momius - Fotolia
Stammdaten mit Data Governance und Datenqualitätsinitiativen kombinieren
Die Kombination aus Datenqualitätsinitiativen mit Stammdaten-Management und Data Governance hilft, konsistente und akkurate Daten sicherzustellen
Aus Sicht von Rob Corrao sollten Unternehmen sich beim Entwurf einer Datenqualitätsstrategie ambitionierte Ziele setzen. Corrao, Chief Operating Officer (COO) der Beratungsfirma LAC Group, zufolge würden Daten heutzutage in so großen Mengen gesammelt, dass Unternehmen ihr Datenqualitätsprogramm mit breiter angelegten Initiativen kombinieren müssten, dazu gehören Stammdaten-Management (Master Data Management, MDM) und Data Governance.
„Sie können das Thema natürlich stückchenweise von Fall zu Fall angehen, doch das ist nicht effizient“, sagt er und fügt hinzu, dass nicht koordinierte Maßnahmen in großen Unternehmen „Hunderttausende Dollar an verschwendeten Ressourcen“ kosten könnten.
Während gut gemanagte Projekte zur Verbesserung der Datenqualität natürlich für sich genommen erfolgreich sein können, kann deren Verknüpfung mit breiter angelegten MDM- und Data-Governance-Programmen dazu beitragen, exakte und unternehmensweit einheitliche Daten sicherzustellen.
Manche IT- und Daten-Management-Teams betrachten die Bereinigung von Daten fälschlicherweise als einmaligen Vorgang und geben sich der trügerischen Sicherheit in Bezug auf die Qualität ihrer Daten hin, so Rob Sturgeon, COO von ServiceSource International, einem Softwareentwicklungsunternehmen und Anbieter von gehosteten IT-Services. „Sie glauben, es genüge, die Daten einmal zu bereinigen und dann sind alle in Ordnung. Aber die Daten können erneut außer Kontrolle geraten, wenn kein Prozess etabliert wird.“
Umfassendes Daten-Management
Der Analyst Ted Friedman von Gartner warnt Unternehmen auch davor, halbe Sachen zu machen. Vor nicht allzu langer Zeit galten eigenständige Datenqualitätsprojekte noch als realistische Investitionen mit erreichbaren Zielen, so Friedman. Doch seit der weltweiten Finanzkrise 2009 „hat sich die Situation geändert“, sagt Friedman weiter. Heute empfiehlt Gartner Unternehmen, ihre Daten-Management-Projekte miteinander zu verknüpfen, um besser auf geschäftliche Anforderungen eingehen zu können.
So könne laut Friedman beispielsweise ein MDM-Programm, das einen einheitlichen Satz an Stammdaten zu Kunden oder Produkten liefert, als zentrales und verbindendes Element dienen, das dazu beiträgt, bestimmte Investitionen in Tools zur Datenqualität und unterstützende Prozesse zu begründen.
Das Gleiche gilt für Data-Governance-Programme, die Vertreter verschiedener Geschäftseinheiten in die Entwicklung von Richtlinien und Verfahren zur Datennutzung einbeziehen. Sie werden mittlerweile vermehrt eingesetzt, da Fragen wie Risiko- und Compliance-Management für die Führungskräfte von Unternehmen eine höhere Priorität haben. „Wir sehen Datenqualität als Bestandteil solcher Governance-Initiativen“, erklärt Friedman.
Darüber hinaus verbinden manche Unternehmen Maßnahmen zur Datenqualität mit Programmen zur Kundengewinnung oder mit Initiativen zur Erschließung neuer Ertragsquellen, wie zum Beispiel ein Einstieg in neue Märkte, so Friedman. Er kennt sogar Beispiele, in denen Unternehmen Datenqualitätsprozesse mit Projekten zur Modernisierung von Anwendungen verknüpfen, um sicherzustellen, dass in außer Betrieb genommenen, älteren Systemen enthaltene Daten exakt sind, bevor diese auf neue Plattformen überführt werden.
Mehr zum Thema Data Governance:
Tools für Data Governance sind nur ein Teil des Puzzles.
Data Governance und Big Data: Sieben Tipps für Data Stewards.
Prioritäten für die Ziele eines Data-Governance-Programms setzen.
Mit effizienter Data Governance mehr aus Big Data herausholen.
Umfangreichere Initiativen, wie die von Friedman angeführten, kosten mehr und dauern länger als reine Datenqualitätsprojekte. Dafür gibt es deutlich mehr potenzielle Vorteile. In großen Unternehmen ist nach Ansicht von Friedman ein solcher umfassender Ansatz ohnehin unerlässlich, um Datenprobleme beheben und anschließend sicherzustellen zu können, dass diese nicht wieder auftreten.
Das wichtigste zuerst
Andererseits bilden Maßnahmen zur Datenbereinigung nach Ansicht von Nathaniel Rowe, Analyst beim Consulting- und Marktforschungsunternehmen Aberdeen Group, oft eine Vorstufe zur Implementierung von MDM-Systemen. „Wenn man Stammdaten-Management bereitstellt, aber alte und nicht standardmäßige Daten verwendet, wird man keinen großen Nutzen aus dem Unterfangen erzielen“, sagt Rowe. „Wenn die Daten nicht standardisiert sind, werden sie Probleme verursachen.“
Auch Budgetbeschränkungen können ein Hindernis für einen umfassenden Ansatz im Hinblick auf die Datenqualität in Unternehmen bilden, zumindest am Anfang. „Wenn Sie nur Budget für die Sicherung der Datenqualität zur Verfügung haben, so hat diese Priorität, aber behalten Sie dabei auf jeden Fall schon den nächsten Schritt im Blick“, erklärt Rowe, der IT-Managern rät, die Genehmigung für ein MDM- oder Data Governance-Programm einzuholen, „bevor die Datenqualität sich wieder verschlechtert.“
In diesen Fällen können die aus der verbesserten Datenqualität erzielten geschäftlichen Vorteile breiter angelegte Investitionen rechtfertigen. Rowes Rat lautet daher: Erklären Sie den Entscheidungsträgern im Unternehmen, wie viel mehr mit einem zentralisierten Prozess erreicht werden kann, der sicherstellt, dass die Daten stets bereinigt, einheitlich und exakt sind.
Über den Autor:
Alan R. Earls schreibt als Freelancer für mehrere TechTarget-Websites. Er war als freiberuflicher Autor auch für Publikationen wie The Boston Globe und die Chicago Tribune tätig.
Folgen Sie SearchEnterpriseSoftware.de auch auf Twitter, Google+ und Facebook!
