Merken Maßnahmen - Datenqualitätsmanagement

Datenqualitätsmanagement wird unumgänglich

Vor allem hoher Automatisierungsgrad fordert Datenqualität

Seit Jahren investieren Unternehmen in Qualitätsmanagementsysteme, um ihre Prozesse an den Kundenwünschen auszurichten. Trotz aller Erfahrungen und Weiterentwicklungen auf diesem Gebiet wurde die Qualität der Daten bisher nahezu vernachlässigt. Das soll sich mit einer überarbeiteten Version der Norm DIN EN ISO 9001, die 2015 veröffentlicht wird, ändern. Diese berücksichtigt verstärkt den risikobasierten Ansatz. Der Ansatz zielt darauf ab, frühzeitig unternehmensgefährdende Risiken zu berücksichtigen, zu bewerten und zu vermeiden. Dabei gibt es erste Anzeichen in Richtung Daten- und Informationsqualität.

Vom Faktor Mensch zur Industrie 4.0

Bei genauer Betrachtung der Prozesse wird deutlich, dass mangelnde Datenqualität lange nicht als problematisch erkannt wurde, da sich hinter vielen Schnittstellen immer noch der Mensch verbirgt. Er kann ständig korrigierend eingreifen. Diese kleinen Korrekturen tauchen meist in keiner Kostenrechnung auf. Erst wenn die Prozesse stetig ineffizienter werden, fallen die permanenten Korrekturmaßnahmen auf. Mit der Automatisierung der Geschäftsprozesse durch entsprechende Internet-Technologien kommt die Ineffizienz sofort zur Geltung. Denn der korrigierende Mensch tritt in den Hintergrund. Wenn in Zukunft Maschinen miteinander „sprechen“ (M2M Communication), steht der Mensch nicht mehr als Korrektor zur Verfügung. Maßnahmen, die die Datenqualität sichern, müssen dann bereits berücksichtigt und integriert sein.

Leitfäden zur Implementierung

Bei der Einführung eines Datenqualitätsmanagements ist es sinnvoll, sich bereits bestehender Normen für Qualitätsmanagement (QM) zu bedienen und das Datenqualitätsmanagement in eine TQM-Strategie (TQM = Total Quality Management) zu integrieren. Voraussetzung dazu sind Grundsätze wie Kundenorientierung, Prozess- und Ergebnisorientierung, ständige Verbesserung im Sinne von Prävention und Einbeziehung aller am Prozess beteiligten Interessenspartner. Die im deutschsprachigen Raum bereits etablierte Norm DIN EN ISO 9001 und die Datenqualitätsnorm ISO 8000 bringen einige Basisstandards mit. Darüber hinaus können Best-Practice-Ansätze aus erfolgreich umgesetzten Datenqualitätsmanagement-Projekten weiterhelfen.

Mit abgegrenztem Projekt beginnen

Zu Anfang ist es nicht sinnvoll, sofort ein ganzheitliches Datenqualitätsmanagement unternehmensweit zu etablieren. Zunächst sollte ein abgegrenztes Projekt geplant und durchgeführt werden. Das Ziel ist, möglichst früh erste Erfolge zur Verbesserung der Datenqualität zu erreichen und Sicherheit in der Implementierung eines Datenqualitätsmanagement zu erlangen. Der ideale Zeitraum für ein solches Projekt sind drei, höchstens sechs Monate. Unternehmen sollten dort ansetzen, wo mangelhafte Datenqualität offensichtlich hohe negative Auswirkungen auf Prozesse, beziehungsweise Prozesseffizienz, Servicequalität und Kosten hat.

Nachhaltiges Datenqualitätsmanagement

Vor der Einführung eines Datenqualitätsmanagements sollte eine detaillierte Anforderungsaufnahme durchgeführt werden, um Ergebnisse, Rahmenbedingungen und Verantwortlichkeiten aus der Geschäftsführung zu definieren. Die Ergebnisse müssen in einer Data Governance dokumentiert sein (Bild 1). Das heißt, es sollten strukturierte Prozesse eingeführt und eingehalten werden, um Daten dauerhaft in wertvolle und nutzbare Informationen zu verwandeln. Idealerweise werden die Ergebnisse der Anforderungsaufnahme für alle Projektbeteiligten und Projektinteressierten (Stakeholder) öffentlich zugänglich gemacht. Es empfiehlt sich, entsprechende Projektmanagement-Methoden (z.B. Prince2, Critical Chain Projektmanagement CCPM) umzusetzen sowie einen Change-Prozess zu implementieren. Nur, wenn sich alle Beteiligten im Unternehmen der hohen Bedeutung der Datenqualität bewusst sind, wird das Datenqualitätsmanagement langfristig überleben können.

Bild 1. Der Aufbau und Inhalt einer Data Governance in Anlehnung an Ausführungen von Dalton Cervo. Quelle: http://www.dcervo.com.

---

Inhaltsverzeichnis

• 1: Datenqualitätsmanagement wird unumgänglich
• 2: Für wen ist Datenqualitätsmanagement sinnvoll?

Autoren

Marco Geuer ist Berater im Bereich Business Analytics und Durchsatzmanagement (TOC/CCPM) bei der ACT IT-Consulting & Services AG. Seit über zehn Jahren ist er in der Beratung mit den Schwerpunkten der Optimierung von Daten- und Informationsqualität sowie Kennzahlensystemen und Geschäftsprozessen in Zusammenhang mit regulatorischen und betriebswirtschaftlichen Anforderungen tätig. Darüber hinaus betreibt Marco Geuer einen Blog zum Thema Daten- und Informationsqualität.
www.business-information-excellence.de

Achim Kern ist Berater sowie Trainer und Zertifizierungsauditor mit den Schwerpunkten des Aufbaus und der Verbesserung von Managementsystemen sowie EFQM-Assessor mit 33-jähriger Berufserfahrung im Qualitätsmanagement und 15 Jahren in leitender Position in der Zulieferindustrie. Darüber hinaus ist Achim Kern seit 25 Jahren Leiter eines Arbeitskreises zum Thema Qualität mit verschiedensten Themenstellungen.