Anzeige
Anzeige
Beitrag drucken

'Clean Data'

Wie Unternehmen die Qualität ihrer Daten verbessern können

Schon heute gehen bei produzierenden Unternehmen 0,5 Prozent des Umsatzes durch mangelnde Datenqualität verloren. Das zeigt eine Studie des Forschungsinstituts für Rationalisierung. Wer mit einem unternehmensweiten Datenqualitätsmanagement dafür sorgt, dass Stamm- und Bewegungsdaten durchgängig korrekt generiert und fehlerfrei verwaltet werden, kann seine Wettbewerbsfähigkeit sichern und den Weg für 'Big Data' ebnen. Enterprise Resource Planning-Lösungen können dafür einen Ansatzpunkt bieten.

Bild: Proalpha

Die meisten Unternehmen haben erkannt, dass die Qualität ihrer Daten den Geschäftserfolg maßgeblich beeinflussen kann. ‚Clean Data‘ bildet eine Grundlage für korrekte Auswertungen des Datenbestands und damit auch die Voraussetzung für erfolgreiche Entscheidungen. Umgekehrt können unvollständige, redundante oder falsche Datensätze mehr Kosten verursachen, als auf den ersten Blick anzunehmen ist. Langfristige Schäden – verursacht durch ein unzureichendes Datenqualitätsmanagement – werden von den Verantwortlichen oft unterschätzt oder aber auf andere Gründe zurückgeführt. Fehlerhafte Rechnungen, Lieferverzögerungen et cetera können beim Kunden einen irreparablen Vertrauensverlust bewirken, von Imageschäden und Umsatzeinbußen ganz zu schweigen.


Im Bild: Autor Rasmus Bangel, Teamleiter ‚Business Intelligence Competence Center‘ bei Proalpha Consulting.

Verluste und Fehlentscheidungen

Auch in der Produktion verursachen Ungenauigkeiten im Datenbestand mitunter Verluste und folgenschwere Fehlentscheidungen. Erschwerend kommt hinzu, dass sich die Konsequenzen fehlerhafter Daten nur unterschiedlich genau quantifizieren lassen. Zusätzliche Arbeitsstunden, Rückläufer oder Zinskosten können in der Regel exakt berechnet werden, während sich Imageverluste, Kundenabwanderung und sinkende Mitarbeitermotivation oft nur schwierig beziffern lassen. Dennoch fließen alle Kosten, die aus mangelhafter Datenqualität entstehen, direkt in das betriebswirtschaftliche Ergebnis ein und schmälern die Marge.

Datenqualität verbessern

Das Enterprise Resource Planning-System (ERP) des Unternehmens ist ein wichtiger Ansatzpunkt, um die Datenqualität zu erhöhen. Gerade bei der Neueinführung einer ERP-Lösung bietet es sich an, das Datenqualitätsmanagement genauer unter die Lupe zu nehmen und die Grundvoraussetzungen für ‚Clean Data‘ zu schaffen. Dabei gilt es zunächst, sich die Bedeutung der Datenqualität im eigenen Unternehmen vor Augen zu führen. Um die Auswirkungen von Fehlern zu erkennen, müssen diese immer im Bezug zum Prozess gesehen werden. Zudem sollte das Thema Datenqualität fest in der Unternehmensstrategie verankert und systematisch angegangen werden. Dabei sind im Wesentlichen zehn konkrete Maßnahmen zu beachten, wie Unternehmen nachhaltig für saubere Daten sorgen.


Das könnte Sie auch interessieren:

Industrielle Trends wie IIoT und Digitalisierung setzen immense Datenströme voraus. Doch im Gegensatz zur IT-Security für Büros müssen Fabrikbetreiber auf wesentlich mehr Stolpersteine achten, damit ihre Anlagen nicht schon einfachen Angriffen zum Opfer fallen.‣ weiterlesen

Ab und zu fehlte ein Schlüssel im Kloster der Franziskanerinnen der ewigen Anbetung von Schwäbisch Gmünd. Beim letzten Mal gab das den Impuls, anstatt neue mechanische Zylinder in die rund 220 Türen des Komplexes einzubauen, die alte Technik durch das Bluesmart-System von Winkhaus zu ersetzen.‣ weiterlesen

Mit 100,5 Punkten hält sich das IAB-Arbeitsmarktbarometer im November stabil und liegt weiter im leicht über der neutralen Marke. Auf europäischer Ebene sank der Frühindikator allerdings erneut.‣ weiterlesen

In einer neuen Expertise des Forschungsbeirats Industrie 4.0 untersuchen das FIR an der RWTH Aachen und das Industrie 4.0 Maturity Center den Status-quo und die aktuellen Herausforderungen der deutschen Industrie bei der Nutzung und wirtschaftlichen Verwertung von industriellen Daten und geben Handlungsempfehlungen für Unternehmen, Verbände, Politik und Wissenschaft.‣ weiterlesen

Im Forschungsprojekt FabOS soll eine KI-Bin-Picking-Anwendung entstehen, die ein verbessertes Erkennen, Greifen und definiertes Ablegen von Blechteilen in der Produktion ermöglicht.‣ weiterlesen

Die Digitalisierung des Qualitätsmanagements stellt Unternehmen vor Herausforderungen. Daher haben das Fraunhofer IPT und die FH Südwestfalen im Forschungsvorhaben 'Qbility - Quality 4.0 Capability Determination Model' ein datengetriebenes Reifegradmodell entwickelt, das die Anforderungen eines digitalisierten Qualitätsmanagements bei KMU adressiert.‣ weiterlesen

Das Bundesamt für Sicherheit in der Informationstechnik (BSI) empfiehlt sicherheitsrelevante Patches und Updates so schnell wie möglich, unter Abwägung des jeweiligen Risikos, einzuspielen, auch wenn im professionellen und insbesondere industriellen Umfeld automatisierte Software-Updates mit unerwünschten Einschränkungen der Funktionalität - etwa durch einen Neustart des Systems - verbunden sein können.‣ weiterlesen