10 Analysten-Tipps für Datenqualitätsprojekte

In diesem Artikel lesen Sie eine Zusammenfassung der Anwenderumfragen Datenqualitätsmanagement: Organisation und Initiativen und The BI Survey 9.

Das BARC-Institut hat aktuell eine Umfrage zum Thema Datenqualität durchgeführt. Die folgenden Empfehlungen für Datenqualitätsprojekte beruhen auf den vorliegenden Umfrageergebnissen, den Auswertungen der weltweit größten Anwenderbefragung zu Business Intelligence und Datenamanagement The BI Survey 9 sowie auf Erfahrungen von BARC-Analysten im Rahmen von Datenqualitätsprojekten.

Allgemeine Empfehlungen:

  1. Gehen Sie weg von punktuellen Maßnahmen zur Verbesserung der Datenqualität hin zur Ursachenbehebung durch Datenqualitätsprojekte.  
  2. Machen Sie Datenqualität zur Führungsaufgabe und suchen Sie rechtzeitig nach Sponsoren für die Implementierung einer übergreifenden Datenqualität.
  3. Kosten-Nutzen-Rechnung: Stellen Sie die Auswirkungen schlechter Datenqualität beziehungsweise den Nutzen einer hohen Datenqualität den Kosten für eine Implementierung gegenüber. Wichtig ist es hierbei Bereiche und Maßnahmen zu identifizieren, die am stärksten davon profitieren. 
  4. Führen Sie ein Datenqualitäts-Assessment zur Erhebung des IST-Zustandes als Ausgangspunkt für Ihre Initiative durch. Wenn Sie externe Hilfe in Anspruch nehmen möchten, können Sie die Unterstützung von Hersteller und Beratern in Anspruch nehmen.
  5. Zeigen Sie schnell ‚Quick Wins‘ auf und nutzen Sie erfolgreiche Pilotprojekte für weiteres Datenqualitäts-Marketing. Investieren Sie in Bereiche, die einen hohen Nutzen durch Datenqualitätsmaßnahmen aufweisen, schnell erste Ergebnisse zulassen und eine große Außenwirkung bringen um Sponsoren zu begeistern. 
  6. Etablieren Sie Verantwortlichkeiten für Datenqualität und sorgen Sie für eine Zusammenarbeit zwischen Fachbereich und IT. Dies kann durch die Einrichtung eines Datenmanagement Competence Centers oder durch die Integration des Themas Datenqualität in ein Business Intelligence Compentence Center geschehen.  
  7. Bei Fragen der technischen Umsetzung und der Implementierung von Datenqualitätwerkzeugen wird die Unterstützung der IT benötigt. Die Auswahl eines geeigneten Datenqualitätswerkzeuges sollte nicht durch die IT allein erfolgen, sondern neben technischen Spezifikationen auch fachliche Anforderungen an Funktionen und Usability erfüllen. 
  8. Prüfen Sie, ob der Einsatz von Datenqualitätswerkzeugen bei Ihnen sinnvoll ist. Setzen Sie wenn möglich auf die Vorteile von Standardsoftware. 
  9. Achten Sie bei der Softwareauswahl vor allem darauf, dass die Software den gesamten Datenqualitätszyklus unterstützt. Die Nutzung einer funktional durchgängigen Lösung hilft punktuelle Datenqualitätsinseln zu vermeiden und kann eine Basis für eine einheitliche, integrierte und valide Sicht auf die Daten sein.
  10. Zur langfristigen Sicherung einer hohen Datenqualität ist ein iterativer Prozess notwendig, der, unter Berücksichtigung der Architektur, Organisation und Technologie, Maßnahmen zur Analyse, Bereinigung, Anreicherung und Überwachung der Datenqualität abdeckt.

Über den Autor:

Melanie Mack ist Senior Analyst beim Business Application Research Center (BARC) und verantwortet den Bereich Marktforschung.

Folgen Sie SearchEnterpriseSoftware.de auch auf Twitter, Google+ und Facebook!

Erfahren Sie mehr über Data Governance

- GOOGLE-ANZEIGEN

ComputerWeekly.de

Close