Was ist Datenqualität?

Jede zusätzliche Stelle, an der jemand einen Datensatz eintippt, ist eine weitere Stelle, an der ein Fehler entstehen kann. Wenn Sie fehlerhafte Eingaben nicht verhindern und die vorhandenen Datensätze nicht bereinigen, laufen Kampagnen und andere Kundenansprachen auf den falschen Kunden. Datenqualität beschreibt, ob ein Datenbestand die Aufgabe, für die Sie ihn erhoben haben, noch erfüllen kann.

Was ist Datenqualität?

Datenqualität ist die Fähigkeit eines Datenbestands, einen beabsichtigten Zweck zu erfüllen. Das hängt davon ab, wie Sie ihn verarbeiten und analysieren, meist in einer Datenbank oder einem Analysesystem. Ein Unternehmen oder eine gemeinnützige Organisation kann keine hohe Qualität beanspruchen, ohne ein konkretes Bild davon zu haben, wie „gut“ für diesen Zweck aussieht.

Ein praktischer Test aus der Datenqualitätspraxis: Daten sind von hoher Qualität, wenn sie die Anforderungen ihres vorgesehenen Einsatzes erfüllen. Sie erkennen das daran, dass Sie die Menschen erreichen, die Sie erreichen wollen, sehen, was Kunden brauchen, und danach handeln können. Der Test ist breit genug für unterschiedliche Produkte, Märkte und Aufträge. Die Anforderungen ändern sich. Die Frage bleibt dieselbe.

Dimensionen

Genauigkeit. Der Datensatz enthält zutreffende Fakten über den Kunden. Fehler in Kontaktdaten bedeuten, dass Sie ihn nicht erreichen und die Zielgruppe nicht ausbauen können, die Sie zu haben glauben.

Vollständigkeit. Der Datensatz enthält die Felder, die die Aufgabe erfordert, und die Kontaktdaten sind aktuell. Ohne das haben Sie kein vollständiges Bild davon, was der Kunde braucht, und der Kanal, über den Sie ihn erreichen, veraltet.

Konsistenz. Menschen und Berichte können die Daten auf dieselbe Weise lesen. Eine große Datenbank ist nutzlos, wenn Berichte und Modelle nicht sagen können, was sie bedeutet oder wie man die Menschen darin erreicht.

Integrität. Der Datensatz bleibt vom Zeitpunkt der Erfassung über die Aufbewahrung bis zur späteren Nutzung intakt. Genau das ermöglicht es dem Unternehmen, Kundendaten zu behalten und zu verstehen, statt zuzusehen, wie sie verfallen.

Relevanz. Korrekte Daten, die das Unternehmen nicht braucht, sind trotzdem die falschen Daten. Zusätzliche Felder verschwenden Speicherplatz und können in einem Bericht genau die Kunden verdecken, die Sie finden wollten.

Was Sie wissen sollten

Wertvolle Daten sind konsistent und eindeutig. Qualitätsprobleme treten oft auf, wenn Datenbanken zusammengeführt oder Systeme integriert werden und Felder, die übereinstimmen sollten, nicht übereinstimmen, weil Schema oder Format abweichen.

Was die Arbeit umfasst

Die Tätigkeiten heißen Rationalisierung und Validierung. Sie brauchen sie auch, wenn Anwendungen bei einer Fusion oder Übernahme zusammengeführt werden und wenn isolierte Systeme innerhalb einer Organisation zum ersten Mal in einem Data Warehouse oder Data Lake zusammenkommen. Dieselbe Qualität entscheidet darüber, ob horizontale Systeme wie ERP oder CRM ohne ständige Korrekturen laufen können.

Nutzen, der aus dieser Arbeit folgt:

• Den Wert der vorhandenen Daten steigern und die Zahl der Stellen erhöhen, an denen Sie sie nutzen können.
• Das Risiko und die Kosten schlechter Datenqualität senken.
• Effizienz und Produktivität steigern.
• Den Ruf der Organisation schützen.
• Die Daten profilieren, standardisieren, überwachen und bereinigen.

Kurz gesagt

Daten, die Sie schnell verarbeiten und analysieren können, führen zu Entscheidungen, die Sie vertreten können. Deshalb ist Datenqualität die Grundlage für Business Intelligence, andere Analysen und das Tagesgeschäft. Ist der Datensatz für den Kanal oder den Bericht ungeeignet, übernimmt die darauf aufbauende Analyse den Fehler.