche Datenqualitätsdimensionen geschäftskritisch für die Geschäftsprozesse sind. Identifzieren Sie die Ursachen für Fehler und stellen Sie Geschäftsregeln auf, mit deren Hilfe Sie Datenqualität regelmäßig messen („ohne Messung kein Management“).

  • Datenqualitätsziele: Setzen Sie Data Ownern betriebswirtschaftlich sinnvolle Datenqualitätsziele. Lassen Sie „Luft“ für zukünftige Verbesserungen.

  • Haftbarkeit: Verankern Sie Datenqualitätsziele im Zielsystem von Data Ownern und Datenstewards, um persönlichen Bezug herzustellen. Befähigen Sie die Mitarbeiter, ihre Ziele zu erreichen, indem Sie geeignete Werkzeuge und Methoden bereitstellen.

  • „DQ by design“: Entwerfen Sie Datenlebenszyklus und Datenarchitektur unter Datenqualitätsanforderungen. Nutzen Sie die Geschäftsregeln, um zu verhindern, dass Daten mangelnder Qualität in die Systeme eingegeben werden können („first time right“). Stellen Sie sicher, dass Geschäftsprozesse und Informationssysteme nicht gegen die Datenqualitätsregeln verstoßen.

  • Nutzenbeitrag: Stellen Sie regelmäßig den Nutzwert des Stammdatenqualitätsmanagements in den verschiedenen Geschäftsprozessen und Unternehmensfunktionen dar. Nutzen Sie bewährte Kommunikationskanäle im Unternehmen (Intranet, Newsletter, Unternehmenszeitschrift etc.).