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
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