34
suche haben mehr Aussicht auf Erfolg, Mängel
in der Produktion sind wahrscheinlich und ganz
allgemein schwindet das Vertrauen in die eige-
ne Datenbasis [1]. Generell lässt sich feststel-
len, dass die Kosten umso höher ausfallen, je
später entsprechende Probleme bei den Daten
festgestellt werden. So ist eine nachträgliche
Bereinigung von Daten beispielsweise 5- bis
10-mal teurer als der rechtzeitige Einsatz von
qualitätssichernden Maßnahmen [4].
All diesen Risiken, die mit niedriger Daten-
qualität einhergehen, stehen eine Reihe
von Chancen gegenüber, welche bei hoher
Datenqualität genutzt werden können.
So
können qualitativ hochwertige Daten das ope-
rative Risiko verringern, Projekte können zu ge-
ringeren Kosten und mit reduzierten Durchlauf-
zeiten durchgeführt werden, Kunden sind zu-
friedener, und bei ausreichend hoher Qualität
kann sich ein Unternehmen auch Vorteile im
Wettbewerb mit Konkurrenten sichern [1].
Die Sicherung der Datenqualität ist dabei ein
unternehmensübergreifendes Thema. Bei allen
nachfolgend vorgestellten Maßnahmen ist stets
zu beachten, dass sie Hand in Hand mit einer
entsprechenden Organisation und Verankerung
in der Unternehmenskultur gehen müssen.
Den Dimensionen der Datenqualität lassen sich,
sofern sie verletzt werden, verschiedene Folge-
erscheinungen und -kosten zuordnen. Eine Ver-
qualität weiter sinken lässt, liegt auf der Hand.
Steigende Verluste scheinen vorprogrammiert.
Schlechte Datenqualität führt dabei zu
unterschiedlichen Arten von Kosten
Wenn Daten verifiziert werden müssen, entste-
hen Nachweiskosten. Bei der Korrektur von fal-
schen Eingaben in Datenbanken fallen soge-
nannte Wiedereingabekosten an. Indirekt kann
es auch zu Umsatzeinbußen kommen, Budgets
werden unproduktiv verschwendet, Fehlent-
scheidungen getroffen, es kann Schaden am
Image des Unternehmens entstehen, gelegent-
lich verbunden mit Gerichtskosten, Betrugsver-
liche Sprache. So gehen mehrere Autoren da-
von aus, dass niedrige Datenqualität in Unter-
nehmen Verluste von ca. 25% des operativen
Gewinns verursacht [2][5]. Eine 2010 bei 140
Unternehmen durchgeführte Studie liefert auch
Zahlen: So nannten die Befragten 8,2 Millionen
US-Dollar als durchschnittlichen Verlust durch
Probleme mit der Datenqualität pro Jahr [3].
Auch im Bankenbereich entstehen, einer weite-
ren Studie aus dem Jahr 2007 zufolge, durch
niedrige Qualität von Daten sehr hohe Kosten,
sowohl direkter als auch indirekter Natur. Letz-
tere werden zudem oft übersehen, obwohl sie
den größeren Teil ausmachen [6]. Die Gefahr,
dass eine immer größer werdende Flut unvoll-
ständig verifizierter Daten im Mittel die Daten-
Autoren
Ulrich Gürster
ist Managing Consultant bei xapio GmbH, München.
E-Mail:
Michael Spaar
ist Senior Consultant & Data Analyst bei xapio, München.
E-Mail:
Abb. 1: Statista 2016 (Quelle: IDC)
Datenqualität in Zeiten von Big Data
