Damit Mitarbeiter in Unternehmen Wertschöpfung generieren können, sind sie auf Daten mit entsprechender Qualität angewiesen. Die Basis dafür bilden die sogenannten Stammdaten. Es gibt Kunden-, Artikel-, Materialstammdaten usw. Diese sind grundlegend in zentralen wertschöpfenden Prozessen. Aus diesem Grund ist es notwendig, die Stammdaten hochwertig zu halten. Nur dadurch kann ein Unternehmen, effizient die Kunden bedienen und erfolgreich am Markt agieren. In diesem Beitrag stelle ich Ihnen drei Top Sünden vor, die sich in ihren Daten spiegeln. Dazu erhalten Sie Lösungsansätze, um diese Sünden in Zukunft zu vermeiden. Damit ihr Unternehmen die Flexibilität und Effizienz hoch halten kann.
Was sind Sünden in Unternehmen
Bevor wir starten, möchte ich ein Gemeinsames Verständnis für das Wort Sünde schaffen. Das Wort Sünde ist, je nach Hintergrund den man mitbringt, unterschiedlich belegt. Meine Definition ist weder emotional noch religiös behaftet. Sünden sind: die Versäumnisse, Probleme, Fehler, Lücken, Unverantwortlichkeiten, Abkürzungen, Nichtwissen, Bequemlichkeiten usw. die in Unternehmen stattfinden. All das Fasse ich unter dem Begriff Sünde zusammen und meine ich, wenn ich von Sünden spreche oder schreibe. Ich bitte Sie darum, diesen Beitrag durch die Brille dieser Definition zu lesen.
Da wir die Basis jetzt haben, starten wir mit Top Sünden die Sie unbedingt vermeiden sollten und in Zukunft hoffentlich umgehen😊
Top Sünde: Workarounds und Überganglösungen
Immer wieder gibt es Situationen in denen die Prozesse nicht richtig auf die Infrastruktur abgestimmt sind. Sei es nach Anpassungen von Prozessen oder Systemen, Fehler in Systemen oder Code- Anpassungen die zu Problemen führen. In solchen Situationen findet man eine Übergangslösung oder einen Workaround. Es werden dann Daten in Felder eingetragen, wo sie eigentlich nicht hingehören oder temporäre Systemanpassungen gemacht, um zu Überbrücken. Ist das Problem behoben, ist wichtig, dass nicht einfach zum Normalbetrieb übergegangen wird. Wichtig ist, die Daten im Nachgang zu bereinigen, die während der Übergangslösung nicht entsprechend bearbeitet wurden. In naher Zukunft, werden sonst Informationen nicht gefunden oder falsch bearbeitet. Was in ferner Zukunft noch für Überraschungen warten, kann ich gar nicht alles aufzählen. Je nachdem wie sich die Systeme und Prozesse entwickeln, kann es zu sehr unschönen Konstellationen kommen, die komplexe und aufwendige Bereinigungen mit sich bringen.
Ich empfehle in ihrem Unternehmen, nach den Übergangslösungen die betroffenen Daten zeitnah zu korrigieren, damit Sie in Zukunft, die Daten im normalen Prozess korrekt verarbeiten und keine weiteren Aufwände mehr haben.
Top Sünde: Fehlerhafte Schnittstelle
Ein weiteres Thema das nicht unterschätzt werden darf, sind fehlerhafte Schnittstellen. Es fängt meist schon mit den Verantwortlichkeiten an. Vor allem wenn die Programmierung der Schnittstelle von externen Partnern durchgeführt wird. Es fühlt sich niemand so richtig verantwortlich und entsprechen halbherzig wird leider auch getestet. Man hat es mit der klassischen Verantwortungsdiffusion zu tu; jeder verlässt sich auf den Anderen und gibt die Verantwortung dadurch ab. Das Problem dabei ist, dass über die Schnittstelle regelmässig, viele Daten ausgetauscht werden. Wenn sich da ein Fehler einschleicht, betrifft es viele Daten. Die Aufräumarbeiten und der angerichtete Schaden sind dann entsprechend gross.
Ich empfehle bei Schnittstellen Anpassungen die Verantwortung genau zu regeln und mit genau spezifizierten Use Cases ausführlich zu testen.
Top Sünde: Unsaubere Daten Migration
Ein Thema das wahrscheinlich fast alle kennen, die täglich mit Daten im Unternehmen arbeiten: Fehlerhafte Daten durch Daten Migrationen. Mich persönlich überrascht es immer wieder, wieso es immer noch so viele Migrationen gibt, die schlecht durchgeführt werden. Da gibt es Umlautprobleme, fehlende Datensätze, falsche Mappings usw. Das alles wird ins Neue System übernommen und erschwert vielen Mitarbeiter die tägliche Arbeit über Jahre. Dabei sind Migrationen die Gelegenheit Altlasten aus ihrem System zu eliminieren. Das Korrigieren und Migrieren von Daten, ist eine eigene Disziplin in der Informatik, die spezielle Skills erfordert. Es braucht dazu Experten die sich auskennen und mit der nötigen Sorgfalt und Umsicht die Arbeiten ausführen. Möchten Sie nicht jahrelang immer mit fehlerhaften Daten aus der Migration abmühen, lohnt es sich erfahrene Datenspezialisten einzubeziehen. Dieser kann die Daten auch im Nachgang noch korrigieren, damit sie eine saubere Grundlage für ihr Tagesgeschäft haben
Meine Empfehlung ist, bei grossen oder komplexen Daten Migrationen, einen Datenexperten ins Projekt einzubinden, der Erfahrung hat und weiss wo die Knackpunkte liegen.
Die Sünden in den Daten kommen irgendwann an die Oberfläche
Aufgrund meiner Erfahrung kann ich ihnen nur wärmstens ans Herz legen, sorgfältig mit ihren Daten umzugehen. Es behindert nicht nur die Mitarbeiter bei der täglichen Arbeit, das spüren auch ihre Kunden und das Management, welches aufgrund von nicht fundierten Daten, Entscheidungen treffen muss.
Bei meinen Schulungen und Sensibilisierungsvorträgen zum Thema Daten Qualität betone ich immer wieder: alle Sünden in den Daten kommen, irgendwann an die Oberfläche. Ich selber, habe schon Daten korrigiert, bei denen die Fehlerursache über 10 Jahre zurücklag. Egal wie alt die Fehler in den Daten sind, sie holen einem ein. Das können Sie mir glauben.
Es lohnt sich die Datenfehler so früh wir möglich zu korrigieren, da man noch weiss, was genau gemacht wurde und der Aufwand sich dadurch in Grenzen hält. Natürlich können die Fehler im Nachgang noch korrigiert werden. Es lohnt sich immer eine saubere Daten Grundlage zu schaffen. Falls Sie diese Themen auch kennen und angehen möchten, freue ich mich über ihre Kontaktaufnahme. Melden Sie sich unverbindlich über das untenstehende Formular:
Mit der grossen Digitalisierungswelle, rückten die Daten und ihre Qualität wieder ins Zentrum. Viele Firmen prüfen Vorhaben um hochwertige Daten Qualität zu etablieren. Doch leider folgt auf die anfängliche Euphorie dann bald die grosse Ernüchterung. Laut einer aktuellen BARC Studie zögern viele Unternehmen Initiativen zu starten, weil diese als zu übermächtig, aufwendig und unkalkulierbar erscheinen. Aber es muss nicht immer die Rolls Royce Variante sein. Mit einer schlanken Lösung, einem Daten Management light, ist ein proaktives managen der Daten möglich. Welche konkreten Schritte dafür notwendig sind, habe ich im Beitrag für Sie zusammengefasst.
Die Grundlage schaffen: Daten Qualität, KPI’s und Regeln definieren
Die Grundlage um die Daten zu managen, ist zu definieren, wann die Daten eine gute Qualität aufweisen. Dazu gilt es herauszufinden, welche Teams die Daten im operativen Geschäft fachlich bearbeiten oder nutzen. Alle diese Stakeholder haben Ansprüche an die Daten, die sorgfältig abzuklären sind. Erst wenn alle Bedürfnisse bekannt sind, kann eine solide Definition von guter Daten Qualität erarbeitet werden.
Sind die Anforderungen an gute Daten Qualität bekannt, können im nächsten Schritt KPI’s definiert werden. Dazu werden Wertebereiche festgelegt, wann die Daten Qualität noch gut ist und wann etwas unternommen werden muss. Wichtig ist auch hier, die Bedürfnisse aller Stakeholder abzuholen. Die KPI’s sind das Fundament für konkrete Regeln, um die Daten Qualität zu messen. Bei den Regeln gilt es zu definieren, welcher Datenausschnitt geprüft wird. Sind es zum Beispiel alle aktiven Kunden? Und wie genau sind aktive Kunden definiert? Die zu messenden Daten sind konkret auszuarbeiten, damit am Schluss das Richtige, richtig gemessen wird.
Die Definition von guter Daten Qualität, die KPI’s und Regeln sollten dokumentiert und möglichst allen im Unternehmen zugänglich sein. So können Missverständnissen und Missinterpretationen vorgebeugt werden. Die Definitionen können intern auf einer zentralen Plattform oder in einem öffentlichen Netzlaufwerk abgelegt sein.
Die technischen Voraussetzungen für das Daten Management light
Sind die Regeln für die Messung der Daten Qualität ausgearbeitet, ist es Zeit für die technische Umsetzung. Dazu sind die entsprechenden Verantwortlichen aus der IT beizuziehen. Als erstes wird das System definiert, auf dem die Messregeln ausgeführt werden um die Daten Qualität zu prüfen. Im Besten Fall gibt es ein Daten Master System. Um das Ganze nicht unnötig kompliziert zu machen, sollten alle Daten-Qualitäts-Messungen auf demselben System ausgeführt werden.
Im Grundsatz gilt es zu klären, welche Optionen es gibt die Regeln auszuführen. Die Lösung kann automatisiert, teilautomatisiert oder manuell sein. Es sollte entsprechend den Möglichkeiten, Ressourcen und Aufbau der Infrastruktur im Unternehmen umgesetzt werden.
Im Zusammenhang mit den Regeln ist zu konkretisieren, wie das Resultat der Regelmessung genau aussieht. Enthält es alle Datensätze mit einer entsprechenden Kennzeichnung oder nur die Daten mit den Qualitätsverletzungen? Welche Informationen werden weiter benötigt? Machen wir ein Beispiel mit Datensätzen bei denen die Anrede fehlt. Reicht es, nur die eindeutige ID für den entsprechenden Datensatz zu erhalten oder sollte zusätzlich der vollständige Name und Geschlecht ausgegeben werden? Für jede Regel ist sorgfältig auszuarbeiten, welche Informationen ausgegeben werden sollen.
Ein weiterer Punkt ist, in welchem Format die Resultate der Regeln ausgegeben und zur Verfügung gestellt werden. Soll es in einem txt.-File oder Excel ausgegeben werden? Wird es per E-Mail verschickt oder in einem Laufwerk abgelegt? Für alle diese Themen ist in enge Zusammenarbeit von fachlichen und technischen Bereichen notwendig.
Um einen Überblick zu haben, wie die Daten Qualität sich über die Zeit entwickelt, sollten die Resultate der Messungen transparent und möglichst allen zugänglich sein. Auszuarbeiten sind der Automatisierungsgrad und die Plattform für die Darstellung der Resultate. Die Lösung sollte so definiert werden, dass möglichst viele im Unternehmen den Status der Daten Qualität einsehen können.
Rollen und Verantwortlichkeiten im Daten Management light
Last but not least gilt es die Rollen festzulegen. Grundsätzlich sind drei Rollen notwendig. Diese haben, je nach Umsetzung einen unterschiedlichen Umfang.
Auf der technischen Seite braucht es einen Zuständigen für die Ausführung der Regeln und das Bereitstellen der Resultate.
Der Fachbereich ist verantwortlich für die Prüfung der Resultate und Einleitung von Massnahmen bei unzureichender Daten Qualität.
Die dritte Rolle ist dafür zuständig, die Resultate der Qualitätsmessungen transparent und möglichst allen im Unternehmen zugänglich zu machen.
Die Rollen können je nach Organisation und Aufbau des Unternehmens anders geschnitten sein. Im Fall einer automatisierten Lösung können Rollen wegfallen. Bei einem Ausfall oder Problemen muss aber klar geregelt sein, wer die Verantwortung für den jeweiligen Bereich hat.
Die Genialität vom Daten Management light
Mit dieser schlanken Struktur, etablieren Sie in ihrem Unternehmen die Essenz von einem nachhaltigen Daten Management. Das geniale am Daten Management light ist, dass mit dieser schlanken Lösung die Daten proaktiv gemanaged und einen hohen Mehrwert erzeugt wird. Im Unternehmen wird das Daten Management schrittweise etabliert und erhält dadurch mehr Rückhalt. Mit dem Daten Management light ist es nicht schon von Beginn an nötig, eine allumfassende Daten Management Initiative zu starten. Sondern man fängt mit dem Kern an und baut es dann zur gegebenen Zeit und bei Bedarf (vielleicht sogar mit ganz viel Unterstützung aus dem Management) einfach aus.
Möchten auch Sie das Daten Management light in ihrem Unternehmen aufbauen?
Wenn Sie Unterstützung möchten um möglichst effizient und effektiv ihr Ziel zu erreichen, helfe ich Ihnen gerne. Melden Sie sich für ein unverbindliches Kennenlerngespräch unter: info@daten-management.ch
Wir befinden uns in einer schnelllebigen Zeit in der so viele Daten produziert werden wie noch nie zuvor. Die Anzahl Daten die Unternehmen produzieren nimmt jährlich zu. Damit die Daten ein Unternehmen unterstützen und nicht behindern, ist es zentral, diese nachhaltig zu managen. Wieso ein gut funktionierendes Daten Management zentral ist und welche wichtigen Vorteile es hat, erfahren Sie in diesem Beitrag.
Mit hochwertigen Daten Kosten sparen
Ist Ihnen bewusst, dass ein ineffizientes Daten Management dazu führt, dass viele Mitarbeiter täglich neben ihrer eigentlichen Tätigkeit Daten bereinigen. Anstatt wertschöpfend tätig zu sein, investieren sie immer wieder Zeit in das Korrigieren von Daten. Solange kein strukturiertes Daten Management aufgebaut ist, werden nicht alle Fehler gefunden und es sind immer wieder manuelle Korrekturen nötig. Die daraus resultierenden schlechte Daten führen zu fehlerhaften Abwicklungen in Prozessen und unnötigen Mehraufwand.
Die Kosten die aufgrund von schlechten Daten entstehen beschreibt die 1-10-100 Regel von George Labovitz und Yu Sang Chang. Die Zahlen repräsentieren das Verhältnis der Kosten von schlechten Daten.
Konkret heisst das:
Die Kosten um die Daten Qualität präventiv hoch zu halten liegt bei x
Die Kosten um die schlechte Daten Qualität zu korrigieren ist 10 Mal x
Die Kosten von schlechter Daten Qualität, wenn nichts unternommen wird, liegt bei 100 Mal x
Mit einem sauberen Daten Management kann ein Unternehmen also immense Kosten sparen. Ist das Daten Management strukturiert aufgebaut, nimmt der Aufwand für die Korrekturen ab und werden sorgfältiger durchgeführt. Wodurch die Mitarbeiter sich vermehrt um ihre eigentlichen Aufgaben kümmern und mehr Wertschöpfung generieren können.
Gute Beziehungen und zufriedene Kunden mit hochwertigen Daten
Gute Kundenbeziehungen sind wichtig für jedes Unternehmen. Man möchte die Kunden effizient und reibungslos bedienen, um ein positives Einkaufserlebnis zu schaffen. Mit hochwertigen Daten ist dies sehr einfach möglich. Werden die Daten aber nicht effektiv gemanaged, weisen Sie eine minderwertige Qualität auf. Dies bekommen die Kunden zu spüren.
Es gibt Verzögerungen bei der Bestellung,
die Auskunftsfähigkeit ist beschränkt und
die Bewerbung des Kunden ist nicht richtig auf ihn zugeschnitten.
Die ineffiziente und fehlerhafte Bedienung wirkt sich negativ auf die Beziehung und Zufriedenheit der Kunden aus. Im schlechtesten Fall führt es zu Kundenabgängen und negativen Referenzen was sich dann in den Umsätzen widerspiegelt.
Motivierte und effiziente Mitarbeiter mit sauberen Daten
Die Mitarbeiter in Unternehmen haben ein Interesse daran ihre Arbeit möglichst gut zu machen. Sie verbringen einen grossteil ihrer Zeit am Arbeitsplatz und möchten einen wertvollen Beitrag leisten. Gibt es immer wieder Feuerwehrübungen die erfordern, dass sie schlechte Daten korrigieren müssen, anstatt sich um ihre eigentlichen Tätigkeiten zu kümmern, wirkt sich das auf die Motivation aus. Wenn es keine Bestrebungen gibt das Daten Management sauber aufzubauen und es müssen immer wieder die gleichen Fehler korrigiert werden, ist dies frustrierend. Die verminderte Motivation und der Frust der Mitarbeiter, wirkt sich auf alle Tätigkeiten aus— Auch auf die wertschöpfenden…
Wettbewerbsvorteile ergreifen und flexibel am Markt agieren durch qualitativ gute Daten
Gute Daten Qualität setzt voraus, dass sowohl die Infrastruktur als auch Prozesse sauber aufgesetzt und abgestimmt sind. Mit einer sauberen Daten Grundlage ist es möglich Trends zu erkennen und die entsprechenden Entscheide abzuleiten. Ein weiterer grosser Vorteil von hoher Date Qualität ist, dass Anpassungen an der Infrastruktur sehr effizient vorgenommen werden können und es deswegen keine Verzögerungen in Projekten gibt. Dadurch kann einerseits schnell auf Änderungen am Markt reagiert und andererseits neue Produkte oder Dienstleistungen zeitnah umgesetzt werden. Mit dieser Flexibilität können Unternehmen effizient am Markt agieren und sich entscheidende Wettbewerbsvorteile sichern.
Daten sind heutzutage ein Rohstoff der die Grundlage für wertschöpfende Prozesse bildet. Aus diesem Grund ist es von zentraler Bedeutung, dass die Qualität der Daten so hoch wie möglich ist. Schlechte Daten haben einen umfangreichen Einfluss auf zentrale Bereiche in Unternehmen. Ein gut funktionierendes Daten Management ist wichtig:
um sich erfolgreich am Markt zu behaupten,
für die Kunden- und Mitarbeiterzufriedenheit,
exzellente Produkte und Dienstleistungen zu erzeugen
und frühzeitig und effizient auf Änderungen zu reagieren.
Wenn Sie ganz Vorne am Markt mitmischen möchten, können Sie mittels qualitativ hochwertigen Daten, den entscheidenden Unterschied machen. Starten Sie gleich heute! Wenn Sie Unterstützung brauchen, freue mich darauf Sie kennenzulernen. Schreiben Sie mir auf: info@daten-management.ch
Die heutige wettbewerbsintensive Zeit, fordert von den Unternehmen, dass sie sich den stetig ändernden Marktanforderungen anpassen. Das wurde im letzten Jahr, durch die Corona Krise, nochmal sehr deutlich. Unternehmen, die bis dahin in Digitalisierung und digitale Transformation investiert haben, hatten es deutlich einfacher ihre Kunden über neue Kanäle effizient und kundenfreundlich zu bedienen.
Ein Grundpfeiler, damit die digitale Transformation im Unternehmen effizient vorangetrieben werden kann, sind Daten mit hoher Qualität. Das Zusammenspiel der Daten und der digitalen Transformation ist das Thema des Artikels.
Was ist digitale Transformation
Die digitale Transformation, umfasst den Unternehmens-Wandel von eingesetzten Technologien, Geschäftsprozessen, Geschäftsmodelle und sogar die Unternehmenskultur selbst.
Es steht die Generierung von Mehrwert für den Kunden im Mittelpunkt. Das Ziel der digitalten Transformation ist die Performancesteigerung der Unternehmensprozesse, um ein neues Kundenerlebnisses oder Produkte zu schaffen.
Ein häufiger Fehler ist, dass der Fokus der Transformation nur auf einen Bereich gelegt wird. Es geht aber nicht nur darum Prozesse zu digitalisieren, sondern die gesamte Art und Weise wie das Unternehmen funktioniert zu berücksichtigen. So ist bei der Einführung eines neuen Geschäftsmodels zu prüfen, ob die bestehende Technologie, Organisation und Prozesse schon darauf ausgelegt sind. Nur wenn alle Bereiche gut aufeinander abgestimmt sind, schafft das Unternehmen ein herausragendes Kundenerlebnis.
Daten: Treiber oder Bremse der digitalen Transformation
Wie die digitale Transformation, haben auch die Daten und ihre Qualität Einfluss auf unterschiedliche Bereiche im Unternehmen.
Damit aus vertrauenswürdigen Auswertungen aufkommende Trends und neue Geschäftsmodelle abgeleitet werden können, braucht es eine vertrauenswürdige Daten Grundlage. Reports mit ungenügender Daten Qualität sind verfälscht und so auch die daraus abgeleiteten Entscheide. Die getroffenen Massnahmen, erzielen höchstwahrscheinlich nicht den erwarteten Nutzen.
Für eine saubere Daten Grundlagen auf der die digitale Transformation aufbauen kann, müssen im Unternehmen die Prozesse sauber aufgesetzt und abgestimmt sein. Betrifft ein Prozess mehrere Teams ist es wichtig, dass es keine Lücken und ein einheitliches Verständnis für die zu bearbeitenden Daten gibt. Daten die von Teams unterschiedlich interpretiert werden, führen zu fehlerhaften Annahmen und Entscheidungen. Das spiegelt sich dann auch in der Daten Qualität wieder.
Der Aufbau der Systeme ist ein weiterer Faktor der Einfluss hat auf die Daten Qualität. Ist die Systemlandschaft nicht sauber aufgebaut oder stimmt nicht mit den Prozessanforderungen überein, ist dies einer der grössten Treiber für schlechte Daten Qualität. Kritische Stellen sind Systembrüche, bei denen Daten analog oder digital in ein anderes System übertragen werden. Ein Beispiel sind von Hand ausgefüllte Formulare, die gescannt und automatisiert ins System eingelesen werden. Diese Bruchstellen sind allfällig für Fehler und wirken sich negativ auf die Daten Qualität aus.
Soll ein neues Systeme eingeführt werden, spielen auch da die Daten eine Rolle. Der Migrationsaufwand von Daten mit schlechter Qualität wird oft unterschätzt. Es wird schnell sehr viel zeit- und kostenaufwendiger als geplant. Dadurch werden neue Geschäftsmodelle verzögert eingeführt und das Unternehmen kann auch sonst am Markt wenig flexibel agieren.
Daten und digitaler Transformation: same, same but different
Sowohl die Daten als auch die digitale Transformation haben Einfluss auf die Prozesse, Infrastruktur und Kultur im Unternehmen. Diese Bereiche sind für ein Unternehmen entscheidend um schnell auf Änderungen am Markt reagieren zu können und sich einen Wettbewerbsvorteil zu verschaffen.
Die Daten sind ein Produkt der täglichen Arbeit und ihre Qualität ist ein entscheidender Faktor für die digitale Transformation. Sie können ein Katalystor sein, wenn aufgrund dieser, die richtigen Geschäftsmodelle und Chancen erkannt und zeitnah eingeführt werden. Daten mit unzureichender Qualität führen auf der anderen Seite zu Verzögerungen bei Umstellungen von Prozessen, Systemen oder Geschäftsmodelle.
Der Erfolg der digitalen Transformation hängt davon ab, ob ein Unternehmen eine stabile Basis hat, auf der sie aufbauen kann. Aus diesem Grund lohnt es sich regelmässig in die Daten Qualität, Modernisierung von Prozessen und Systeme zu investieren. Die späte Aufarbeitung dieser Themen, kann ein Unternehmen stark ausbremsen, führt zum Verlust von Marktanteilen und ist darüber hinaus mit zusätzlichen Kosten verbunden.
Wenn Sie es nicht so weit kommen lassen wollen oder vielleicht Unterstützung brauchen um eine saubere Daten Basis zu schaffen, werfen Sie ein Blick auf mein Angebot. Ich unterstütze Sie gerne auf diesem Weg.
Technologien, Systeme und Geschäftsanforderungen entwickeln sich stetig weiter. Angesichts der stetigen Veränderung und der verkürzten Halbwertszeit von Systemen, kommen viele Unternehmen früher oder später an den Punkt und lösen bestehende IT Systeme ab. Bei der Ablösung eines Systems, das Hardware und Software umfasst, ist ein weiterer wesentlicher Bestandteil die Migration der Daten. Bei der Daten Migration werden die Daten aus dem ursprünglichen Quellsystem in das neue Zielsystem übertragen. Dies ist ein komplexer Vorgang bei dem die Daten Qualität ein kritischer Faktor darstellt. Aber es bieten sich auch Chancenum Ordnung in den Daten zu schaffen.
Zentrale Prozesse und Qualitäts Themen der Daten Migration
Die Daten Migration besteht grundsätzlich aus drei Hauptprozessen:
Das Extrahieren der Daten aus dem Altsystem
Das Transformieren der Daten
Das Laden der Daten in das neue System
Der zentrale Teil ist das Transformieren der Daten in die neue Struktur und die neuen Wertebereiche. Dieser Prozess sollte möglichst automatisiert durchgeführt werden, damit der Aufwand nicht ausufert.
Um Daten automatisiert zu verarbeiten, müssen sie eine möglichst hohe Qualität aufweisen. Ein wichtiger Faktor ist dabei die Korrektheit und Vollständigkeit der Daten. Dazu gehört unter anderem:
Korrigieren oder nicht korrigieren?
Fehlen zum Beispiel bei zu migrierenden Kontakten bestimmte Informationen, wie die Anrede, gibt es mehrere Möglichkeiten das Thema anzugehen. Entweder
man korrigiert die fehlenden Inhalte,
übernimmt die Daten mit mangelhafter Qualität oder
wählt einen Mischansatz.
Alle Vorhaben haben natürlich Vor- und Nachteile.
Wird entschieden die Daten zu korrigieren, werden qualitativ hochwertige Daten ins neue System überführt. Da die Bereinigung zusätzlich Zeit in Anspruch nimmt, hat man je nach Projektplanung nicht die Möglichkeit den zusätzlichen Aufwand zu betreiben. Wählt man den Ansatz, dass die unvollständigen Daten ins neue System übernommen werden, ist der Vorteil, dass nicht zusätzliche Zeit für die Bereinigung aufgewendet wird. Man übernimmt jedoch Altlasten in das neue System, die später Auswirkungen auf auf Prozesse und Effizienz haben. Beim Mischansatz gilt es abzuwägen, welche Daten Qualitäts-Probleme bereinigt werden sollen und in welchem Ausmass. Bei fehlender Anrede könnte zum Beispiel anhand eindeutiger Vornamen die Anrede automatisch gesetzt werden. Die restlichen Kontakte ohne Anrede, könnte entweder leer übernommen oder manuell korrigiert werden. Der Vorteil von diesem pragmatischen Ansatz ist, dass ein Grossteil der Daten mit überschaubarem Aufwand korrigiert werden kann.
Pragmatische Kosten/Nutzen Abwägung
Alle Projekte oder Vorhaben bewegen sich im Spannungsfeld von Kosten und Nutzen. So auch die Daten Qualität.
Es gilt einen pragmatischen Ansatz zu wählen um Kosten als auch Nutzen in Balance zu halten. In manchen Fällen ist es sinnvoll die schlechten Daten zu bereinigen, bevor man sie in das neue System migriert. Vor allem bei mangelnder Qualität der Stammdaten, welche die Grundlage vieler Prozesse sind. Bei komplexen Daten Qualitätsproblemen wie z.B. Dubletten ist es empfehlenswert, die Bereinigung bei der Planung zu berücksichtigen. Diese Vorhaben sollten mit dem Projektmanagement frühzeitig und gut abgestimmt sein.
Datenmigrationen bieten oft eine gute Gelegenheit mangelhafte Daten Qualität zu korrigieren. Es können mehrere Themen auf einmal angegangen werden, ohne für jedes ein eigenes Vorhaben zu starten. Es ist jedoch Vorsicht geboten. Ist man auf den Geschmack gekommen Bereinigungen im Rahmen der Transformation durchzuführen, ist es wichtig Prioritäten zu setzen. Es kann leicht passieren, dass alle möglichen Daten Qualitätsverletzungen auf einmal korrigiert werden wollen und das eigentliche Ziel, die Daten Migration, aus den Augen verloren geht.
Im heutigen digitalen Zeitalter werden in Unternehmen ununterbrochen Daten erzeugt. Bei der Arbeit von Daten gibt es zwei Rollen:
der Datenlieferant und
der Datennutzer.
Der Datenlieferant stellt die Daten zur Verfügung oder erstellt diese. Der Datennutzer verwendet die ihm zu verfügung gestellten Daten als Grundlage für seine Tätigkeit. Meist sind die Rollen über verschiedene Abteilungen oder Teams verteilt. Das heisst ein Team erzeugt die Daten und stellt sie dem nächsten Team für die Nutzung zur Verfügung. Es kann jedoch sein, dass ein Mitarbeiter, je nach Tätigkeiten die er ausübt, verschiedene Rollen einnimmt. So kann zum Beispiel der Kundendienst einen Neukunden in der Rolle als Datenlieferant erfassen. In der Rolle als Datennutzer gibt er dem Kunden Auskunft über den Status seiner Bestellung.
Verschieden Sichten, Verschiedene Ansprüche
So unterschiedlich die Sichten der einzelnen Datennutzer auf die Daten sind, so verschieden sind auch die Qualitäts-Ansprüche an diese. Je nach Tätigkeit die der Mitarbeiter ausführt, können die gleichen Daten gute oder schlechte Qualität aufweisen. Fehlt zum Beispiel bei den Kunden Adress-Daten die Postleitzahl, ist die Daten Qualität für die Logistik ungenügend, da sie das Paket nicht verschicken können. Für den Telefonverkauf haben die Daten eine ausreichende Qualität. Sie können den Kunden über die Telefonnummer erreichen und ihrer Tätigkeit, trotz fehlender Postleitzahl, nachgehen.
Da jede Abteilung ihre eigene Sicht und Anforderungen an die Daten hat, stellen sie mit ihren Prozessen und Richtlinien ihre benötigte Qualität sicher. Sie betreiben ein Daten Qualitäts Management, dass auf ihre Bedürfnisse ausgerichtet ist. Das macht auf den ersten Blick auch Sinn. Die Mitarbeiter der entsprechenden Abteilungen, haben das Wissen über die Arbeitsprozesse und Tätigkeiten. Sie haben das Qualitäts- und Spezialisten Wissen um hohe Daten Qualität für ihren Bereich sicherzustellen. Und so ist jeder Mitarbeiter im Rahmen seiner Arbeit für die Qualität der Daten verantwortlich. Und wo liegt nun genau das Problem…
Alle sind für die Qualität verantwortlich, niemand fühlt sich verantwortlich
Die endgültige Verantwortung für das Qualitäts Management liegt bei der Unternehmensleitung. Wie alle Qualitäts Management Aufgaben ist auch das Daten Qualitäts Management ein abteilungsübergreifendes Thema. Nimmt die Unternehmensleitung ihre Verantwortung nicht wahr und etabliert kein effektives und übergreifendes Daten Qualitäts Management, ist dies ein Signal an die Mitarbeiter. Es zeigt, dass dem Thema nicht Gewicht gegeben wird.
In diesem Fall kommt die Paradoxe Eigenschaft von Qualitätsprozessen zum Tragen:
Jeder ist für die Daten Qualität verantwortlich
Da jeder für die Daten Qualität verantwortlich ist, führt dies zu Inaktivität und es fühlt sich niemand mehr wirklich dafür verantwortlich.
Fehlt die übergeordnete Abstimmung mit klar definierten Verantwortlichkeiten und Aufträgen, führt es dazu, dass die Aufgabe nicht mit der nötigen Sorgfalt und Umsicht wahrgenommen wird. Werden die Daten nur in Silos hinsichtlich ihrer Qualität bearbeitet, und der Gesamt Kontext nicht berücksichtigt, führt das zu wiederkehrendem und identischen Bereinigungsaufwand in unterschiedlichen Abteilungen. Ist das durchgehende Verständnis nicht vorhanden, ist mangelhafte Daten Qualität garantiert.
Das Daten Management ist im eine Unterstützungsaufgabe im Unternehmen, deren Ziel eine hochwertige Daten Qualität ist. Wie die Daten horizontal zwischen die Abteilungen der Organisation fliessen, sollte auch das Daten Management Abteilungsübergreifend agieren. Wichtig ist die verschiedenen Abteilungen mit ihren Prozesse, Sichten und Bedürfnisse zu verstehen. Nur so lässt sich effektiv die Daten Qualität steigern.
Wir verwenden Cookies auf unserer Website, um Ihnen das relevanteste Erlebnis zu bieten, indem wir uns an Ihre Präferenzen und wiederholten Besuche erinnern. Indem Sie auf "Akzeptieren" klicken, erklären Sie sich mit der Verwendung von ALLEN Cookies einverstanden.
Diese Website verwendet Cookies, um Ihre Erfahrung zu verbessern, während Sie durch die Website navigieren. Von diesen werden die als notwendig eingestuften Cookies auf Ihrem Browser gespeichert, da sie für das Funktionieren der grundlegenden Funktionen der Website unerlässlich sind. Wir verwenden auch Cookies von Drittanbietern, die uns helfen zu analysieren und zu verstehen, wie Sie diese Website nutzen. Diese Cookies werden nur mit Ihrer Zustimmung in Ihrem Browser gespeichert. Sie haben auch die Möglichkeit, diese Cookies abzulehnen. Das Ablehnen einiger dieser Cookies kann jedoch Ihr Surferlebnis beeinträchtigen.
Diese Cookies registrieren anonyme, statistische Daten über das Verhalten des Besuchers dieser Website und sind verantwortlich für die Gewährleistung der Funktionalität bestimmter Widgets, die auf dieser Website eingesetzt werden. Sie werden ausschließlich für interne Analysen durch den Webseitenbetreiber verwendet z. B. für den Besucherzähler.
Diese Cookies registrieren anonyme, statistische Daten über das Verhalten des Besuchers dieser Website und sind verantwortlich für die Gewährleistung der Funktionalität bestimmter Widgets, die auf dieser Website eingesetzt werden. Sie werden ausschließlich für interne Analysen durch den Webseitenbetreiber verwendet z. B. für den Besucherzähler.
Die Performance-Cookies sammeln Informationen darüber, wie diese Website genutzt wird. Der Betreiber der Website nutzt diese Cookies um die Attraktivität, den Inhalt und die Funktionalität der Website zu verbessern.
Die Performance-Cookies sammeln Informationen darüber, wie diese Website genutzt wird. Der Betreiber der Website nutzt diese Cookies um die Attraktivität, den Inhalt und die Funktionalität der Website zu verbessern.
Analytische Cookies werden verwendet, um zu verstehen, wie Besucher mit der Website interagieren. Diese Cookies helfen dabei, Informationen über Metriken wie die Anzahl der Besucher, Absprungrate, Verkehrsquelle usw. zu liefern.
Website erforderlich. Daher kann man sie nicht deaktivieren. Diese Art von Cookies wird ausschließlich von dem Betreiber der Website verwendet (First-Party-Cookie) und sämtliche Informationen, die in den Cookies gespeichert sind, werden nur an diese Website gesendet.
Erforderlicher lokaler Speicher, der Informationen über den Warenkorb des Website-Besuchers speichert, um Einkäufe über diesen Online-Shop zu ermöglichen.
Neueste Kommentare