Datenqualität ist kein rein technisches Problem, sondern eher ein organisatorisches und prozessuales. Durch den bereichs- und system-übergreifenden Charakters von Daten bedarf es einer übergeordneten und transparenten Verantwortlichkeit für Datenqualität (z.B. in Form einer Data Governance). Klare Zuständigkeiten sowie eine Eskalationsfunktion im Datenmanagement sind für die effiziente Datengenerierung und -nutzung durch unterschiedliche Interessensgruppen unabdingbar.
Wie gelingt die erfolgreiche Implementierung von Verantwortlichkeiten im Datenmanagements?
- Wir unterstützen unsere Mandanten durch das Design und die Implementierung einer Data Governance.
Eine Data Governance dient als Legislative im Datenmanagement und trägt die Verantwortung für Datenstrategie und Datenqualität. Sie ist die Design-Autorität für Datenmodelle, Stammdaten-Pflegeprozesse sowie für angewandte Validierungsregeln. Die Data Governance überwacht regelmäßig Datenqualität sowie Prozesseffizienzen, um entsprechend Optimierungspotentiale zur der Datenqualität identifizieren und lancieren zu können.
Nach welchen Kriterien lässt sich Datenqualität messen?
- KPMG hat eigens hierfür den Data Quality Efficiency Index (DAQEI) als Top-Kennzahl im Datenmanagement entwickelt, der neben der eigentlichen Datenqualität auch den Aufwand zum Erhalt hochwertiger Daten berücksichtigt. Der DAQEI misst, ob gute Datenqualität durch eine schlechter Prozesseffizienz erkauft wurde.
Wie können qualitativ-hochwertige Stammdaten erzielt werden, ohne dass Stammdaten-Pflegeprozesse aufwendig und zeitintensiv gestaltet werden?
In der Stammdatenpflege ist das richtige Gleichgewicht zwischen Komplexität und Effizienz entscheidend. Prozesse zur Anlage, Änderung und Deaktivierung von Stammdaten sind so einfach und schlank wie möglich, aber so komplex wie nötig zu gestalten, um entsprechende Datenqualität sicherzustellen.
- Wir unterstützen unsere Mandanten in der Findung des individuellen Gleichgewichts pro Datenobjekt sowie in der Umsetzung und technischen Implementierung dieser Prozesse. Neben unserem eigenen MDM Tool mit entsprechender RPA Funktionalität haben wir Partnerschaften mit allen führenden Datenmanagement Softwareanbietern und besitzen den richtigen Mix aus fachlichem und technischem Know-how für eine effiziente Implementierung von MDM und Data Integration Lösungen.
Wie können Unternehmen bei der Optimierung Ihres Datenmanagements starten?
Wir empfehlen eine erste und schnelle Standortbestimmung im Datenmanagement durchzuführen.
- Für diese erste Bewertung der Ist-Situation wenden wir unser Reifegrad-Assessment an. Dieses durchleuchtet die aktuelle Situation bei unseren Kunden über 7 Perspektiven (von der Vision, über die Organisation, die Prozesse und die technische Unterstützung). Im Anschluss wird anhand einer management-gerechten Präsentation Einblick in die aktuellen Problemfelder im Datenmanagement ermöglicht.
Diese Reifegradanalyse kann durch ein KPMG-eigenes Datenanalyse-Tool begleitet werden, um kurzfristig Datenbestände zu analysieren und Empfehlungen für Datenbereinigungs-Aktivitäten (Data Cleansing) auszusprechen.
