Geringe Datenqualität lässt Geschäftsprozesse holpern

Die allgegenwärtige Kluft zwischen den von der IT-Abteilung betriebenen Initiativen zur Datenqualität und den von den Fachabteilungen angestoßenen Initiativen zur Prozessverbesserung betrachtet der auf Business Process Management spezialisierte Forrester-Analyst Clay Richardson als eine Folge des Silodenkens der beiden Akteure: „Die effiziente Zusammenarbeit zwischen Fachabteilung und IT-Managern ist sowohl bei der Datenqualität als auch bei der Prozesssteuerung der Schlüssel zum Erfolg.“ Geschäftsprozesse geraten ins Sto­cken, wenn sie nicht auf verlässliche Daten aufbauen, und Initiativen für mehr Datenqualität bringen keinen Business-Nutzen, wenn die betroffenen Informationen nicht die geschäftskritischen Prozesse und Entscheidungen abbilden.
38 Prozent der in der Studie befragten Manager bezeichneten die Datenqualität in ihrem Unternehmen als Flaschenhals, der Geschäftsabläufe negativ beeinflusst. 48 Prozent der Befragten sehen hingegen keinen solchen Zusammenhang. Die Kluft zwischen Fachabteilung und IT kritisieren Data Stewards, welche den Managern aus der Fachabteilung die Synergien zwischen Datenmanagement und Geschäftsprozesssteuerung näherbringen wollen. 28 Prozent der Befragten berichteten, dass in ihrem Unternehmen die Initiativen in Sachen Datenmanagement und Prozesssteuerung weitgehend unverbunden nebeneinander herlaufen. 18 Prozent der Befragten erkannten keinen Zusammenhang zwischen beiden Initiativen. Lediglich 26 Prozent gaben an, dass die Verantwortlichen Business Process Management und Datenqualität ihre Aktionen koordinieren und sicherstellen, dass die Teams gut zusammenarbeiten.

Insgesamt zeigen die Studienergebnisse, dass die Manager aus IT und Fachbereich das Thema Datenqualität sehr hoch ansiedeln. 85 Prozent der Befragten betrachten es als wichtigen Teil ihrer Verantwortung. Offensichtlich ist dieses Thema im Status vom Rang „nice to have“ und „taktisch“ auf die Bewertungsstufe „strategisch mit Unterstützung des Topmanagements“ aufgestiegen. Die hohe Wertschätzung bedeutet, dass Unternehmen ihre Datenqualität verbessern müssen: In einer ähnlichen Forrester-Studie aus dem Jahr 2010 schätzten 13 Prozent der Befragten die Qualität ihrer Daten als hoch ein, 48 Prozent hingegen als niedrig.
In Geschäftsprozessen werden Daten nicht nur gesammelt, sondern auch erzeugt und verändert. Wichtig dabei ist es, ob und inwieweit sich die Daten dazu eignen, einen weiteren Schritt anzustoßen, und inwieweit ihre Qualität im Prozessverlauf stabil bleibt. In der Studie hatte Forrester danach gefragt, welche Kernprozesse und -funktionen am meisten von der Datenqualität abhängen. Die höchsten Werte erzielen das Kundenbeziehungsmanagement mit 45 Prozent sowie alle Aktivitäten mit einem direkten Kundenbezug mit  40 Prozent der Nennungen. Beispiele für die letztgenannte Kategorie sind Account Management, Kundendienst sowie Cross-Channel-Verkäufe über das stationäre und mobile Internet.

Marketing kommt auf 30 Prozent der Nennungen und leidet damit nach Ansicht der Befragten vergleichsweise wenig unter schlechten Daten. Das heißt allerdings laut Richardson nicht, dass Marketiers an einer hohen Datenqualität wenig Interesse haben. „Gerade Direktmarketing stellt einen der ausgereiftesten Business Cases für Verbesserungen der Datenqualität dar. Marketiers investieren bereits seit Jahren in die Bereinigung und Anreicherung ihrer Kundendaten, um das Wissen über die Kunden zu verbessern, die Trefferquote ihrer Kampagnen sowie den Erfolg ihrer Cross-Selling Aktionen zu erhöhen.“ Der niedrigere Erfolg einer Marketing-Kampagne aufgrund schlechter Datenqualität treibe zwar deren Kos­ten in die Höhe, habe aber dennoch im Vergleich zu gesetzlich regulierten Prozessen in der Finanzbranche ein geringeres Schadenspotenzial.

Das Nachzeichnen der negativen Auswirklungen schlechter Daten auf Kernprozesse stellt lediglich den ersten Schritt dar. Die nächs­te Herausforderung besteht darin, Prozesse und Technologien aufzusetzen, welche die Datenqualität verbessern. Forrester empfiehlt den Unternehmen dazu sechs Maßnahmen.

1. Geschäftsprozesse und Datenmanagement-Initiativen abstimmen
   Business Process Transformation setzt vertrauenswürdige Daten voraus. Datenmanagement wiederum kann erst dann Erfolg bringen, wenn alle beteiligten Mitarbeiter den Kontext verstehen, in dem die Fachabteilungen die Daten erzeugen und verwenden, wie davon taktische und strategische Geschäftsentscheidungen abhängen und wie die Daten den Kundenkontakt steuern. In der Master Data Management Studie von Forrester aus dem Jahr 2010 gaben lediglich 16 Prozent der Befragten an, dass ihre Initiativen in Sachen Geschäftsprozessmanagement und Datenpflege koordiniert werden. Immerhin 17 Prozent berichteten, dass die jeweiligen Initiativen zwar separat arbeiten, aber sich regelmäßig abstimmen. 67 Prozent der Befragten hatten allerdings kein Verfahren für eine derartige Abstimmung aufgesetzt.
   
   
2. Ein Data-Governance-Programm definiert Standards der Datenqualität
   Egal, ob die jeweilige Initiative zur Erhöhung der Datenqualität sich projektbasiert auf bestimmte Applikationen, Abteilungen oder Funktionsbereiche bezieht oder als  unternehmensweites Unterfangen auftritt: eine Strategie zur Data Governance muss immer aufgesetzt werden. Data Governance definiert Maßnahmen, Business Rules und Standards, wie Daten in ihrem gesamten Lebenszyklus zu behandeln sind. „Niemand kann die Qualität seiner Daten verbessern, wenn die Fachabteilung nicht vorher festgelegt hat, wie genau diese Qualität aussehen muss“, erklärt Richardson. „Data Governance ist der gemeinsame Ansatz, dieses Ziel zu erreichen.“
   
   
3. Data Stewards lindern Probleme mit der Datenqualität
   Data Governance stellt ein Rahmenwerk dar, das die Bemühungen um Datenqualität festlegt und priorisiert, Business Cases aufstellt und die Zusammenarbeit verschiedener Abteilungen organisiert. Für die Umsetzung sind Data Stewards auf Seiten der IT und der Fachabteilungen nötig. Business Data Stewards sind die Experten in den Fachabteilungen, die darlegen, welche Prozesse auf welchen Daten basieren. IT Data Stewards – oft auch Data Architect, Business Intelligence Architect oder Integration Architect genannt – spezialisieren sich darauf, wie Daten in abteilungsübergreifenden Prozessen genutzt und wie sie in betriebswirtschaftlichen Applikationen verwaltet werden. „Die Zusammenarbeit zwischen diesen beiden Stewards entscheidet über den Erfolg oder Misserfolg in Sachen Datenpflege“, erklärt Richardson.
   
   
4. Automatisierte Datenbereinigung und -validierung
   Data Governance und Data Stewards sind wichtige Voraussetzungen, um die Qualität neu entstehender Daten zu sichern. Zusätzlich müssen sich Unternehmen um die bestehenden Daten kümmern. Nachdem Data Governance die Business-Regeln und Standards für die Datenqualität festgelegt hat, muss eine automatisierte IT-Lösung implementiert werden, welche die Anwendung dieser Standards überwacht. Applikationen dieser Art automatisieren das Validieren, Bereinigen und Anreichern von Daten auf Basis der definierten Regeln.
   
   
5. Master Data Management
   Während Applikationen zur Datenpflege die Qualität der Daten sichern, stellt das Master Data Management eine einheitliche Sicht auf Kunden, Produkte und Finanzen sicher. Bei einem zentralen Master Data Management werden die Daten von Business-Objekten in einem zentralen Repository bereinigt, harmonisiert und angereichert. Bei der lokalen Stammdatenpflege erfolgt die Anlage und Pflege der Daten in den Anwendungssystemen, während bei der zentralen Stammdatenpflege Anlage, Validierung und Harmonisierung auf einem zentralen Server stattfinden, der die Daten an die sie nutzenden Applikationen weiter verteilt.
   
   
6. Monitoring deckt Problemfälle auf
   Ohne eine ständige Messung lässt sich nicht nachvollziehen, ob die Maßnahmen zur Verbesserung der Datenqualität auch den erwünschten Business-Nutzen erzielen. Rentabilitätsberechnungen für diese Maßnahmen sind dann nur schwer möglich. Forrester empfiehlt drei Ebenen der Messung: operationale Metriken der Datenqualität für Data Stewards aus IT und Fachabteilung, Business-orientierte Key Performance Indikatoren, welche die Entwicklung von Kosten, Umsätzen und Risiken nachzeichnen, sowie Metriken und Schlüsselzahlen, die festhalten, welche Abteilungen sich wie an der Datenpflege beteiligen.

Die dargestellten Maßnahmen sind in den befragten Unternehmen unterschiedlich verbreitet. 54 Prozent fokussieren ihre Anstrengungen auf eine bessere Abstimmung zwischen Business Process Management und Datenpflege, 48 Prozent konzentrieren sich auf Data Govern­ance, während 46 Prozent das automatisierte Monitoring in den Vordergrund rücken. Geht es um Kundenbeziehungsmanagement (CRM) kommt die Abstimmung zwischen Prozesssteuerung und Datenpflege auf 39 Prozent, Data Governance auf 37 Prozent und Datenbereinigung auf 24 Prozent der Nennungen. Richardson führt dies darauf zurück, dass viele CRM-Systeme bereits von sich aus Basismaßnahmen der Validierung und Bereinigung von Daten unterstützen. Bei unternehmensweiter Standardsoftware (ERP) hingegen kamen die Initiativen zur Datenpflege mit 53 Prozent der Nennungen auf den Spitzenplatz, wobei 44 Prozent der Befragten sowohl Data Governance, Data Stewards und Master Data Management einsetzen.
„Wurde das Datenqualitätsmanagement einst ausschließlich der IT-Abteilung zugeschlagen, so ist es heute im Topmanagement angekommen“, berichtet Richardson. „Die Verantwortung der Fachabteilungen für Daten ist allerdings noch ungewohnt für viele Unternehmen. Notwendig ist hier ein Change Management, das allen Prozessbeteiligten die Methoden für Data Govern­ance näherbringt.“ jf