Datenqualität: Dieser Begriff wird nicht selten mit einem Augenrollen quittiert. Warum?
Gute Datenqualität ist
- super, weil sich mit einer angemessenen Datenqualität viel besser mit den Daten arbeiten lässt. Und zwar egal, ob es sich um Analytics Use Cases handelt oder ob es um das Versenden von Marketing-Mailings geht. Oder um andere Use Cases.
- etwas, mit was man sich gerne schmückt, denn wer kann schon behaupten, dass die Qualität der Daten (uneingeschränkt) gut ist
- ein Beschleuniger bei der Implementierung von neuen Daten Management Systemen (z.B. PIM, MDM, CRM, BI auch künstliche Intelligenz, Predictive Analytics etc.) , denn so spart man sich die zeitaufwendige Vorbereitung der Daten zur Migration bzw. die manuelle Aufbereitung einzelner Datensätze nach der Migration (Stichwort Dubletten-Bereinigung)
Leider finden sich mehr Beispiele, was passiert, wenn die Datenqualität eben nicht angemessen ist. In diesem Fall
- verhindern die schlechten Daten effizientes Arbeiten, da oft manuell recherchiert und korrigiert werden muss.
- sind Mitarbeiter: innen frustriert, da sie ihre eigentlichen Aufgaben nicht oder nur sehr langsam erledigen können und die Stimmung in Bezug auf die Daten ist schlecht.
- wird’s letztendlich teuer: denn jede Korrektur, egal ob automatisiert oder manuell kostet Zeit und Zeit ist Geld.
Ich gebe zu, neu ist daran nichts. Allerdings ist das Thema Datenqualität ein Dauerbrenner, der mal häufiger und mal seltener durch die Webseiten von Beratungsunternehmen, WhitePaper, SocialMedia Posts, Vorträge und Fachbücher geistert. Warum ist das so? Haben wir nicht alle gelernt und wissen, dass schlechte, bzw. nicht angemessene Datenqualität ein echter ShowStopper sein kann? Wenn z.B. Go-lives von neuen Systemen verschoben werden müssen oder die Analyse-Ergebnisse wenig glaubwürdig sind und damit nicht zur Entscheidungsfindung herangezogen werden.
Mit welchen Argumenten, mit welcher „Story“ kann man potentielle Datenqualitäts-Sponsoren überzeugen, um hier zu investieren? Kann es überhaupt einen generischen Ansatz geben, der nicht abgedroschen klingt?
Ich finde Datenqualität spannend. Das Thema begleitet mich seit 2008. Deshalb schreibe ich immer mal wieder darüber. Und für euch habe ich noch einen Download: Letztes Jahr habe ich zusammen mit Kristin Weber einen Beitrag zum Thema Datenqualität im Kontext Data Governance veröffentlicht. Den könnt ihr hier downloaden.
Dieser Artikel wurden auf LinkedIn veröffentlicht. Kommentare gerne dort.
Datenqualität: Dieser Begriff wird nicht selten mit einem Augenrollen quittiert. Warum?
Gute Datenqualität ist
Leider finden sich mehr Beispiele, was passiert, wenn die Datenqualität eben nicht angemessen ist. In diesem Fall
Ich gebe zu, neu ist daran nichts. Allerdings ist das Thema Datenqualität ein Dauerbrenner, der mal häufiger und mal seltener durch die Webseiten von Beratungsunternehmen, WhitePaper, SocialMedia Posts, Vorträge und Fachbücher geistert. Warum ist das so? Haben wir nicht alle gelernt und wissen, dass schlechte, bzw. nicht angemessene Datenqualität ein echter ShowStopper sein kann? Wenn z.B. Go-lives von neuen Systemen verschoben werden müssen oder die Analyse-Ergebnisse wenig glaubwürdig sind und damit nicht zur Entscheidungsfindung herangezogen werden.
Mit welchen Argumenten, mit welcher „Story“ kann man potentielle Datenqualitäts-Sponsoren überzeugen, um hier zu investieren? Kann es überhaupt einen generischen Ansatz geben, der nicht abgedroschen klingt?
Ich finde Datenqualität spannend. Das Thema begleitet mich seit 2008. Deshalb schreibe ich immer mal wieder darüber. Und für euch habe ich noch einen Download: Letztes Jahr habe ich zusammen mit Kristin Weber einen Beitrag zum Thema Datenqualität im Kontext Data Governance veröffentlicht. Den könnt ihr hier downloaden.
Dieser Artikel wurden auf LinkedIn veröffentlicht. Kommentare gerne dort.