Die Konsequenzen schlechter Datenqualität

13 April 2021

Welche Kriterien qualifizieren Daten und welche Auswirkungen bringen schlechte Datensätze mit sich?

Im Zeitalter der Big Data und der Industrie 4.0 wird alles von Daten geleitet: Ob im Finanzwesen, in der Industrie oder in der Forschung – ständig werden neue Daten erzeugt, analysiert und genutzt. Daten spielen also eine wesentliche Rolle für den reibungslosen Ablauf von alltäglichen Unternehmensaktivitäten und deren Wertschöpfungsprozess. Um sicherzustellen, dass diese Daten im Laufe der Zeit auch weiterverwendet werden können, ist eine gute Datenqualität demnach unerlässlich.

 

Eine gute Datenqualität ist für jedes Unternehmen, unabhängig seiner Branche, ein wichtiges Element, da es darum geht, die Konsistenz der Daten über die Zeit zu erhalten. Es geht darum, sicherzustellen, dass die Daten über die Jahre hinweg keine Informationen verlieren und funktionsfähig und nutzbar bleiben. Jeder weiß, dass Daten dazu neigen, während ihrer Verwertung zu verfallen. Aber was sind konkret die Kriterien, die Daten qualifizieren? Je nach Fachgebiet und Person können sich die Kriterien etwas unterscheiden, aber die Grundzüge sind immer dieselben. In seinem Bericht zur Datenqualität hat Forbes Insights beispielsweise vier Hauptkriterien identifiziert:

 

  • Genauigkeit

Die Daten müssen korrekt wiedergeben, was sie darstellen. Es muss ein Ort vorhanden sein, an dem das betreffende Gerät oder Gebäude aufgestellt werden kann. Die Daten müssen auch aktuell sein, um ihre Rolle zu spielen und die richtigen Informationen zu vermitteln. Natürlich hängt die Genauigkeit vom Kontext, aber auch von der Endanwendung ab. Die Ortung von Industrieanlagen erfordert eine höhere Genauigkeit als beispielsweise die eines Gebäudes.

 

  • Vollständigkeit

Die Daten müssen vollständig sein. Fehlende Informationen können zu Missverständnissen führen und schwerwiegende Konsequenzen nach sich ziehen, egal in welchem Bereich. Ob im Finanzwesen, in der Instandhaltung oder in der IT. Unvollständige Daten können eine genaue Erfassung der Situation verhindern, was zu fehlgeleiteten Strategien oder Anweisungen führt.

 

  • Standardisierung

Das Format der Daten hängt von der Quelle oder der Region der Daten ab, daher ist es notwendig, einen Weg zu finden, sie zu vergleichen. Das Datumsformat ändert sich je nachdem, ob Sie sich in den USA (Monat – Tag – Jahr) oder in Europa (Tag – Monat – Jahr oder Jahr – Monat – Tag) befinden. Es ist auch wichtig, sich mit möglichen Duplikaten und Fehlern zu befassen. Durch die Standardisierung der Formate ist es möglich, vergleichbare und konsistente Daten zu erhalten und Fehlinterpretationen zu begrenzen.

 

  • Authentizität

Die Daten müssen zuverlässig und für den Zweck geeignet sein. Ohne Authentizität werden die Daten Ergebnisse liefern, die nicht sehr nützlich sind, weil sie keine Grundlage in den Fakten haben. Daten, ob aus internen oder externen Quellen, müssen daher verbindlich sein.

 

 

Schlechte Daten zu haben, kann in der Tat schwerwiegende Folgen haben. Es ist gleichbedeutend mit schlechten oder gar fehlenden Informationen. Dies führt zu einem verzerrtem Wissen und damit zu potenziellen Risiken und Problemen in der Geschäfts- oder Buchhaltung des Unternehmens. Einigen Studien zufolge könnten die Auswirkungen bis zu 25% Gewinneinbruch mit sich führen. Im nachfolgenden werden hier einige der Folgen von schlechter Datenqualität aufgeführt:

 

 

  • Beeinträchtigung des Vertrauens

Wenn es kein Vertrauen in die Daten gibt, die man hat, gibt es auch schnell kein Vertrauen in die Ergebnisse, die man daraus erhält. Laut KPMG’s 2016 Global CEO Outlook sind 84% der CEOs besorgt über die Qualität der Daten, auf die sie sich verlassen. Ein Mangel an Vertrauen könnte dazu führen, dass Führungskräfte sich eher traditionellen Mitteln zuwenden und ihre Bereitschaft, in Lösungen zur Verbesserung der Datenqualität zu investieren, abschwächen. Instinkt, Erfahrung und vertrauenswürdige Meinungen sind unverzichtbar, aber Entscheidungen allein auf diese zu stützen, setzt das Unternehmen einem größeren Risiko aus als die Analyse von Qualitätsdaten.

 

  • Verlust von Chancen

Mit besseren Daten erhalten Sie mehr Informationen. Wenn ein Unternehmen und sein Konkurrent auf denselben Kunden abzielen und der Konkurrent über mehr Informationen verfügt, hat der Mitbewerber ein ausgereifteres Verständnis für den Bedarf und ist aufgrund der Daten, die er nutzen kann, im Vorteil. Daten sind ein Gewinn. Sie müssen richtig gehandhabt werden, um einen Wettbewerbsvorteil zu erlangen und beizubehalten.

 

  • Umsatzeinbußen

Schlechte Daten können zu erheblichen Umsatzeinbußen führen, wie z. B. falsche Kundendaten, die zu Geschäftsverlusten führen. Wie bei einer Versicherungsgesellschaft mit schlechten Informationen über das Vermögen ihrer Versicherungsnehmer hätte dies einen starken Einfluss auf die Einnahmen und einen realen Einkommensverlust. Die Schätzung des Standorts seiner Versicherungsnehmer, anstatt diesen genau zu vermessen, könnte z. B. im Falle eines Überschwemmungsgebiets einen großen Einnahmeverlust bedeuten.

 

  • Rufschädigung

Der Ruf eines Unternehmens ist für dieses unabdingbar, daher muss unbedingt verhindert werden, dass irgendetwas diesem Ruf schadet. Dies hat nicht immer eine große Auswirkung und wird vielleicht nicht einmal bemerkt, aber es kann sehr schädlich sein. Ohne vollständige und aktuelle Daten sind unbeabsichtigte Fehler möglich, wie z. B. die falsche Schreibweise eines Kundennamens oder der Versand von Mitteilungen an eine verstorbene Person.  Medienwirksame Fehler sind leider auch möglich, wie der katastrophale Start von Apple Maps im Jahr 2012. Aufgrund schlechter Daten, die sowohl unvollständig als auch ungenau waren, waren die mit Google Maps konkurrierenden Dienste unbrauchbar und ließen viel Tinte fließen. Indem insbesondere dieser Aspekt korrigiert wurde, bietet Apple Maps nun einen Dienst von recht erheblicher Qualität.

Folgen Sie uns
Den Newsletter Anhmelden
Über SIRFULL

Sirfull ist ein Softwarehersteller mit einer starken Industriekultur und französischem Know-how, der Lösungen entwickelt, die es seinen Kunden ermöglichen, Veränderungen in ihrem Markt zu antizipieren.

Mehr