Sicherstellung von Datenqualität, Wert und Zuverlässigkeit

Die Qualität der Daten in nachgelagerten Abläufen hängt direkt von der Datenqualität in der ersten Meile ab. Bereits bei der Datenerfassung wird durch die Genauigkeit und Zuverlässigkeit der Daten sichergestellt, dass die nachgelagerten Daten, die für Analysen, Visualisierungen und Data Science verwendet werden, von hohem Wert sind.

Für ein Unternehmen macht das den großen Unterschied zwischen dem Nutzen der Daten und der Tatsache, dass sie bei Entscheidungen die zweite Geige spielen. In diesem Blogbeitrag beschreiben wir die Bedeutung der Datenqualität, wie Sie Ihre Daten prüfen und überwachen können und wie Sie Ihre Führungskräfte, Kollegen und Ihren Vorstand mit ins Boot holen.

Behandelte Themen:

• Proaktive Beobachtbarkeit von Daten
• Prüfung der Daten auf Qualität
• Datenqualität oder Datenwert?
• Wie man die C-Ebene und den Vorstand ins Boot holt
• Wie man intern trainiert
• Der Fluch der „Sonstigen“
• Best Practices für den Einstieg: Sicherstellung der Datenqualität im gesamten Unternehmen

Die Verwaltung von Daten ist wie ein Marathonlauf. Viele Faktoren bestimmen das Endergebnis, und es ist ein langer Prozess. Nehmen wir jedoch an, eine Läuferin stolpert und verletzt sich auf der ersten Meile am Knöchel. In diesem Fall wird sie den Marathon nicht erfolgreich absolvieren. Wenn die Daten nicht schon bei der Aufnahme überwacht werden, wirkt sich dies negativ auf den Rest der Pipeline aus.

Wie können wir die Data Governance auf dieser ersten Etappe der Datenreise sicherstellen?

Die Daten gelangen aus verschiedenen Quellen in die Pipeline: externen APIs, Datenlieferungen von externen Anbietern, Abruf aus einer Datenbank und anderen Quellen. Die Überwachung der Daten an den Aufnahmepunkten stellt sicher, dass Dateningenieure die eingehenden Daten proaktiv beobachten können.

Dadurch können sie Daten verwalten und korrigieren, um sicherzustellen, dass der Prozess von Anfang an gesund und zuverlässig ist.

Durch die proaktive Überwachung von Datenpipelines können Dateningenieure Folgendes erreichen:

• Vertrauen Sie den Daten
• Bruchstellen leicht identifizieren
• Probleme schnell beheben, bevor sie im Lager oder auf dem Dashboard auftreten.

Dateningenieure, die ihre Datenpipeline überprüfen oder eine externe Datenquelle auditieren und überwachen möchten, können bei ihrer Evaluierung die folgenden Fragen verwenden:

1. Welchen Umfang hat die Überprüfung?
2. Wie werden die Daten nachverfolgt?
3. Gibt es eine Masterdatenreferenz, die Anforderungen und Metadaten enthält?
4. Ist der Kunde richtig definiert?
5. Gibt es eine gemeinsame Hierarchie?
6. Nutzen die Taxonomien die Geschäftsanforderungen?
7. Sind die Geografien korrekt festgelegt?
8. Gibt es irgendwelche Duplikate?
9. Wurden die Daten vor der Erstellung neuer Entitäten durchsucht?
10. Sind die Daten so strukturiert, dass eine nahtlose Integration und Interoperabilität möglich ist?

Nachdem wir nun besprochen haben, wie Dateningenieure an die Datenqualität herangehen können, wollen wir nun sehen, wie Sie die Zustimmung von Stakeholdern im Unternehmen erhalten.

Dateningenieure sprechen oft über die Qualität der Daten. Wenn Sie jedoch das Gespräch auf den Wert der Daten lenken, können Sie weitere Stakeholder in den Unternehmen dazu bewegen, sich stärker am Datenprozess zu beteiligen. Dies ist wichtig, um Aufmerksamkeit, Ressourcen und laufende Unterstützung zu erhalten.

Dazu empfehlen wir, darüber zu sprechen, wie die Daten mit den Geschäftszielen übereinstimmen. Andernfalls könnten externe Stakeholder denken, dass sich das Gespräch nur um die Datenbereinigung dreht.

• Relevanz: Entsprechen die Daten dem Geschäftsziel?
• Abdeckung: Deckt die Datenbasis den gesamten Markt ab, sodass das Unternehmen die Daten auch nutzen kann?
• Struktur: Sind die Daten so strukturiert, dass das Unternehmen sie nutzen kann?
• Genauigkeit: Sind die Daten vollständig und korrekt?

Indem man den Fokus des Gesprächs auf den Wert der Daten anstatt auf deren Qualität verlagert, kann die Führungsebene und der Vorstand dazu angeregt werden, mehr Ressourcen in die Datenpipeline zu investieren. So gehen Sie auf sie zu:

1. Beginnen Sie mit den Gründen, warum die Datenverwaltung für Ihr Unternehmen von strategischer Bedeutung ist. Zeigen Sie auf, wie Daten bei der Umsetzung strategischer Absichten helfen können.
2. Erklären Sie, wie die Verwaltung und Analyse von Daten dem Unternehmen helfen kann, seine Ziele zu erreichen. Zeigen Sie, wie Daten Ihr Unternehmen vergrößern, verbessern und schützen können. Sie können die vier Kriterien von vorher einbeziehen, um Ihre Punkte hervorzuheben.
3. Verknüpfen Sie die Daten mit bestimmten Abteilungen. Zeigen Sie, wie Daten die operative Effizienz verbessern, den Umsatz steigern und Risiken mindern können. Keine andere Abteilung kann von sich behaupten, in gleichem Maße wie die Datenentwicklung zum Wachstum, zur Verbesserung und zum Schutz aller Abteilungen beizutragen.
4. Konzentrieren Sie sich nicht auf den Prozess und die Technologie – sonst werden Sie eine sehr kleine Zielgruppe haben.

Neben der Unternehmensführung ist es auch wichtig, die Mitarbeiter für das Unternehmen zu gewinnen. Dies wird bei der Datenanalyse und -überwachung hilfreich sein. Dateningenieure benötigen häufig die Unterstützung der Mitarbeiter des Unternehmens bei der laufenden Datenpflege. Beispielsweise müssen Vertriebsmitarbeiter mehrere Felder in einem CRM ausfüllen, wenn sie eine neue Verkaufschance hinzufügen.

Wir empfehlen, Zeit in die Personalführung zu investieren, z. B. in Schulungen und sicherzustellen, dass alle in Bezug auf die Bedeutung der Datenqualität auf dem gleichen Stand sind. So kann beispielsweise erklärt werden, wie die genaue Identifizierung von Unstimmigkeiten dazu beitragen kann, eine geschäftliche Anomalie aufzudecken (und nicht eine Datenanomalie, die passieren kann, wenn die Mitarbeiter die Daten nicht konsistent und umfassend aktualisieren).

Die Prüfung des Datenwerts ist von entscheidender Bedeutung, da sie sich direkt auf die Fähigkeit auswirkt, Entscheidungen auf der Grundlage der Daten zu treffen. Wenn Sie ein Beispiel benötigen, um Mitarbeiter zur Teilnahme an der Datenverwaltung zu bewegen, erinnern Sie sie an den „Fluch der ‚Sonstigen‘“.

Wenn Unternehmensbereiche wie Marketing, Produkt und Vertrieb Dashboards überwachen und ein großes Segment die Überschrift „Sonstige“ hat, verfügen sie nicht über alle benötigten Daten und ihre Entscheidungsfindung wird beeinträchtigt. Dies ist das Ergebnis mangelnder Datenverwaltung und unzureichender Data Governance.

Wie können Dateningenieure Datenqualität von einer abstrakten Theorie in die Praxis umsetzen? Lasst uns alles Besprochene in einen umsetzbaren Aktionsplan zusammenfassen.

Beurteilen Sie zunächst, welche Domains abgedeckt werden sollten und wie gut sie verwaltet werden. Dazu gehören Datentypen wie:

• Beziehungsdaten zu Kunden, Anbietern, Partnern, Interessenten, Bürgern, Patienten und Kunden
• Markendaten von Produkten, Dienstleistungen, Angeboten, Bannern und mehr

Identifizieren Sie die Fehler in den verschiedenen Phasen der Pipeline, beginnend mit der Aufnahme.

Präsentieren Sie den verschiedenen Stakeholdern die Datensituation. Zeigen Sie, wie die Daten vom Eingabepunkt bis zum Endprodukt verwaltet werden. Erklären Sie dann, wie sich der aktuelle Datenwert auf ihre Entscheidungen auswirkt. Stellen Sie die Fehlerpunkte dar und schlagen Sie Lösungsansätze vor.

Erstellen Sie einen nach Prioritäten geordneten Plan, um den Wandel voranzutreiben. Bestimmen Sie, welche Probleme zuerst behoben werden müssen. Dazu gehören die Identifizierung von Datenquellen und deren Übermittlungswege, die interne Datenverwaltung sowie die Schulung der Mitarbeiter. Holen Sie sich die Zustimmung zu dem Plan und fahren Sie mit der Ausführung fort.

Die Sicherstellung der Datenqualität ist die Verantwortung der Daten-Ingenieure und des gesamten Unternehmens. Die Überwachung der Datenqualität beginnt an der Quelle. Durch die Zustimmung von Mitarbeitern und Management können Dateningenieure jedoch sicherstellen, dass sie die erforderlichen Ressourcen und die Aufmerksamkeit erhalten, die sie benötigen, um Datenprobleme in der gesamten Pipeline zu überwachen und zu beheben und das Unternehmenswachstum zu unterstützen.