Datenqualität messbar machen

Finanzinstitute verfügen über große Mengen von Daten, die optimal im Sinne der Unternehmen und deren Kundschaft genutzt werden sollen. Dafür ist es entscheidend nicht nur zu wissen, über welche Daten man verfügt und wo die liegen, sondern auch Aussagen über die Qualität der Daten treffen zu können. Insbesondere das Top-Management ist darauf angewiesen, um auf Basis dieser Informationen fundierte Entscheidungen treffen zu können.

Doch wie kann man Datenqualität messen und diese einfach und für alle nachvollziehbar darstellen? Mit dieser Fragestellung haben sich unsere Expert:innen im Rahmen eines Projekts für die Pfandbriefbank (pbb) beschäftigt.

Nachvollziehbare und belastbare Aussagen zur Datenqualität ermöglichen es dem Management, daraus Schlüsse für fundierte Entscheidungen zu ziehen.

Florian Woy

Senior Manager, Financial Services

KPMG AG Wirtschaftsprüfungsgesellschaft

Data Quality Score

Es galt, eine Lösung zu entwickeln, mit der sich das Top-Management ein Bild zur Qualität der Daten der gesamten Bank machen kann. Dafür wurde zusammen mit dem Kunden das Projekt „Data Quality Reporting“ aufgesetzt. Das Ziel: Datenqualität messbar zu machen, Komplexität zu reduzieren und in Richtung Endscheidungsträger:innen die richtigen Impulse zu setzen.

Bei dem Lösungsansatz, etwas Abstraktes wie Datenqualität darstellbar zu machen, haben wir uns an der Lebensmittelindustrie orientiert: Der auf vielen Verpackungen aufgedruckte Nutri-Score vermittelt Konsument:innen schnell und einfach verständlich einen Eindruck zu den Nährwerten der einzelnen Inhaltsstoffe von Nahrungsmitteln und kann ein Entscheidungskriterium bei der Produktwahl sein.

Warum so etwas nicht auch in Form eines Data Quality (DQ) Scores für Daten nutzen?

Individuell kalibrierbarer Ansatz

Um sich einer Qualitätskennzeichnung zum Stand der Daten zu nähern, wurde ein Scoring-Ansatz mit Modellparametern gewählt. Aus zahlreichen Quellen wurde ein Qualitätsprofil für steuerungsrelevante Kennzahlen ermittelt, das auf verschiedenen DQ-Sicherungsmaßnahmen entlang der Datenflüsse basiert. Die Berechnungs- und Aggregationslogik ermöglicht die Vergabe eines Data Quality Scores sowohl auf Kennzahlen- als auch Berichtsebene. Mit dem Label wird eine einfach zu verstehende, aber nicht vereinfachende Bewertung der Qualität von Daten beabsichtigt.

Dynamischer Datenqualitätsbericht

Das Top-Management aber auch alle anderen Mitarbeitenden der Pfandbriefbank können die Bewertungen zum Stand der Datenqualität in einem bankweiten DQ-Bericht (Dashboard) einsehen, der individuelle Darstellungen und Auswertungen - je nach benötigter Perspektive - zulässt.

Wir haben ein adressatengerechtes DQ-Reporting aufgesetzt, das jeder nach seinen Bedürfnissen nutzen kann. Da es visuell gut nachvollziehbar aufgebaut ist, ist die Akzeptanz im Unternehmen sehr groß.

Caroline Grimm

Data Governance Officer

Deutsche Pfandbriefbank AG

Weitere Informationen zum Projekt für die Pfandbriefbank erhalten Sie in folgendem Video: