Business
In der aktuellen Uniserv-Trendstudie Kundendatenmanagement 2019 wurden – erneut – unvollständige, doppelt oder mehrfach vorhandene sowie veraltete Daten als häufigste Symptome schlechter Datenqualität benannt. Die Folgen dieser Symptome sind vielfältig und münden beispielsweise im Handel in eine verspätete Lieferung oder Nicht-Zustellung. Im Logistikbereich kann vielleicht nicht die richtige Adresse als Zustell- oder Lieferort gefunden werden. Im Bankenbereich gehen Kreditkarte und PIN möglicherweise an die falsche Anschrift. All dies führt im Weiteren zu hohen Kosten, ganz zu schweigen von Imageschäden. Die Gründe für diese Symptome schlechter Datenqualität sind vielfältig. Häufig anzutreffen, das hat die aktuelle Trendstudie Kundendatenmanagement bestätigt, sind fehlende Kapazitäten in den Fachabteilungen, andere Prioritäten, fehlende technische Möglichkeiten, die Datenhaltung in Silos sowie fehlende Abstimmung zwischen Abteilungen und der Mangel an integrierten Prozessen. Wenn Unternehmen jedoch einige grundlegende Regeln beherzigen, kann hier sehr schnell und gleichzeitig effizient gegengesteuert werden. Im Kern geht es darum, einen ganzheitlichen Ansatz im Unternehmen zu wählen, der alle Abteilungen und Verantwortlichen einschließt und abholt; am besten mit Unterstützung des Managements. Des Weiteren ist zu realisieren, dass Datenqualität keine einmalige Aktion, sondern ein permanenter Prozess ist. Warum ist gerade die Kontinuität so wichtig? Daten altern! Durch rund acht Millionen Umzüge jährlich, durch Eingemeindungen oder auch Straßen- und Ortsumbenennungen sowie auch Sterbefälle. Das ist wie Rudern gegen den Strom. Sobald man aufhört, treibt man zurück. Wichtig ist in diesem Zusammenhang auch zu verstehen, dass Datenqualität in einem geschlossenen Kreislauf (Closed Loop) einzurichten ist. Das einmal erreichte Qualitätsniveau bleibt dabei erhalten, wenn die vier Elemente Datenanalyse, Datenbereinigung, Datenschutz und Datenüberwachung verankert sind. In der Analyse wird der Status der Datenqualität ermittelt. Mit der Bereinigung werden die zuvor in der Analyse festgestellten Mängel beseitigt. Anschließend geht es darum, die Qualität zu halten. Unter dem Motto „Vertrauen ist gut, Kontrolle ist besser“ verhindert die Überwachung die schleichende Verschmutzung eines Datenbestandes.