background BSCRMBox BSCRMLogo home_button jobs_button contact_buttonboxesbackgroudgerman_selectorenglish_selector francais_selector

Data Quality Management
corp_selector
management_selector
bsc_selector
crm_selector
dqm_selector
aml_selector
bms_selector
In praktisch jedem größeren Unternehmen stößt man mit dem Thema Datenqualitätsmanagement (DQM) auf reges Interesse. Nicht nur, weil Daten längst als strategische Ressource erkannt wurden, sondern auch, weil hier jeder aus eigenen Erfahrungen berichten kann:
  • Verantwortliche von Data Warehouse - und Datenbanksystemen sind bestrebt, die Nutzbarkeit der verwalteten Daten zu erhöhen, entbehren aber oft geeigneter Mittel, die Datenqualität zu bewerten und potenzielle Fehlerquellen zu orten.
  • Die Nutzer der Daten, seien es Marketingverantwortliche, Controller, Produktentwickler und Kundenbetreuer, sind jedoch auf eine gesicherte Datenqualität angewiesen.
  • Gegenüber dem Kunden, der im Regelfall eine Fülle von Information dem Unternehmen anvertraut, ist ein kompetenter Umgang mit den Daten ein Muss. Der Erfolg von Customer Relationship Management ist nicht zuletzt auch davon abhängig.

Erfolgreiche DQM-Projekte bringen nicht nur Wettbewerbsvorteile durch eine erhöhte Nutzbarkeit von Informationen in fast allen Unternehmensbereichen. Sie helfen auch in großem Rahmen Kosten zu sparen. Denn sind erst einmal Prozesse der Datenqualitätssicherung auf einander abgestimmt und etabliert, so kann mit geringem Aufwand die Datenqualität kontinuierlich verbessert werden. Damit vervielfachen DQM-Projekte den Wert zentralisierter Datenhaltungen (z.B. Data Warehouses). Nach unserer Erfahrung ist die BSC-Methodologie ein geeigneter Ansatz, die Sicherung der Datenqualität zu fokussieren und zu steuern. Entscheidend für eine nachhaltige Wirkung ist dabei:

  • Die Bewertung und Visualisierung der Qualität der Daten
  • Das Zusammenbringen von Datenbenutzern und Datenerzeugern
  • Die Bereitstellung von Tools zur Durchführung von Plausibilitätstests
  • Geschäftsprozesse zur Fehlerquellenanalyse und -behebung, wenn die Qualität als ungenügend erkannt wurde.

DQM-Projekte bringen nicht nur "bad news". Häufig ermitteln sie, dass die Datenbestände für bestimmte Anwendungen eine durchaus hinreichende Qualität haben oder dass da, wo dies nicht der Fall ist, auf andere Daten gesicherter Qualität ausgewichen werden kann. Intelligentes DQM hilft somit, Maßnahmen zur Qualitätsverbesserung auf die Bereiche zu lenken, in denen sie den größten Nutzen erbringen können.

Weitere Informationen und Kontakt